一、培养目标

本专业旨在培养德、智、体、美、劳全面发展，掌握人工智能相关知识和技能，包括计算机编程、机器学习、深度学习、计算机视觉和自然语言处理的基本理论、基本技能和基本方法，能够在企事业和行政管理部门从事人工智能领域的设计、开发、管理和维护等方面的工作，具有较强的创新意识、创业精神、创新创业能力和社会责任感的高素质应用型专门人才。

本专业学生毕业后5年左右能达成下列目标：

目标1. 掌握数学、自然科学、工程基础和人工智能专业知识；

目标2. 能够综合应用人工智能及相关领域所必备的基础理论和专业技能，解决人工智能领域系统分析、设计、集成应用中的复杂工程问题。

目标3. 具有良好的团队合作、沟通交流和项目管理能力，能够作为团队成员或领导团队完成项目的实施，具备创新精神和创业能力；

目标4. 能跟踪学习人工智能领域的新技术，具有较强的终身学习和可持续发展能力；

目标5. 能适应环境变化和社会发展的需要，具有国际视野，把握时代特征与社会需求，具备良好的个人素质、职业道德、人文素养、专业素养和社会责任感。

二、培养规格

1.工程知识：具备较扎实的数学、自然科学、工程基础和人工智能领域专业知识，并能应用这些知识解决人工智能领域的复杂工程技术问题。

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进行分析、识别和表达，并通过文献研究分析人工智能领域复杂工程问题，以获得有效解决方案。

3.设计/开发解决方案：能够针对人工智能领域复杂工程问题，考虑社会、健康、安全、法律、文化以及环境等因素，设计/开发满足客户需求的产品，并能够在设计环节中体现创新意识。

4.研究：能够基于科学原理并采用科学方法对人工智能领域的复杂问题进行研究；具有设计实验和创造实验条件的能力；能够整理、归纳和分析实验数据并得到合理有效的结论。

5.使用现代工具：能够开发、选择与使用恰当的技术、资源、现代工程研发工具和信息技术检索工具，进行人工智能领域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：能够基于工程背景知识进行合理分析，评价人工智能领域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.环境和可持续发展：能够理解和评价针对复杂人工智能领域工程问题的工程实践对环境、社会可持续发展的影响。

8.职业规范：具有良好的人文社会科学素养、社会责任感，能够理解并遵守工程职业道德和规范，履行责任。

9.个人和团队：能够在多学科背景下的项目团队中，理解团队合作的意义，及在系统的构思、设计、实现、运行的工程实践中，承担个体、团队成员以及负责人的角色，并开展有效的工作。

10.沟通：能够就人工智能领域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，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.项目管理：理解并掌握工程管理原理与经济决策方法，熟悉人工智能工程项目管理的基本方法和技术，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，拥有不断学习和适应人工智能快速发展的能力。

三、学制与学分

1.学制：基本学制为4年，修业年限为4-6年。

2.学分：毕业最低要求总学分为181学分，其中通识教育选修课不少于8学分，专业任选课不少于6学分，创新创业实践不少于4学分，社会责任教育实践不少于5学分，劳动教育理论与实践不少于2学分。

四、毕业与授予学位

学生在规定的修业年限内，完成专业培养方案规定的课程和学分要求，考核合格，准予毕业，颁发普通高等学校全日制本科毕业证书。符合蚌埠学院学士学位授予条件规定的，授予工学学士学位。

五、主干学科、核心课程、特色课程与主要实践性教学环节

1.主干学科：人工智能、计算机科学与技术

2.核心课程及简介：

数据结构、数据库系统原理、操作系统、C语言程序设计、Python程序设计、最优化方法、数字逻辑与数字系统、机器学习模式识别、深度学习、自然语言处理。

（1）数据结构

授课总学时：48 ；学分：3；课程性质：专业基础课

课程内容概要：“数据结构”是计算机程序设计的重要理论技术基础，以抽象数据类型的观点组织和讲解线性表、树、二叉树、图等各种主要的数学模型并定义为相应的抽象数据型，给出各种物理表示法和有关算法，主要研究分析计算机存储、组织数据的方式。数据结构：本课程额外设置课外线上自主学习学时10学时，实施线上线下混合式教学；线下教学采用启发式教学、讨论式教学、案例分析教学等多种教学方法。

