智能科学与技术专业(科大讯飞精英班)
来源:  发布时间:2021-04-02  点击次数:

一、所属学科门类、专业类

学科门类:工学;   专业类:计算机类;   专业代码:080907T

二、培养目标

(一)培养定位

本专业培养践行社会主义核心价值观,德、智、体、美、劳全面发展,具备扎实的数学和自然科学基础理论、智能科学与技术专业知识和基本技能,拥有较强的自主学习能力、团队合作精神、创新意识、国际化视野以及可持续发展理念,同时具备良好的人文修养、社会责任感和职业道德,能够适应区域经济发展需要,在智能科学领域从事智能软件开发与管理、智能系统开发与维护、人工智能技术应用及咨询等工作的高素质应用型人才。

(二)职业能力

学生毕业5年后应达到专业工程师水平,具备以下方面职业能力:

目标1:履行并承担智能科学及其相关领域工程技术人员应尽的社会义务及责任,主动提高并展示自身社会服务职责、社会公德、人文科学素养,贯彻和执行工程实际中的工程职业道德以及行业相关法律、环境、安全与可持续发展等要素。

目标2:综合应用数学与自然科学、工程基础理论和专业技能,经分析、判断和综合处理,开展智能科学及其相关领域多学科背景下软件产品或系统的设计、开发、应用及管理工作,提出并践行工程解决方案。

目标3:掌握智能科学与技术专业的基本理论和研究方法,具有分析、解决复杂工程问题的能力和较强的工程实践能力。持续跟踪与学习智能科学及相关领域的前沿技术,领导或以骨干身份加入智能科学及其相关领域研发、服务和管理等工作团队,能够在跨文化背景下进行沟通和交流。

目标4:通过继续教育或其它学习途径,主动拓展自己的新知识和新能力,追求新职业机会,适应不同环境赋予的工作任务,能够在不同的岗位上做出贡献,获得自身的持续发展,具有团队精神、组织沟通能力、终身学习能力和国际化视野。

三、毕业要求及实现矩阵

(一)毕业要求

1. 工程知识:能够将数学、自然科学、工程基础和专业知识用于解决复杂工程问题。

1-1:能将数学、自然科学、工程基础和智能科学的基本概念、基本理论知识用于智能科学领域复杂工程问题的表述。

1-2:能针对智能科学领域复杂工程问题的具体对象建立数学模型并求解。

1-3:能够将智能科学专业知识和数学模型方法用于推演、分析专业工程问题。

1-4:能够将数学、自然科学、工程基础和智能科学的相关知识和数学模型方法用于推理、分析智能科学领域复杂工程问题,并用于其解决方案的比较与综合。

2. 问题分析:能够应用数学、自然科学和工程科学的基本原理,识别、表达、并通过文献研究分析复杂工程问题,以获得有效结论。

2-1:能运用数学、自然科学和智能科学的基本原理,识别、判断智能科学领域复杂工程问题的关键环节。

2-2:能基于智能科学基本原理和数学模型方法正确表达智能科学领域复杂工程问题。

2-3:能认识到智能科学领域复杂工程问题有多种解决方案,能够通过文献研究寻求可替代的解决方案。

2-4:能运用数学、自然科学和智能科学的基本原理,借助文献研究,分析问题解决过程中的影响因素,获得有效结论。

3. 设计/开发解决方案:能够设计针对复杂工程问题的解决方案,设计满足特定需求的系统、单元(部件)或工艺流程,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。

3-1:掌握软件系统全周期、全流程的基本设计/开发方法和技术,了解影响设计目标和技术方案的各种因素。

3-2:能够针对软件系统的特定需求,完成单元模块的详细设计与开发。

3-3:能够在软件系统的总体设计与开发中体现创新意识。

3-4:能够在设计与开发中考虑健康、安全、法律、文化以及环境等制约因素。

4. 研究:能够基于科学原理并采用科学方法对复杂工程问题进行研究,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效的结论。

4-1:能够基于科学原理,通过文献研究,调研和分析智能科学领域复杂工程的解决方案。

4-2:能够针对关键问题,运用智能科学相关原理和专业知识制定技术路线、设计实验方案。

4-3:能够安全地开展实验,正确地采集实验数据,对实验结果进行整理、分析和解释,并能通过信息综合得出合理有效结论。

5. 使用现代工具:能够针对复杂工程问题,开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具,包括对复杂工程问题的预测与模拟,并能够理解其局限性。

