2023级人工智能专业专升本培养方案
人工智能专业(专升本)人才培养方案
专业代码:080717T
学科门类:工学
授予学位:工学学士
标准学制:2年制
修业年限:2-4年
一、 培养目标
本专业是培养适应国家经济建设、科技进步和社会发展需要,德智体美劳全面发展的社会主义事业合格建设者和可靠接班人,掌握计算机科学的基本理论,掌握智能科学基础理论知识和人工智能工程专业知识,掌握人工智能的数据分析与模型创建的基本方法,受到良好的人工智能工程训练,具有较强的工程实践能力,具备运用先进的工程化方法、技术和工具从事复杂人工智能工程问题的分析、设计、测试、开发、维护等工作的能力;具有创新意识,具备较强的团队协作能力,具有较强的终身学习能力,能不断适应学科发展;具有法制观念,了解信息系统安全与知识产权保护的有关技术方法和法规,能在IT行业、行政事业单位等从事人工智能领域的计算机视觉、语音识别及自然语言处理的高素质应用型人才。
培养的学生毕业5年左右,应具备以下能力:
1. 知识运用:熟悉人工智能相关领域的发展现状及动态,能够运用数理、工程基础知识和人工智能专业知识,对机器学习及设计、开发过程中的复杂工程问题进行系统性分析,并提出解决方案。
2. 工程能力:能够运用现代工具及人工智能专业知识,对计算机视觉、自然语言处理、语言识别等系统进行设计、开发、维护、管理,能够在智能科学与人工智能技术产业领域从事数据预处理和深度学习研发等岗位相关工作。
3. 综合素质:具备工程师的专业基本素质和社会责任感,坚守职业道德规范。在工程实践中能坚持公众利益优先,综合考虑法律、环境与可持续性发展等因素。
4. 职业发展:具备健康的身心和良好的人文素养,拥有团队协作精神、有效沟通与表达能力,能够作为技术骨干在工作中发挥有效作用。
5. 终身学习:拥有终身学习和自我完善的能力,具有一定的国际化视野。能够通过工程实践及继续教育等方式,持续提高专业素养和自身素质。
二、 毕业要求
本专业学生毕业时应达到以下毕业要求:
1. 工程知识:掌握数学、自然科学、工程基础、计算机专业相关知识和人工智能技术,用于解决较复杂的智能科学工程问题。
2. 问题分析:能够运用数学、自然科学、工程基础和专业知识,识别、表达和有效的分解复杂工程问题,并通过文献查阅等多种方式对其进行分析,获得有效结论。
3. 设计/开发解决方案:基于人工智能技术,能够设计针对较复杂智能科学工程问题的解决方案,设计满足特定需求的计算机系统、硬件部件和软件,并能够在设计环节中体现创新意识,考虑社会、健康、安全、法律、文化以及环境等因素。
4. 研究:能够基于科学原理、采用科学方法并运用人工智能技术对复杂智能科学工程问题进行研究,包括设计实验、分析与解释数据,并通过信息综合得到合理有序的结论。
5. 使用现代工具:能够针对人工智能领域的复杂工程问题,选择使用恰当的技术、资源和工具。能够针对复杂问题,开发、选择与使用恰当的人工智能技术、资源、现代工程工具和信息技术工具,包括对复杂的智能科学工程问题的预测与模拟,并能够理解其局限性。
6. 工程与社会:能够基于智能科学相关背景知识进行合理分析,评价专业智能科学工程实践和复杂工程问题解决方案对社会、健康、安全、法律以及文化的影响,并理解应承担的责任。
7. 环境和可持续发展:了解环境保护和可持续发展的基本方针、政策、法律、法规,能够理解和评价智能科学问题的工程实践对环境、社会可持续发展的影响。
8. 职业规范:具有人文社会科学素养、正确的政治立场和社会责任感、能够在工程实践中遵守人工智能领域的相关职业道德和规范。
9. 个人和团队:能够在智能科学工程实践的团队中承担团队成员和负责人的角色,能够听取其他团队成员的意见和建议,发挥团队的协作优势。
10. 沟通:具有良好的表达能力,能够与同行和社会公众进行有效沟通,包括撰写设计文档和报告;熟练掌握一门外语,能够进行外文文献阅读和基本的交流。