推荐教材或参考书目：

[1] 王红梅.《数据结构-从概念到C实现》.出版地：清华大学出版社，2017

[2] 严蔚敏.《数据结构 C语言版第2版》.出版地：人民邮电出版社，2018

[3] 秦锋,汤亚玲,程泽凯,储岳中,袁志祥.《数据结构 C语言版（第2版·微课版）》. 出版地：清华大学出版社，2022

[4] [美] MarkAllenWeiss.《数据结构与算法分析：C语言描述（第2版）》. 出版地：机械工业出版社，2019

[5] 王丽杰 等,《数据结构》,https://www.icourse163.org/course/UESTC-1002268006?from=

searchPage

（2）数据库系统原理

授课总学时：40；学分：2.5；课程性质：专业基础课

课程内容概要：介绍数据库系统的基本概念，数据库管理的规则和方法及数据库系统分析的常用工具和方法，包括数据模型、范式及范式分解、数据恢复及并发控制、关系数据库查询语言、E-R图的使用及数据库设计的一般方法。本课程额外设置课外线上自主学习学时8学时，实施线上线下混合式教学；线下教学采用启发式教学、讨论式教学、案例教学等多种教学方法。

推荐教材或参考书目：

[1] 万常选.《数据库系统原理与设计（第2版）》.出版地:清华大学出版社，2012

[2] 刘亚军.《数据库原理与应用》.出版地:清华大学出版社，2015

[3] 萨师煊,王珊.《数据库系统概论》.出版地: 高等教育出版社，2014

[4] 陆鑫.《数据库系统——原理、设计与编程（MOOC版）》.出版地：人民邮电出版社，2019

[5] 陈岭,《数据库系统原理》,https://mooc.study.163.com/course/1000031000#/info

（3）操作系统

授课总学时：40；学分：2.5；课程性质：专业基础课

课程内容概要：本课程主要介绍操作系统的设计方法和实现技术，讲授众多操作系统的设计精髓及操作系统最新技术。包括操作系统各组成部分的概述，互斥性和同步性，处理器实现，调度算法，存储管理，设备管理和文件系统。本课程额外设置课外线上自主学习学时8学时，实施线上线下混合式教学；线下教学采用启发式教学、讨论式教学、案例教学等多种教学方法。

推荐教材或参考书目：

[1]汤小丹.《计算机操作系统第四版》.出版地:西安电子科技大学出版社，2014

[2] [荷]Andrew S. Tanenbaum，Herbert Bos.《现代操作系统》.出版地:机械工业出版社，2017

[3] [美] William，Stallings.《操作系统――精髓与设计原理（第八版）》.出版地:电子工业出版社，2017

[4] 斯托林斯,布朗,庞丽萍.《操作系统——精髓与设计原理（第8版）》. 出版地：人民邮电出版社，2019

[5] 骆斌,《计算机操作系统》,https://www.icourse163.org/course/nju-1001571004

（4）C语言程序设计

授课总学时：64；学分：4；课程性质：专业基础课

课程内容概要：本课程使学生对计算机程序设计有一个初步的正确的认识，学会阅读与编写简单的应用程序，掌握结构化程序设计的基本方法和用计算机解决实际问题的基本步骤，训练学生的逻辑思维能力，培养其严谨的思维方式和良好的程序设计风格，为进一步学习其它专业基础课程和专业课程打下良好的基础。本课程额外设置课外线上自主学习学时12学时，实施线上线下混合式教学；线下教学采用启发式教学、讨论式教学、案例教学等多种教学方法。