5-1:能够结合相关问题的背景和科学原理,分析可使用的平台、技术、资源、工具的原理和使用方法,理解其局限性。

5-2:针对智能科学领域复杂工程问题,能够选择和使用恰当的平台、技术和工具进行分析与设计。

5-3:能够针对智能科学领域复杂工程问题的具体模块,开发或选用合适的仿真工具进行合理的模拟、预测,并分析其局限性。

6. 工程与社会:能够基于工程相关背景知识进行合理分析,评价专业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。

6-1:具有智能科学领域的工程实习和社会实践经历,了解智能科学领域的技术标准体系、知识产权、产业政策和法律法规,掌握工程相关背景知识。

6-2:识别、分析、评价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、法律以及文化的潜在影响。

6-3:在熟悉相关技术标准体系及法律法规政策的基础上,能够理解智能科学与技术专业工程实践和复杂工程实施过程中应承担的责任,坚持公众利益优先。

7. 环境和可持续发展:能够理解和评价针对复杂工程问题的工程实践对环境、社会可持续发展的影响。

7-1:明确我国的发展现状,知晓和理解环境保护和可持续发展的理念和内涵

7-2:能够站在环境保护和可持续发展的角度,思考智能科学领域复杂工程实践的可持续性,评价产品周期中可能对人类和环境造成的损害和隐患。

8. 职业规范:具有人文社会科学素养、社会责任感,能够在工程实践中理解并遵守工程职业道德和规范,履行责任。

8-1:树立社会主义核心价值观,尊重生命,具有社会责任感、人文素养和科学素养。

8-2:理解工程伦理的核心理念和智能系统工程师的职业性质和责任。

8-3:在工程实践中能自觉遵守职业道德和规范,能够履行相应的责任和义务。

9. 个人和团队:能够在多学科背景下的团队中承担个体、团队成员以及负责人的角色。

9-1:有良好的身心素质,能够胜任团队成员角色,完成团队分配的工作。

9-2:能够主动与其他学科背景的成员合作开展工作。

9-3:具有一定的人际交往能力,能组织团队成员开展工作,并进行合理的决策。

10. 沟通:能够就复杂工程问题与业界同行及社会公众进行有效沟通和交流,包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令。并具备一定的国际视野,能够在跨文化背景下进行沟通和交流。

10-1:能及时跟踪智能科学及相关行业发展状况,并就当前的热点问题发表自己的见解。

10-2:具有良好的表达能力和专业的描述方式,能够与业界同行及社会公众进行准确、高效的沟通和交流。

10-3:具有一定的国际视野和专业英语听、说、读、写能力,能够进行跨文化沟通和交流。

10-4:能够在智能科学工程实践和研究活动中根据需要撰写工作报告、设计文档,以及口头汇报、演讲、谈判等。

11. 项目管理:理解并掌握工程管理原理与经济决策方法,并能在多学科环境中应用。

11-1:掌握智能科学工程项目中涉及的管理与经济决策方法。

11-2:了解智能系统及产品全周期、全流程的成本构成,理解其中涉及的工程管理与经济决策问题。

11-3:能在多学科环境下,在设计开发解决方案的过程中,运用工程管理与经济决策方法。

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。

12-1:了解智能科学相关技术与理论的重要进展和前沿动态,认识到自主和终身学习的必要性。

12-2:了解拓展知识和能力的途径,具备终身学习的知识基础,掌握自主学习的方法。

12-3:具有自主学习的能力,包括对技术问题的理解能力,归纳总结的能力和提出问题的能力等。


四、毕业标准

1. 标准学制:四年。实行3-6年弹性修业年限,符合国家政策规定的可适当延长。

序号

学分类别

学分

1

最低通识必修学分

43

2

最低专业必修学分

110

专业课程

88

毕业实习

10

毕业论文(设计)

12

3

最低创新创业必修学分

6

4

大学生体质测试健康标准

50(分)

2. 学生需达到以上条件方可毕业,其中,毕业实习、毕业设计(论文)学分必须修满,不能充抵,符合学士学位授予条件的,授予工学学士学位。

五、课程体系

(一)课程设置

总学分180。课程结构及学分构成如下:

                     学分

类别

学分及所占

总学分比例

理论与实践学分分布

理论学分

及所占比例

实践学分

及所占比例

通识教育

43(26%)

3172%

1228%

数学与自然科学

2716%

2696%

14%

专业教育

5432%

3769%

1731%

工程实践与毕业设计

36(22%)

00%

36100%

创新创业教育

6(4%)

5.592%

0.58%

 

