智能科学与技术应用型本科专业人才培养方案（2023版）

（专业代码：080907T）

 

一、培养目标

立足莆田，面向福建，辐射全国，服务于地方经济建设和社会发展，坚持立德树人，培养德智体美劳全面发展，具有良好的职业道德和社会责任感以及创新创业创造意识、生态意识和工程伦理意识；掌握智能科学与技术基本理论和专业知识，具有工程实践操作和工程初步设计能力，适应人工智能产业发展需要；能在人工智能相关领域胜任人工智能系统和产品的设计、开发、制造、应用、运行维护、质量控制和管理等工作；具备较强可持续发展潜质和社会适应能力的应用型工程技术人才。

学生在毕业五年左右的预期职业能力如下：

1.综合能力：具备适应地方经济社会发展和行业需求的能力，遵循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，具有人文、科学素养和社会责任感，妈祖大爱和创新精神；

2.学科能力：具有扎实的数理基础、良好的科学素养、系统的专业知识和相关应用领域知识，掌握人工智能和计算机应用相关的理论、知识、技能和方法，能够在人工智能及计算机领域独立从事研发和应用工作；

3.专业能力：具有较强专业能力和基本工程素养，具备分析与解决人工智能及计算机领域复杂工程问题的能力；具有创新精神，能够在设计、生产或科研团队中担任组织管理角色；

4.职业素养：具有团队精神、组织沟通能力和国际视野，具有通过自主学习拓展知识的能力；

5.终身学习：能正确了解自己的优势与局限，追求自我完善，通过终身学习途径增加知识并提升能力，具有终身学习和专业发展的意识与能力。

二、毕业要求

毕业生在知识、能力与素质方面应达到以下要求：

毕业要求1.工程知识：能够掌握数学、自然科学、工程基础知识和智能科学与技术专业知识，并将其用于解决与智能科学与技术相关的复杂工程问题。

1.1能够理解与掌握数学、物理等自然科学的基础知识和计算机科学与技术基础学科知识，并具有智能科学与技术方法论意识。

1.2能够理解与掌握智能科学与技术的理论知识和基本方法，理解相关的基本工程知识，并具有计算思维能力。

1.3能够在课程考核、实践环节、科技活动以及毕业设计（论文）等中，应用数学等自然科学、工程基础和专业知识解决人工智能应用中的复杂工程问题。

毕业要求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智能科学与技术中的复杂工程问题，以获得有效结论。

2.1能够应用数学等自然科学、计算机科学与技术、智能科学与技术的基本理论与方法，分析与识别相关实际工程应用问题的复杂性，并进行清晰的描述与表示。

2.2具有运用多种文献检索方式查找所需参考文献的能力，同时具有相关文献综述与分析的能力，深入分析复杂工程问题，以获得有效的结论。

2.3能够在课程考核、实践环节、科技活动以及毕业设计（论文）等中，应用数学、自然科学、计算机科学与技术、智能科学与技术的方法对相关复杂工程问题进行分析、表述、推理与验证等。

毕业要求3.设计/开发解决方案：能够设计针对智能科学与技术中的复杂工程问题的解决方案，设计满足特定需求的计算机软硬件系统、科学计算算法、人工智能模型，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掌握智能科学与技术应用工程问题的基本设计原理与方法，能够针对相关复杂工程问题设计合理的解决方案。

3.2能够从设计方法学上理解与掌握智能科学与技术及其应用的相关复杂工程问题的解决方法，并在解决过程中体现出创新思维能力。

3.3能够在智能科学与技术理论学习与实践中，树立综合考虑社会与文化、健康与安全、伦理与法律、环境与发展等诸多因素的意识。

毕业要求4.研究：能够基于计算机科学和人工智能原理并采用专业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理解与掌握计算机科学与技术的基本理论和智能科学与技术的核心知识，并从科学技术方法论上理解智能科学与技术专业的基本研究方法。

4.2能够针对复杂人工智能工程问题运用相关的理论和方法建立定性或定量模型，进行分析与比较；能够掌握原始数据收集与处理方法、参数分析方法、实验结果检验方法与综合分析方法，具有算法设计与分析能力。

4.3 能够在智能科学与技术理论学习与实践中，通过一定数量的设计实验、仿真实验、研究性项目等，研究与开发复杂人工智能问题的解决方案。

毕业要求5.使用现代工具：能够针对复杂人工智能工程问题，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，包括对复杂人工智能工程问题的预测与模拟，并能够理解其局限性。

5.1能够熟练掌握计算机系统的应用环境与开发工具等；能够熟练运用计算机与人工智能程序设计方法、环境与工具，包括软件开发集成环境、实验数据分析工具、模拟与仿真工具等。

5.2 能够选择与运用智能科学与技术的方法与工具等，针对人工智能复杂工程问题的解决方案，进行分析与比较、预测与模拟，并能够理解与表述问题解决方案的局限性。

毕业要求6.工程与社会：能够基于计算机工程相关背景知识进行合理分析，评价复杂人工智能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理解社会、安全、伦理、法律等方面的基本知识，并理解其与人工智能的相互影响。