11. 项目管理:理解并掌握工程管理与经济决策方法,并能在方案设计中应用。
12. 终身学习:具有自主学习和终身学习的意识,有不断学习和适应发展的能力。
三、 主干学科与专业核心课程
1.主干课程:人工智能导论、Python语言编程、机器学习、计算机视觉技术、神经网络原理、模式识别。
2.核心课程:数据结构、算法分析与设计、计算机组成原理、离散数学、操作系统、操作系统、嵌入式系统、传感器技术与原理、数据库原理、数据预处理与特征工程、深度学习、自然语言处理。
四、 毕业标准与学位授予
毕业标准:修业期满,符合国家和学校相关规定,完成人才培养方案要求的全部课程,成绩合格,取得本专业规定的所有学分,方能毕业。
通识教育学分 | 学科基础学分 | 专业教育学分 | 实践教学学分 | 第二课堂学分 | ||||
必修课程学分 | 选修课程学分 | 必修课程学分 | 选修课程学分 | 必修课程学分 | 选修课程学分 | 必修课程学分 | 选修课程学分 | 选修课程学分 (需认定) |
4.5 | ≥8 | 9 | ≥ | 19 | ≥8 | ≥12 | ≥ | ≤4 |
应修 总学分 | 70 |
学位授予:符合广州华立学院学位授予条例有关规定,通过学位委员会审定,授予工学学士学位。
五、 课程安排表
(一)通识类课程
课程类别 | 课程性质 | 课程编码 | 课程 名称 | 学分 |
总学时 | 学时分配 | 开课学期 | 考核 类别 | 备注 | |
理 论 授 课 | 实 践 教 学 | |||||||||
通识教育课程 | 必修课 |
| 入学教育 | 0.5 | 8 | 8 |
| 1 | 考查 |
|
| 马克思主义基本原理 | 3 | 48 | 48 |
| 1/2 | 考试 | 文/理工医 | ||
| 大学生就业指导 | 1.0 | 16 | 16 |
| 2 | 考查 |
| ||
小计 | 4.5 | 72 |
|
|
|
|
| |||
任选课 |
| 生命健康类 | 1 |
|
|
|
|
|
| |
| 经济管理类 | 1 |
|
|
|
|
|
| ||
| 数学理工类 | 1 |
|
|
|
|
|
| ||
| 工程技术类 | 1 |
|
|
|
|
|
| ||
| 文史哲艺类 | 1 |
|
|
|
|
|
| ||
学生应选修非本专业学科大类 4 学分,具体课程见《通识教育任选课课程库》 | ||||||||||
限选课 |
| 中外哲学十五讲 | 2.0 | 32 | 32 |
| 1/2 | 考查 | 文/理工医 | |
| 人工智能 科普讲座 | 2.0 | 32 | 32 |
| 1/2 | 考查 | 文/理工医 | ||
| 小计 | 4 | 64 |
|
|
|
|
| ||
通识教育课程小计 | 12.5 | 136 |
|
|
|
|
|
注: 1.考核类别分为考试和考查。
2.文科类: 经贸学院,管理学院,会计学院,传媒与艺术设计学院,外国语学院,教育学院。
3.理工医类:城建学院,机电工程学院,计算机工程学院,健康与护理学院,智能科学工程学院。
(二)学科基础课程
课程类别 | 课程性质 | 课程编码 | 课程 名称 | 学分 |
总学时 | 学时分配 | 开课学期 | 考核 类别 | 备注 | |
理 论 授 课 | 实 践 教 学 | |||||||||
学科基础课程 | 必修课 |
| 线性代数 | 2.0 | 32 |
|
| 1 | 考试 |
|
| 概率论与数理统计 | 2.0 | 32 |
|
| 1 | 考试 |
| ||
| 人工智能导论 | 2.0 | 32 |
|
| 1 | 考试 |
| ||
| 离散数学 | 3.0 | 48 |
|