166

99.560%

66.540%

备注:通识选修、创新创业选修两类课程打通开设,学生自主选择,选修总学分最低4分。自修不少于10学分。

(二)专业方向课程

专业方向核心课程重点包括:数据结构、人工智能导论、数据与AI思维、概率论与数理统计、Python程序设计、神经网络与深度学习、智能感知技术与应用、机器学习、企业级系统开发、大数据技术原理与应用。

主要课程简介如下表所示:

课程名称

课程
性质

学时

学分

课程简介


学时

理论
学时

实践学时

 
 

人工智能导论

选修

16

16

0

1

课程从人工智能的发展开始讲起,通过实际的案例演示人工智能在日常生活中的应用场景及对生活的影响为切入点,课程内容包括:人工智能发展历史及主要内容、人工智能导论课程主要内容、典型的人工智能产品介绍及演示、人工智能与大数据和云计算的关系、人工智能核心知识(机器学习概述、深度学习概述、计算机视觉概述、自然语言处理概述、智能语音概述)以及如何学习人工智能专业等内容。

 

服务端技术原理与应用

必修

48

32

16

3

该课程包含HTTP协议、TOMCAT服务器、Servlet/JSPMVC模式的设计思想等Web服务端开发的主要内容,同时给出了log4j日志、文件上传、会话追踪、乱码处理、JSON等项目技术的案例应用。通过“讲授+自主+项目式”教学方式,培养学生掌握Web应用程序的请求处理机制,完成JavaWeb项目的搭建和开发,实现整个项目的会话交互以及安装测试和部署的能力。

 

数据与AI思维

必修

48

32

16

3

课程在数据分析基础之上通过教授回归模型、决策树模型、SVM、贝叶斯等基础模型使学生掌握机器学习的基础知识,了解分类器的作用及解决问题的方式。在基础之上,通过与讯飞脱敏数据结合GBDT集成学习模型完成个性化推送、预测等行业项目的训练完成机器学习常见算法在典型行业场景中的综合应用能力的培养。

 

大数据技术原理与应用

必修

48

32

16

3

本课程主要系统讲授大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式并行编程模型MapReduceHiveHBase等大数据框架的架构体系、工作机制及行业应用。通过该课程的教学,使学生对大数据基本概念、基本原理有比较系统的认识和正确的理解,让学生更好地理解大数据技术的工作原理和系统架构,为学生的软件设计能力和系统设计能力打下坚实的基础。

 

神经网络与深度学习

必修

48

32

16

3

课程通过引入tensorflow框架,结合手写数字识别、图片分类、字词识别、看图说话等中小型应用让学生达到学以致用的目标,并以这样的方式为后续对应的行业学习打下神经网络学习的基础,让学生了解和掌握感知器与多层感知器的基础知识,并以此为切入点结合BP算法的详细推导让学生了解神经网络的组成及工作原理

 

智能软件开发

选修

48

16

32

3

通过本课程的学习,学生将学习人工智能算法、模型在软件开发中的应用方式,课程将从图像处理与机器视觉、自然语言处理、语音识别、搜索算法这几个领域着手,讲解这些领域常用的算法、接口、SDK,并将这些算法、接口和SDKJava企业系统开发紧密结合,从而培养学生在软件系统综合应用人工智能技术的能力

 

企业级系统开发

必修

48

32

16

3

该课程包含HibernateMyBatis ORM框架技术、Spring框架的IOCAOP技术、SpringMVC框架在Web项目中的应用,并在掌握框架技术之后,结合AI能力平台,使用团队开发协作工具完成模拟真实企业场景或接近真实场景的软件系统设计与开发工作。通过“讲授+自主+项目式”教学方式,培养学生解决问题和团队沟通的能力,掌握企业级软件系统的开发流程和常见开发框架。

 

计算机视觉

选修

48

16

32

3

课程结合精心选择的人脸识别、OCR、行人识别、车辆识别等行业应用落地为背景,对传统的数字信号处理、数字图像处理课程进行选择和组合,形成应用性较强的课程。再结合深度学习与神经网络在计算机视觉方面的经典网络架构实现计算机视觉方面的综合应用。课程涉及数字图像处理、OpenCV、神经网络在计算机视觉方向的经典结构(CNNr-cnnfast-r-cnnmask-r-cnn等)等内容

 

智能感知技术与应用

选修

48

32

16

3

课程以Java为载体,通过将能力平台提供的AI能力(包括OCR、人脸识别、物体跟踪、语音识别、语音合成、自然语言理解等能力)与Java平台相结合,构建人机对话系统、人脸识别应用、PDF文本内容提取等人工智能应用项目,使学生掌握人工智能应用开发流程及AI能力应用方式。

 

