计算机类(智能科学与技术)

时间:2018-05-28 17:30 来源:南理工 浏览数:19401

一、专业介绍

智能科学与技术是模式识别与人工智能(AI)技术、计算机信息处理、智能控制与系统等学科相互交叉和融合的专业。该专业于2013年经教育部批准而设立, 2014年正式招生。本专业依托南京理工大学“模式识别与智能系统”国家重点学科,以“高维信息智能感知与系统”教育部重点实验室、“社会公共安全”江苏省重点实验室、“光谱成像与智能感知”江苏省重点实验室等为学科平台,突出“国际化AI人才培养模式”、“强化AI新技术”特色,以结构合理、实力雄厚的师资队伍为基础,通过深厚的行业应用背景和坚实的科研项目为支撑,以先进的实验环境和“产学研”合作为支持,以深化教学改革、优化课程体系为导向,培养基础扎实、知识面宽、能力强、素质高、掌握模式识别、人工智能、计算机软硬件等专业知识和综合技能,具有创新精神的AI领域的高级复合型人才。具备从事智能技术研究、智能系统开发、工程实施和项目管理工作的科研能力与素质、具有宽口径知识和较强适应能力及现代科学创新意识。可在国际一流的IT企业、科研院所、高新技术企业、政府机关和事业单位,从事各类智能信息处理、智能系统的科研、教学、设计、开发、技术管理等工作。

二、培养目标

本专业以适应我国新时代人工智能重大需求为导向,以计算机科学技术学科为基础,以加强智能科学理论方法和应用技术为核心,以促进学生知识、能力、素质协调发展为目标,注重培养学生良好的科学研究素养和技术应用能力。培养学生掌握智能科学、信息科学、现代科学方法学基本理论知识,具备人工智能技术、计算机软硬件技术、智能信息处理技术等综合技能的高级复合型人才。本专业的学生毕业后,将具备坚实的人工智能基础,具有较强的智能系统研发和团队协作能力,毕业生可在国际一流的IT企业、科研院所、高新技术企业、政府机关和事业单位,从事各类智能信息处理、智能系统的科研、教学、设计、开发、技术管理等工作。

三、培养要求

智能科学与技术系的专业课程涵盖数学、物理学、计算机、信息处理以及机器人等领域。

1.毕业生能力要求

依据学校定位和学科特点,并结合中国工程教育认证通用标准中所列的12项基本要求,对本专业的毕业生提出以下12项毕业要求:

1能够将数学、自然科学、工程基础和计算机专业知识用于解决复杂工程问题。

2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。

3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、模块(组件)或算法流程,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,运用所学理论和技术手段进行智能系统和应用软件的分析、设计和开发。

4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,包括设计智能系统软硬件实验、建立软件模型、分析与解释数据、并通过信息综合得到合理有效的结论。

5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。

6能够基于工程相关背景知识进行合理分析,评价智能科学与技术类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。 7能够理解和评价针对复杂工程问题的智能科学与技术工程实践对环境、社会可持续发展的影响。

8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。

9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。

11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。

2.毕业学分要求

课程模块

课程性质

修读学分

备注

通识教育课

必修

38


学科教育课

必修

32.5


专业基础课

必修

75.5


专业选修课

选修

12

从本专业开出的12门课程(25.5学分)中选修12学分

通识教育选修课

选修

8

从学校开出的课程中选修8学分;其中,
人文与艺术类≥2
经济与社会类≥1
创新与创业类≥1





毕业总学分

166

另需取得4个素质发展学分,方可毕业

四、学制与学位

标准学制:四年

修业年限:三至六年

授予学位:工学学士

五、主干学科与交叉学科

主干学科:智能科学与技术、模式识别与智能系统

交叉学科:计算机科学与技术、信息与通信工程、电子科学与技术


六、专业核心课程

离散数学、数据结构、算法设计与分析、计算机逻辑基础、计算机组成原理、操作系统、数字图像处理、机器学习、人工智能与智能机器人、模式识别技术。

七、主要集中实践环节

C++课程设计、算法分析课程设计、智能机器人课程设计、毕业实习、毕业设计、智能信息处理系统设计。