6.2在解决复杂人工智能工程问题的过程中，能够从伦理与法律、人文与社会等方面进行分析、比较与评价，尽到保证社会伦理、遵守法律等责任与义务。

毕业要求7.环境和可持续发展：建立环境和可持续发展的意识，能够理解和评价针对复杂人工智能工程问题的工程实践对环境、社会可持续发展的影响。

7.1具有环境与可持续发展的基本知识与意识，能够理解智能科学与技术及人工智能应用对当前社会环境与自然环境，以及可持续发展的影响与重要性。

7.2能够针对具体人工智能工程问题的解决方案对环境与可持续发展影响进行分析与评价。

毕业要求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理解与当前社会发展状况相关的人文与社会科学基本知识，在实际问题解决方案中体现出健康心理、正确价值观以及人文社会科学知识与素养。

8.2理解复杂人工智能工程问题的实践活动有可能涉及人文与社会环境、职业道德和规范，能够在工程实践中遵守专业工程师职业道德和规范，履行社会责任。

毕业要求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,具有团队的构建、运行、协调和负责的能力。

9.1理解尊重个人权利与利益的重要性，理解个人、团队、社会的关系，理解个人和团队的利益统一性，以及团队不同成员及负责人的作用。

9.2能够利用多学科知识在团队中合作开展工作,参与团队的组织、协调等内容，独立完成自己部分的内容。

毕业要求10.沟通：能够就复杂人工智能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。并具备国际视野，能够在跨文化背景下进行沟通和交流。

10.1具有智能科学与技术专业方面的外语文献阅读与文献检索能力，具有专业外语交流与写作能力，具有国际视野，能够在跨文化背景下进行沟通和交流。

10.2能够在各种教学和实践环节中，针对复杂人工智能工程问题解决方案与同学、同行及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、清晰表达观点、准确回应提问等。

毕业要求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理解与掌握一般工程项目规划与管理、工程决策与经济的基本知识与方法，并对当前人工智能的相关产业有一定的认识。

11.2能够在课程考核、实践环节、科技活动以及毕业设计（论文）等中，理解并运用工程管理原理和经济决策方法等多学科知识解决相关复杂人工智能工程问题。

毕业要求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能够理解自主学习和终身学习的重要性与必要性，掌握自主学习和终身学习的方法。

12.2能够在本专业的各种教学和实践环节中，体现出自主学习和终身学习意识，在复杂人工智能工程问题的解决方案中体现出自主学习和终身学习的能力。

三、学制学位与学分

修业年限：四年；

毕业后授予学位：工学学士；

学生毕业应达到最低总学分：168.5学分。

四、主干学科

智能科学与技术、计算机科学与技术、人工智能

五、核心课程

程序设计基础、离散数学、数据结构与算法、计算机组成原理、操作系统、数据库原理及应用、Python程序设计、人工智能导论、机器学习、计算机视觉。

六、主要实践性教学环节

课程设计、工程认识实习、电工电子工艺实习、工程实训D、智能系统综合实训、毕业实习、人工智能创新设计与实践、毕业综合训练、毕业技能培训。

七、课程结构比例表（注：表格内字体为宋体小五，下同）

类别	项目、模块	总学分	总学时	授课学时	课内外实践学时	学时百分比
必修课	通识必修课	52	924	872	52	40.8%	77%
	专业基础必修课	31.5	548	376	172	24.2%
	专业必修课	15	272	176	96	12.0%
选修课	专业方向选修课	9	172	88	84	7.6%	23%
	专业任选课	12	236	104	132	10.4%
	通识选修课	8	112	112	0	5.0%
小计		127.5	2264	1728	536	100%
集中性实践教学环节		37	43周
第二课堂学分		4
合计		168.5
实践环节学分占总学分百分比		37.6%             （学校要求≥35%）
创新创业学分小计		10.5	注：其中必修5.5学分，选修5学分
人文社会与科学素养课程学分		31.5	占总学分比例		18.7%   （认证要求≥15%）
数学和自然科学类课程学分		26	占总学分比例		15.4%   （认证要求≥15%）
学科专业课程学分		67.5	占总学分比例		40.1%   （认证要求≥30%）

注：实践环节学分占总学分百分比=（课内外实践学时/24+集中性实践教学学分+第二课堂学分4）/总学分

八、集中性实践教学计划表

实践模块	序号	课程 编号	课程名称	学分	各学期周数分配表								备注
					1	2	3	4	5	6	7	8
其他模块	1	511300210	军训	1	2
	2	511300410	生产劳动	1	按学期值周安排执行
实习教学 模块	1	512904710	工程认识实习	1		1							新工
	2	511503810	电工电子工艺实习	1	1								工程
实训模块	1	512700810	工程实训D	1					1				工程
	2	512903840	智能系统综合实训	4							4		校企
	3	512902620	人工智能创新设计与实践	2							2		校企
	4	512907850	毕业实习	4							4	4	校企
课程设计 模块	1	512900510	数据结构与算法课程设计	1			1						新工
	2	512905110	单片机与接口技术课程设计	1			1						新工
	3	512902320	机器学习课程设计	2				2					新工
	4	512905520	计算机视觉课程设计	2					2				新工
	5	512907510	数据挖掘课程设计 （智能信息处理方向）	1						1			新工
		512909010	智能系统设计课程设计 （智能系统设计方向）										新工
	6	512909210	智能信息处理综合课程设计 （智能信息处理方向）	1						1			校企
		512908810	智能机器人课程设计 （智能系统设计方向）										校企
毕业综合训练模块	1	512908612	毕业综合训练	12							4	10	校企
	2	512908720	毕业技能培训	2								2	校企
合计				37	3	1	2	2	3	2	14	16