智能语音技术

选修

32

16

16

2

课程主要围绕对联生成、QA、机器译等自然语言处理的经典行业应用为最终目标,通过对行业目标的分析,反推基础课程的主要组成,课程涉及语法分析、文法分析、语义合成等自然语言处理的经典内容,并在此基础之上,结合神经网络在自然语言处理方面架构(如word2vecLSTMseq2seq)的学习,掌握使用神经网络完成自然语言处理的能力。

 

自然语言处理技术

选修

48

32

16

3

课程主要围绕对联生成、QA、机器翻译等自然语言处理的经典行业应用为最终目标,通过对行业目标的分析,反推基础课程的主要组成,课程涉及语法分析、文法分析、语义合成等自然语言处理的经典内容,并在此基础之上,结合神经网络在自然语言处理方面架构(如word2vecLSTMseq2seq)的学习,掌握使用神经网络完成自然语言处理的能力。

 

 

(三)主要实践性教学环节

具有满足教学需要的完备实践教学体系,主要包括实验课程、课程设计、顶岗实习。开展科技创新、社会实践等多种形式实践活动,到各类工程单位实习或工作,取得工程经验,基本了解本行业状况。其中实践体系的内容如下表所示:

实践体系
(课程设计)

学期

时长

课程简介

面向对象与数据结构实践

2

1

通过本实践课程强化面向对象理论知识,培养使用合适的面向对象技术的分析和解决问题能力;强化JDBC理论知识,培养使用数据库进行项目数据存取的能力;使学生具备综合项目实践能力,能够对具体场景需求设计合适的类,并使用Java语言及相关工具实现具体问题的分析、抽象,以及具体的逻辑代码的编写工作。

 

python程序实践

3

2

培养学生利用Python编程技术分析问题、解决问题的技能,使学生掌握根据抽象的编程元素特征描述现实世界中的方法,达到培养Python程序设计能力的目的。

 

数据与AI思维综合实践

4

1

本实践课程在数据分析基础之上通过讲授回归模型、决策树模型、SVM、贝叶斯等基础模型使学生掌握机器学习的基础知识,了解分类器的作用及解决问题的方式。在基础之上,通过与讯飞脱敏数据结合GBDT集成学习模型完成个性化推送、预测等行业项目的训练完成机器学习常见算法在典型行业场景中的综合应用能力的培养。

 

企业级系统开发实践

5

2

该实践综合应用SSM企业级框架,以及项目构建Maven等工具,并结合跟练项目的设计与开发演示,以个人开发的方式,模仿着实现一个同级别的基于B/S架构的企业级软件项目的设计与开发。培养学生初步具备企业级项目综合实践能力,能够胜任对具体项目的开发、单元测试、发布和部署等工作。

 

人工智能系统综合实践

6

5

通过课程的实践训练,学生能够将数字化开发技术与人工智能技术相结合,从而提升学生的知识综合应用能力。课程会涉及到预测类、决策类、推荐类、图像识别与机器视觉、语音识别类综合项目。 熟悉人工智能产品开发全生命周期:从数据标注、模型选择、训练、优化和应用方面,提高学生的智能应用开发的设计能力和开发能力。

 

人工智能职业素养培育(职业发展、专业认知、专业前沿认知)

1-6

3

对学生进行智能科学与技术的职业发展、专业认知、专业前沿认知等相关素养和思维进行训练和实践。

 

毕业实习

7-8

12

通过深入实践、在实际工作岗位中加以磨练,着重培养学生的综合运用所学知识和技能独立完成实际工作的能力、锻炼和培养自我学习能力和沟通能力。使学生能够对岗位需求形成全面认知,养成良好的智能科学专业素质.全面检验本科阶段知识技能的掌握情况,为毕业设计和走上实际工作岗位做准备。

 

毕业设计

7-8

14

完成毕业设计和毕业答辩等环节,着重培养学生综合分析和解决问题的能力和独立工作能力、组织管理和社交能力。使学生进一步巩固加深所学的基本理论、基本知识和基本技能,使之系统化、综合化,并能够将各类知识融会贯通。培养学生综合运用智能科学专业知识,结合实际独立完成课题的工作能力,同时培养学生独立获取新知识、运用新知识的能力;养成实事求是、严肃、认真的科学态度和创新素质。对学生的知识面,掌握知识的深度,运用理论结合实际去处理问题的能力,实验能力,外语水平,计算机运用水平,书面及口头表达能力进行考核。

 

六、教学进程表(略)

七、教学计划表(略)

 

[返回顶部] [打印本页] [关闭窗口]