推荐教材或参考书目：

[1] 郭有强.《C语言程序设计》.出版地：人民邮电出版社，2016

[2] 何钦铭.《C语言程序设计（第二版）》.出版地：高等教育出版社，2012

[3] [美] Stephen Prata.《C Primer Plus 第6版》.出版地：人民邮电出版社，2016

[4] Brian W.Kernighan，Dennis M.Ritchie.《C程序设计语言（第2版·新版）》.出版地：机械工业出版社，2014

[5] 翁恺.《程序设计入门——C语言》,http://www.icourse163.org/course/zju-199001

（5）Python程序设计

授课总学时：56；学分：3.5；课程性质：专业必修课

课程内容概要：通过本课程的学习，使得学生能够理解Python的编程模式，熟练运用Python基本数据类型和相关列表推导式、切片等特性来解决实际问题，熟练掌握Python分支结构、循环结构、函数设计以及类的设计与使用，熟练使用字符串方法，适当了解正则表达式，熟练使用Python读写文本文件，适当了解二进制文件操作，了解Python程序的调试方法，了解Python面向对象程序设计模式，掌握使用Python操作SQLite数据库的方法，掌握Python+pandas进行数据处理的基本用法，掌握使用Python+matplotlib进行数据可视化的用法,同时还应培养学生的代码优化与安全编程意识。本课程额外设置课外线上自主学习学时12学时，实施线上线下混合式教学；线下教学采用启发式教学、讨论式教学、案例教学等多种教学方法。

推荐教材或参考书目：

[1] 王学军《Python程序设计》.出版地:人民邮电出版社，2017

[2] 黄红梅 , 张良均《Python数据分析与应用》.出版地:人民邮电出版社，2017

[3] [美] Wes McKinney等《利用Python进行数据分析》.出版地:机械工业出版社，2014

[4] [美]埃里克·马瑟斯《Python编程 从入门到实践》.出版社:人民邮电出版社，2016

[5] 嵩天等,《Python语言程序设计》, https://www.icourse163.org/course/BIT-268001

（6）最优化方法

授课总学时：32；学分：2；课程性质：专业必修课

课程内容概要：通过本课程的学习，可以使学生掌握最优化计算方法的基本概念、基本方法和基本技能，主要包括梯度下降法、牛顿法、拟牛顿法、坐标下降法、序列最小优化算法等算法，初步学会利用最优化方法分析和解决凸规划问题、带约束条件的优化问题，多目标优化问题等常见的问题，以此培养学生提出问题、分析问题和解决问题的能力。本课程额外设置课外线上自主学习学时6学时，实施线上线下混合式教学；线下教学采用启发式教学、演示教学等多种教学方法。

推荐教材或参考书目：

[1] 李学文等《最优化方法》.出版地:北京理工大学出版社，2018

[2] 解可新《最优化方法》.出版地:天津大学出版社，1997

[3] 宋巨龙《最优化方法》.出版地:西安电子科技大学出版社，2018

[4] 袁亚湘等《最优化理论与方法》.出版社:科学出版社，1997

[5] 王燕军等,《最优化基础理论与方法》.出版社:复旦大学出版社，2018

（7）机器学习与模式识别

授课总学时：40；学分：2.5；课程性质：专业必修课

课程内容概要：通过本课程的学习，使得学生能够较为全面地了解机器学习这门学科的各类问题和方法论，主要包括感知机算法、Logistic回归算法、K近邻算法、决策树算法、朴素贝叶斯分类算法、支持向量机算法等分类算法，K均值聚类、密度聚类、层次聚类、谱聚类等聚类算法，主成分分析、等度量映射、局部线性嵌入等降维算法。此外，本课程强调学生的动手能力，要求学生通过编程练习和典型应用实例加深理解，同时对机器学习的一般理论和优化算法，如计算学习理论、梯度下降算法等有所了解。本课程额外设置课外线上自主学习学时8学时，实施线上线下混合式教学；线下教学采用讨论式教学、启发式教学等多种教学方法。