| 1 | 考试 |
| ||
学分小计 | 9 | 144 |
|
|
|
|
| |||
学科基础课程学分小计 | 9 | 144 |
|
|
|
|
|
说明: 专升本各专业学制为二年, 共 4 学期。
1.模式 1: 1+1。即入学后第一学年(1-2 学期)为校内课程学习;第二学年的第 3 学期为校外生产实习,第 4 学期为毕业实习和毕业论文(设计) 。
2.模式 2: 1.5+0.5。即入学后第 1-3 学期为校内课程学习;第 4 学期为校外毕业实习和毕业论文(设计) 。
(三)专业核心课程
课程类别 | 课程性质 | 课程编码 | 课程 名称 | 学分 |
总学时 | 学时分配 | 开课学期 | 考核 类别 | 备注 | |
理 论 授 课 | 实 践 教 学 | |||||||||
专业核心课程 | 必修课 |
| Python语言编程 | 3.0 | 48 | 48 |
| 1 | 考试 |
|
| 数据结构 | 3.0 | 48 | 48 |
| 1 | 考试 |
| ||
| 计算机组成原理 | 3.0 | 48 | 48 |
| 1 | 考试 |
| ||
| 算法分析与设计 | 2.0 | 32 | 32 |
| 2 | 考试 |
| ||
| 操作系统 | 3.0 | 48 | 48 |
| 2 | 考试 |
| ||
| 机器学习 | 3.0 | 48 | 48 |
| 2 | 考试 |
| ||
| 计算机视觉技术 | 2.0 | 32 | 32 |
| 2 | 考试 |
| ||
学分小计 | 19.0 | 304 |
|
|
|
|
| |||
限选课 | 模式1: | |||||||||
| 数据预处理与特征工程 | 2.0 | 32 | 32 |
| 2 | 考试 |
| ||
| 神经网络原理 | 2.0 | 32 | 32 |
| 2 | 考试 |
| ||
| 模式识别 | 3.0 | 48 | 48 |
| 2 | 考试 |
| ||
| 物联网数据采集技术 | 2.0 | 32 | 32 |
| 2 | 考查 |
| ||
| 自然语言处理 | 2.0 | 32 | 32 |
| 2 | 考查 |
| ||
| 专业英语 | 1.0 | 16 | 16 |
| 2 | 考查 |
| ||
| 嵌入式系统 | 3.0 | 48 | 48 |
| 2 | 考查 |
| ||
| 数据挖掘 | 2.0 | 32 | 32 |
| 2 | 考查 |
| ||
| 智能控制技术 | 2.0 | 32 | 32 |
| 2 | 考查 |
| ||
| 工程经济学(线上) | 2.0 | 32 | 32 |
| 3 | 考查 |
| ||
| 优化理论与方法(线上) | 2.0 | 32 | 32 |
| 3 | 考查 |
| ||
| 深度学习(线上) | 2.0 | 32 | 32 |
| 3 | 考查 |
| ||
学分小计 |
|
|
|
|
|
|
| |||
模式2: | ||||||||||
| 数据预处理与特征工程 | 2.0 | 32 | 32 |
| 2 | 考试 |
| ||
| 神经网络原理 | 2.0 | 32 | 32 |
| 2 | 考试 |
| ||
| 模式识别 | 3.0 | 48 | 48 |
| 2 | 考试 |
| ||
| 物联网数据采集技术 | 2.0 | 32 | 32 |
| 2 | 考查 |
| ||
| 自然语言处理 | 2.0 | 32 | 32 |
| 2 | 考查 |
| ||
| 专业英语 | 1.0 | 16 | 16 |
| 2 | 考查 |
| ||
| 嵌入式系统 | 3.0 | 48 | 48 |
| 2 | 考查 |
| ||
| 数据挖掘 | 2.0 | 32 | 32 |
