人工智能专业培养方案


发布日期:2024-05-30

一、培养目标

本专业面向国家新一代人工智能发展战略的需求,培养德、智、体、美、劳全面发展的高素质应用型人才。本专业学生具有良好的数学基础与数学思维能力,具备良好的科学素养,系统掌握计算机科学、人工智能等领域的基本理论、方法与技能。本专业培养学生具有较强的知识获取能力、实践能力、创新能力,以及解决人工智能领域复杂工程问题的能力,培养学生能够从事智能感知与信息处理的应用设计与开发方面等工作。

本专业预期学生毕业五年后达到以下目标:

1、具有良好的社会责任感、职业道德和人文科学素养,具备人工智能工程伦理道德责任和尊重社会价值的能力;

2、适应国家发展对人工智能人才的需要和社会经济建设需求,能够灵活运用数学与自然科学知识以及人工智能专业的理论和技能,独立分析和解决工作中遇到的复杂工程问题;

3、具有从事人工智能专业工作所必需的工程技术能力,具有从事人工智能专业工作所必需的工程意识,具有系统观对人工智能及相关项目规划、设计、实施、管理的知识与能力,胜任人工智能项目的建设、研发、管理与运维等工作;

4、具备良好的沟通协作、组织领导以及项目管理能力,能够主动适应国内外形势及环境变化,拥有较强的自学能力、创新能力和持续发展能力。

二、毕业能力要求

依据中国工程教育专业认证的标准和要求,根据人工智能专业特点,毕业要求包括以下12项:

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人工智能专业领域的复杂工程问题。

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人工智能专业领域的复杂工程问题,以获得有效结论。

3. 设计/开发解决方案:能够设计针对人工智能专业领域的复杂工程问题的解决方案,设计/开发满足特定需求的智能算法、认知策略、智能感知、智能信息处理方案或技术,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:能够基于科学原理并采用科学方法对人工智能专业领域的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

5. 使用现代工具:能够针对人工智能专业领域的复杂工程问题,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,包括对人工智能专业领域的复杂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:能够基于工程相关背景知识进行合理分析,评价人工智能专业领域的工程实践和复杂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:能够理解和评价针对人工智能专业领域复杂工程问题的具体工程实践对环境和社会的影响及可持续性。

8. 职业规范:具有人文社会科学素养、社会责任感,能够在人工智能专业工程实践中理解并遵守职业道德和规范,履行责任。

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。

10. 沟通:掌握与社会公众沟通交流的基本技巧;能够与业界同行就人工智能专业领域的复杂工程问题进行学术交流和有效沟通,包括用术语清晰地表达技术思想,撰写文稿,电子媒体展示与表达;具备一定的国际视野,能够在跨文化背景下进行沟通交流。

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。

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

人工智能专业

四、标准学制与学位

1.标准学制:四年制本科,实行弹性学习年限

2.授予学位:工学学士

五、毕业学分要求与学位授予条件

1.毕业最低学分要求:160学分

课程体系结构与各类课程毕业学分要求:

课程类别

学分

占总学分比例

学时

备注

理论教学

通识教育课

必修

36

25%

656


选修

1

1%

16


学科基础课

必修

48.5

30%

768


选修

10.5

7%

168


专业领域课

必修

18

11%

288


选修

11

7%

176


个性化课程

人文/科学素养类

选修

6

4%

96


专业拓展类

选修

6

4%

96


创新创业类

选修

2

1%

32


理论教学合计

136

85%

2328


集中实践教学环节

必修

25

16%

30w


选修

0

0%

0


毕业最低要求学分合计

160

100%

2328学时+30w


2.学位授予条件:取得本专业毕业证书、满足《天津科技大学学位授予工作实施细则》中相应规定者,授予学士学位。

六、核心课程

离散数学、概率与统计、最优化方法、数据结构、Python 程序设计、计算机组成原理、人工智能导论、脑认知科学导论、机器学习、自然语言处理、知识表示与处理、知识图谱、神经网络、模式识别、智能信息处理与应用、智能感知应用开发、数字图像处理、计算机视觉等。