推荐教材或参考书目：

[1] 周志华《机器学习》.出版地:清华大学出版社，2016

[2] 雷明《机器学习：原理、算法与应用》.出版地:清华大学出版社，2019

[3] Christopher M Bishop《模式识别与机器学习》.出版地:Springer，2011

[4] 牟少敏等,《模式识别与机器学习技术》, 出版地:冶金工业出版社，2019

[5] 机器学习与模式识别教材可加  李航《统计学习方法》.出版地:清华大学出版社，2019

（8）深度学习

授课总学时：48；学分：3；课程性质：专业必修课

课程内容概要：通过本课程的学习，使得学生能够较系统地了解深度学习的知识体系，并由浅入深地理解深度学习的原理、模型以及方法，主要包括全连接神经网络、自编码器和多层感知机、卷积神经网络、循环神经网络、生成式对抗网络、自注意力机制等的设计与实现，以及网络训练过程中的数据处理、网络调优与超参数设置，并介绍深度强化学习和网络模型可视化、多GPU并行与分布式处理技术，使得读者能全面地掌握深度学习的相关知识，并提高以深度学习技术来解决实际问题的能力。本课程额外设置课外线上自主学习学时10学时，实施线上线下混合式教学；线下教学采用启发式教学、案例分析教学等多种教学方法。

推荐教材或参考书目：

[1] 邱锡鹏《神经网络与深度学习》.出版地:机械工业出版社，2020

[2] [美] Ian Goodfellow等《深度学习》.出版地:人民邮电出版社，2017

[3] 潘攀《深度学习图像搜索与识别》.出版地:电子工业出版社，2021

[4] 迈克尔·尼尔森（Michael Nielsen） 著，朱小虎 译《深入浅出神经网络与深度学习》.出版社:人民邮电出版社，2020

[5] 诸葛越等,《百面深度学习 算法工程师带你去面试》, 出版社:人民邮电出版社，2020

（9）自然语言处理

授课总学时：56；学分：3；课程性质：专业必修课

课程内容概要：通过本课程的学习，使得学生能够较为全面地了解自然语言处理这门学科的各类问题和方法论，主要包括标注、分类和信息提取，句子解析、句法结构识别和句意表达方法等基础知识，学会使用机器学习算法比如支持向量机、朴素贝叶斯分类等算法，深度学习包括循环神经网络、自注意力机制、基于Bert的模型等，完成机器翻译、文本转换、文本分类等自然语言处理领域常见的任务，培养学生提出问题、分析问题和解决问题的能力。本课程额外设置课外线上自主学习学时12学时，实施线上线下混合式教学；线下教学采用问题导向教学、启发式教学等多种教学方法。

推荐教材或参考书目：

[1] Steven Bird，陈涛等译《Python自然语言处理》.出版地:人民邮电出版社，2014

[2] [美] Daniel Jurafsky等《自然语言处理综述（Speech and Language Processing）》.出版地:电子工业出版社，2015

[3] 何晗《自然语言处理入门》.出版地:人民邮电出版社，2019

[4] 宗成庆《统计自然语言处理》.出版社:清华大学出版社，2013

[5] 胡盼盼等,《自然语言处理从入门到实践》, 出版社:中国铁道出版社，2020

3.特色课程及简介：

C++面向对象程序设计、数据结构、算法设计与分析、人工智能开发综合设、网络安全、多媒体创作基础。

（1）C++面向对象程序设计（C013110）

授课总学时：56 ；学分：3.5；课程性质：专业必修课

特色类型：省级精品课程、大规模在线开放课程

课程特色：课程方案符合教育部计算机科学与技术教学指导委员会“高等学校计算机基础核心课程教学实施方案”精神，课程人才培养目标明确，教学理念先进，教学内容体系完整，教学方法及教学过程体现了先进性，具有创新性。教学视频知识点选择恰当，通俗易懂，制作精细；自编教材质量高，被40多所高校使用或馆藏；教师队伍结构合理；教学管理严格，教学特色鲜明。课程以“重实践、强能力、求创新”为目标，教学活动设计强调学生中心，突出学生学习兴趣和实际编程应用能力的培养。课程教学资源建设到位，网络教学资源丰富，能够促进学生和教师互动，满足学生个性化、自主性和研究性学习，有利于创新能力的培养。

