智能系统与计算机技术学院

70610701 - 人工智能专业

本全日制硕士专业旨在培养具备扎实数学基础与前沿工程创新能力的高级人工智能专家。学生在两年的学制中，将系统掌握机器学习、深度学习、大数据分析以及高级算法架构，具备在科研院所、跨国科技企业及工业互联网领域从事AI系统研发的能力。

教学计划学时分配表

数据校正与结构对齐： 针对教务数据中出现的因手误导致的残缺项（如将课程设计/论文错写为简写“3ki/kp”），本表依据学分制标准（1 学分 = 30 学时）以及总学时与自主学习时间的平衡逻辑，将其还原为标准学时结构：

专业培养阶段与教学特色

• 学制与学位： 教学采用标准的学分蓄积制，学制为 2 年。在修满规定学分并成功通过硕士学位论文答辩后，学生将被授予“人工智能硕士”学术学位。

• 高强度自主研发： 本专业更加注重学生的算法复现与独立科研能力。课外自主学习与科研课题负载达 2950 学时，要求学生具备极强的纯代码 manual 实现与数学推导能力。

• 科研见习与行业对接： 二年级期间，学生将前往各大人工智能研究中心、科研院所或知名 IT 企业的研发部门开展为期 6 周的深度科研实习与项目挂职。

教学管理与学术规定

• 定制化人才方案： 高等教育机构在开发具体的硕士课程教学大纲与拟定选修科目清单时，会深度对接当前算力芯片、行业大模型及数据安全市场的最新用人标准。

• 课程论文（设计）规范： 课程设计（或项目大作业）占用该科目预留的自主学习学时，每篇按 30 学时（1 学分）的标准在导师指导下独立完成。

• 学术毕业考核： 本专业硕士毕业的唯一核心指标为硕士学位论文的撰写与最终答辩。论文须展示出对特定 AI 细分领域（如计算机视觉、分布式并行计算等）的实质性算法改进或落地应用。

教学进程及环节时间分配表

各学年寒暑假时间安排（教学日历总览）

• 第一学年：

  • 寒假：12 月第 5 周至次年 1 月第 1 周（参考时间：12.25 - 01.07）

  • 暑假：6 月第 2 周至 9 月开学（参考时间：06.10 - 02.09）

• 第二学年：

  • 寒假：12 月第 5 周至次年 1 月第 1 周（参考时间：12.25 - 01.07）

  • 暑假：7 月第 1 周至 9 月开学（因毕业离校，暑假即转为毕业离校阶段，参考时间：07.01 - 02.09）

专业主干与选修课程清单

核心必修课程（Main Courses）

1. 科学研究方法论

2. 领域定制化软件工具 / 专用编程工具

3. 特设学科教学法

4. 数据库管理系统（DBMS）

5. Web 应用程序开发技术

6. 人工智能的数学基础（矩阵论、概率统计与最优化理论）

7. 人工智能问题驱动编程（Python 高级算法实现）

8. 机器学习（Machine Learning）

9. 大数据技术（Big Data）

10. 神经网络（Neural Networks）

11. 并行与分布式计算编程

专业方向选修课程（Elective Courses — 智能视觉与数据工程方向）

12. 深度学习方法（Deep Learning）

13. 图像分析与模式识别

14. 数据管理与高级分析

15. 模式识别的数学方法