九、教学时间总体安排表

学年	学期	课堂教学		集中性实践教学周数	军训	运 动 会	入学教育与毕业教育	机 动 周	学期 周数	备注
		授课 周数	考试 周数
一	1	13.5	1.5	1	2	0.5	0.5	2	20
	2	16	1.5	1				0.5	20
二	3	16	1.5	2		0.5		1	20
	4	16	1.5	2				0.5	20
三	5	16	1.5	3		0.5		1	20
	6	16	1.5	2				0.5	20
四	7	0	0	14		0.5		1	20
	8	0	0	16			0.5	5.5	18

注：( )代表在寒暑假内开展的周数

十、毕业要求支撑培养目标的矩阵表

 

十一、毕业要求指标点与课程的支撑关系矩阵表

毕业要求   课程

1.工程知识

2.问题分析

3.设计/开发解决方案

4.研究

5.使用现代工具

6.工程与社会

7.环境和可持续发展

8.职业规范

9.个人和团队

10.沟通

11.项目管理

12.终身学习

1.1

1.2

1.3

2.1

2.2

2.3

3.1

3.2

3.3

4.1

4.2

4.3

5.1

5.2

6.1

6.2

7.1

7.2

8.1

8.2

9.1

9.2

10.1

10.2

11.1

11.2

12.1

12.2

思想道德与法治

M

H

M

中国近现代史纲要

M

H

马克思主义基本原理

M

M

习近平新时代中国特色社会主义思想概论

M

M

毛泽东思想和中国特色社会主义理论体系概论

M

M

军事理论

M

M

M

L

形势与政策

L

M

大学英语

M

M

体育

M

国家安全教育

H

职业生涯规划

H

M

M

就业指导

L

M

大学生心理健康教育

M

创新与创业基础

H

H

M

M

高等数学A

H

M

线性代数B

H

概率论与数理统计B

H

M

经济管理类通识选修课

M

人文社科类通识选修课

H

M

艺术类通识选修课

H

五大五培

H

大学物理B

H

L

大学物理实验C

M

专业导论

M

L

L

程序设计基础

M

M

H

离散数学

M

H

M

数据结构与算法

M

H

M

数字逻辑

M

M

M

单片机原理与接口技术

M

L

H

计算机组成原理

M

H

M

操作系统

M

H

H

数据库原理及应用

M

H

H

实验室安全

L

L

人工智能导论

H

M

H

Python程序设计

M

H

M

信号分析与处理

L

H

M

机器学习

H

H

H

M

计算机视觉

H

H

M

人工智能伦理与安全

H

H

M

军训

L

M

生产劳动

M

M

H

M

工程认识实习

L

L

M

电工电子工艺实习

L

L

工程实训D

M

M

智能系统综合实训

H

M

M

H

L

M

H

M

人工智能创新设计与实践

M

H

M

M

M

M

毕业实习

M

L

L

M

H

数据结构与算法课程设计

H

M

L

单片机与接口技术课程设计

M

M

M

机器学习课程设计

H

H

M

H

L

计算机视觉课程设计

H

H

M

H

L

数据挖掘课程设计

H

H

智能信息处理综合课程设计

H

M

H

智能系统设计课程设计

H

H

L

智能机器人课程设计

M

H

H

L

毕业综合训练

H

H

M

M

M

L

H

H

毕业技能培训

L

M

H

H

数据采集与融合

M

M

L

数据挖掘

M

M

M

语音信号处理

M

M

M

自然语言处理

M

M

M

智能传感技术

L

M

M

嵌入式系统

L

M

M

智能系统设计

M

M

M

智能机器人技术

M

M

H

M

脑与认知科学基础

L

L

M

智能优化计算

L

M

M

L

深度学习

M

M

M

模式识别

M

M

M

智能控制理论与方法

L

M

M

大数据与云计算

M

M

M

智能交互技术

M

M

数据可视化

L

M

M

Java程序设计

M

M

M

计算机网络与通信技术

M

M

L

软件工程

M

L

L

M

最优化方法

L

L

L

数值分析

L

L

L

Python高阶数据分析

L

M

M

专业英语

L

L

L

文献检索

H

M

M

现代企业管理

L

L

H

市场营销

L

L

创新工程实践（慕课）

L

L

L

学科交叉前沿讲座

L

L

L

产业发展前沿讲座

L

L

L