课程网址：https://www.xueyinonline.com/detail/2430417（学银在线）

（2）数据结构（C012510）

授课总学时：48 ；学分：3；课程性质：专业基础课

特色类型：省级一流课程

课程特色：通过本课程的学习，可以从数据结构的逻辑结构、存储结构和数据的运算三个方面去掌握线性表、栈、队列、字符串、数组、广义表、树、二叉树、图和文件等常用的数据结构。掌握在各种常用的数据结构上实现的查找和排序运算。并对算法的时间复杂度和空间复杂性有一定的分析能力。最后能够针对简单的应用问题，选择合适的数据结构及设计有效的算法。

（3）算法设计与分析（C013563）

授课总学时：32 ；学分：2；课程性质：专业必修课

特色类型：赛学融合课程（程序设计类竞赛、大数据与人工智能类竞赛）

课程特色：本课程主要介绍不同算法的设计思想及其应用，通过对各种算法的介绍让学生掌握对不同的问题要思考不同的解决方法，并同时考虑算法的时间和空间效率问题。该课程对学生继续深入学习计算机前沿课程奠定良好的基础，也适合对参加程序设计类竞赛和大数据与人工智能类的同学加强算法设计能力，对学生的创新能力培养具有很好的促进作用。

（4）人工智能开发综合设计（C017506）

授课总学时：2周；学分：2；课程性质：集中安排的实践教学活动

特色类型：校企合作共建课程

课程特色：本课程将通过一个具体的案例让学生掌握人工智能系统开发的完整过程，是对本专业前期学习成果的综合验证性课程。课程以校企合作方式开展，引入企业真实案例开展教学，使学生在一个特定的场景下完成某一功能的开发，完成该课程将使学生具备初步的人工智能系统开发能力。

（5）网络安全（C015118）

授课总学时：32 ；学分：2；课程性质：专业任选课

特色类型：省级思政示范课程

课程特色：本课程以网络安全相关法规及网络道德为主线，对学生进行思政教育，主要介绍网络统安全概述，防御策略，信息系统安全要素，保护等级划分准则；信息系统安全体系，主要包括：网络安全技术，包括：对称密码技术、非对称密码体系、访问控制技术、机密性保护技术、完整性保护技术、鉴别技术、数字签名技术、抗抵赖技术、安全审计和报警机制、公证技术等；网络安全实用技术，包括：防火墙技术、入侵检测及预警技术、漏洞检测技术、网络隔离技术、计算机病毒防范；公开密钥基础设施PKI，CA。

（6）多媒体创作基础及应用（C086301）

授课总学时：32；学分：2；课程性质：专业任选课

特色类型：国家级一流本科课程、专业教育与创新创业教育融合课程

课程特色：本课程是国家级一流线上线下混合教学课程。通过本课程的学习，学生能够掌握多媒体创作的基本过程、多媒体工具的使用并完成初步的多媒体作品开发。学习本课程后，学生可以使用相关知识技能参加计算机设计大赛、多媒体竞赛等相关赛事，有利于提高学生的创新创业能力。

4.主要实践性教学环节：包括军事训练、入学教育与安全教育、社会责任教育实践、毕业实习、毕业设计（论文)、创新创业实践、劳动教育理论与实践、数据结构课程设计、Python程序设计课程设计、机器学习与模式识别课程设计、数字图像处理综合实训、计算机视觉综合实训和人工智能综合设计等。

六、课程结构及学时（学分）比例

本专业课程（集中安排的实践教学活动除外）分为通识教育必修课、学科专业基础课、专业必修课、专业限选课、专业任选课和通识教育选修课六大类。课堂教学总学时数（不含集中安排的实践教学活动学时数）为2386学时，其中通识教育必修课为682学时，占28.58%；学科专业基础课为840学时，占35.20%；专业必修课为416学时，占17.44%；专业限选课224学时，占9.39%；专业任选课96学时，占4.02%；通识教育选修课128学时，占5.36%。

本专业规定最低毕业总学分为181学分（含集中安排的实践教学活动学分）。其中通识教育必修课为39学分，占21.55%；学科专业基础课为49.5学分，占27.34%；专业必修课为24.5学分，占13.54%；专业限选课14学分，占7.73%；专业任选课6学分，占3.31%；通识教育选修课8学分，占4.42%；集中安排的实践教学活动（不含课内实验教学）40学分，占22.10%。