| 2 | 考查 |
| ||
| 智能控制技术 | 2.0 | 32 | 32 |
| 2 | 考查 |
| ||
| 工程经济学 | 2.0 | 32 | 32 |
| 3 | 考查 |
| ||
| 优化理论与方法 | 2.0 | 32 | 32 |
| 3 | 考查 |
| ||
| 深度学习 | 2.0 | 32 | 32 |
| 3 | 考试 |
| ||
| 计算机图形学 | 2.0 | 32 | 32 |
| 3 | 考查 |
| ||
| 机器人学 | 2.0 | 32 | 32 |
| 3 | 考查 |
| ||
| 学术论文写作 | 2.0 | 32 | 32 |
| 3 | 考查 |
| ||
| ROS程序设计 | 2.0 | 32 | 32 |
| 3 | 考查 |
| ||
| 前沿技术选讲 | 2.0 | 32 | 32 |
| 3 | 考查 |
| ||
学分小计 |
|
|
|
|
|
|
| |||
专业核心课程学分小计 | 19 | 304 | 304 |
|
|
|
| |||
模式1 | ≥8 | |||||||||
模式2 | ≥18 |
(四)实践类课程
课程类别 | 课程性质 | 课程 编码 | 课程 名称 | 学分 |
总学时 | 学时分配 | 开课学期 | 考核 类别 | 备注 | |
理 论 授 课 | 实 践 教 学 | |||||||||
实践类课程 | 必修课 |
| Python应用开发实训 | 1.0 | 2周 |
| 2周 | 1 | 考查 |
|
| 数据结构实验 | 1.0 | 24 |
| 24 | 1 | 考查 |
| ||
| 操作系统课程设计 | 1.0 | 2周 |
| 2周 | 2 | 考查 |
| ||
| 机器学习课程设计 | 1.0 | 2周 |
| 2周 | 2 | 考查 |
| ||
小计 | 4 | 24 |
| 24 |
|
|
| |||
模式1 | ||||||||||
| 生产实习 | 10 | 20周 |
| 20周 | 3 | 考查 |
| ||
| 毕业实习 | 2 | 4周 |
| 4周 | 4 | 考查 |
| ||
| 毕业论文(设计) | 6 | 12周 |
| 12周 | 4 | 考查 |
| ||
学分小计 | 18 |
|
|
|
|
|
| |||
模式2 | ||||||||||
| 毕业实习 | 2 | 4周 |
| 4周 | 4 | 考查 |
| ||
| 毕业论文(设计) | 6 | 12周 |
| 12周 | 4 | 考查 |
| ||
学分小计 | 8 |
|
|
|
|
|
| |||
实践类课程学分小计 | 4 |
|
|
|
|
|
| |||
模式1 | 18 |
|
|
|
|
|
| |||
模式2 | 8 |
|
|
|
|
|
|
(五)第二课堂
课程类别 | 课程性质 | 课程 编码 | 课程 名称 | 学分 |
总学时 | 学时分配 | 开课学期 | 考核 类别 | 备注 | |||||||||
理 论 授 课 | 实 践 教 学 | |||||||||||||||||
第二课堂 | 素质拓展 |
|
|
|
|
|
|
|
|
| ||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
| |||||||||||
创新创业 |
|
|
|
|
|
|
|
|
| |||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
|
|
|
|
|
|
| ||||||||||
|
|
注:学生完成第二课堂内相关课程或项目后,需个人申报,经开课(项目)单位认定后所取得的学分可计入任选课总学分,最多不超过4学分。
用户登录