一、专业介绍

智能科学与技术专业是国家级特色专业，2019年获批国家首批一流本科专业建设点。该专业秉承“厚基础、宽口径、精术业、强实践”的人才培养理念，利用智能感知与图像理解领域的研究基础和师资力量，以培养智能信息处理以及智能控制与优化等领域的创新人才为主要方向，在人才培养的探索和创新道路上，已经建立了完整的培养体系。

近年来，通过强化高水平科研活动同时加强国际学术交流，本专业构建了一支以具备国际视野、高学历且教学科研能力卓越的教师为核心，辅以由国际一流学者构成的客座及讲座教授团队的师资队伍。通过深化校企合作机制，推动教育与产业、科技与教学的深度融合，实现了协同育人的新模式。本专业旨在培养具有良好的外语水平和优良的综合素质、掌握数理、计算机和人工智能等多学科交叉知识，能够从事智能信息系统的软硬件开发或管理的一流骨干人才和具有国际视野的未来领军人才。

二、培养目标

本专业贯彻落实党的教育方针，坚持立德树人，重基础、高起点、求交叉、多实践，培养德智体美劳全面发展、爱国进取、创新思辨的社会主义建设者和接班人，培养具有扎实的数理基础知识、良好的外语水平和优良的综合素质，具备基于控制、计算机科学、人工智能等学科知识进行智能信息的处理、优化、控制、组织并完成复杂智能信息处理的工程实施能力，具备在相应领域从事智能科学与技术工程的研发、管理等工作的能力，具有宽口径、强自适应能力及现代创新意识的行业骨干和领军人才。

智能科学与技术专业毕业生在毕业5年后应达到以下要求：

（1） 具备良好的人文科学素养和工程职业道德，德智体美劳全面发展，积极服务于国家与社会，做社会主义事业合格建设者和可靠接班人。

（2）具有宽厚的科学与工程基础，扎实的专业知识与基本技能，能够运用现代工具解决智能科学与技术相关领域的系统设计、研发、决策、集成等方面的复杂问题。

（3）具有敬业精神、团队精神和担当精神，具有沟通、协调、管理、组织、竞争以及合作能力，能够将基本的工程管理原理与经济决策方法应用到实践中。

(4) 了解智能科学与技术领域的有关标准、规范、规程，能够跟踪该领域的前沿技术，具备系统思维、创新思维、国际视野，具备创新创业能力和专业洞察力，能够顺应技术、行业和社会发展，持续学习与自我提升。

三、专业思政育人

根据《高等学校课程思政建设指导纲要》对思政育人的总体要求，以习近平总书记在全国高校思想政治工作会议上提出的四个“正确认识”为指导，结合我校红色基因及办学特色，宣传国家战略，正确认识世界和中国发展大势，树立民族自信，弘扬中国文化，不负时代责任和历史使命，坚持不懈、脚踏实地。以德立身、以德立学、以德施教，深入挖掘本专业相关课程和教学方式中蕴含的思想政治教育资源，让学生深入体会辩证唯物主义的科学方法论，掌握事物发展规律，丰富学识，增长见识，塑造核心价值观，厚植爱国情怀，强化对学生的工程伦理教育，培养学生精益求精的大国工匠精神，教育学生“头雁效应”思想，激发学生科技报国的家国情怀和使命担当。

四、毕业要求

1. 工程知识：具备坚实的知识体系，包括从事智能科学与技术专业相关领域工作所需的数学、自然科学、工程基础和专业知识，并能够将这些知识应用于解决智能科学技术相关的工程问题。

1.1 能运用数学、自然科学、工程基础和专业知识，表述智能科学与技术领域的复杂工程问题。

1.2 能够运用恰当的数学、物理模型对智能信息系统软硬件设计、图像处理算法设计等复杂工程问题进行建模，保证模型的准确性，满足工程计算的实际要求。

1.3 能够将数学、自然科学、工程基础和智能科学与技术的专业知识用于复杂工程问题的推导和计算。

1.4 能运用数学、自然科学、工程基础和专业知识对复杂工程问题的解决途径进行评价，并提出改进思路。

2. 问题分析：能够应用数学、自然科学、工程基础和智能科学与技术的专业知识，识别、表示复杂工程问题，并通过文献查阅等多种方式对其进行分析，获得有效结论。

2.1 能够应用高等数学、物理学的基本概念、原理和智能科学与技术的专业知识对复杂工程问题进行识别和有效分解。

2.2 能够运用相关科学原理、识别和判断工程问题的关键环节和参数。

2.3 针对智能技术领域复杂工程问题，能够通过分析文献，提出解决方案并进行综合分析以获得有效结论。

3. 设计/开发解决方案：能够针对智能科学与技术领域的工程问题提出解决方案，设计满足特定需求的系统和模块，并能够在设计环节中体现创新意识；能够综合考虑其对社会、健康、安全、法律、文化及环境的影响。

3.1 能够掌握本专业涉及的工程设计概念、原则和方法，能够针对复杂工程问题提出合理的解决方案。

3.2 能够针对特定需求完成系统、模块的软件设计、硬件设计。

3.3 综合利用智能科学与技术领域的专业知识和新技术，在针对复杂工程问题的系统设计中体现创新意识。

3.4 能够在系统方案设计环节中考虑多方面、多层次因素的影响，如社会、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智能科学与技术领域的工程问题进行研究，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 能够对智能科学与技术领域的软件、硬件模块进行理论分析和仿真。

4.2 能够针对智能信息系统软硬件设计、图像处理算法设计等智能科学与技术领域的复杂工程问题设计实验方案、构建实验系统和测试平台、获取实验数据。

4.3 能够对实验结果进行合理分析、解释，并对多个子问题进行关联分析，找出冲突点，进行平衡，通过实验数据分析、信息综合等手段得到合理有效的结论。

5. 使用现代工具：能够针对智能科学与技术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，对复杂工程问题进行预测与模拟，并能够理解其局限性。

5.1 掌握基本的计算机操作和应用，至少掌握一种软件开发语言(如C、C++语言等)，并能够运用集成开发环境进行复杂程序设计。

5.2 能熟练运用文献检索工具获取智能科学与技术领域理论与技术的最新进展。

5.3 掌握智能科学与技术专业仪器、设备的基本原理、操作方法，能够在复杂、综合型工程中合理选择和使用仪器、设备。

5.4 具备使用实验设备、计算机软件和现代信息工具对复杂工程问题进行模拟或仿真的能力，理解其使用要求、运用范围和局限性。

6. 工程与社会：能够正确认识智能科学与技术专业系统工程对客观世界和社会的影响，能够基于相关的工程背景知识，合理分析、评估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。

6.1 了解智能科学与技术行业的特点与发展历史，以及相关产业的基本方针、政策和法规，能够正确认识和理解不同社会文化对智能科学与技术专业工程活动的影响。

6.2 够基于工程相关背景知识进行合理分析，评价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. 环境和可持续发展：了解环境保护和可持续发展的基本方针政策和法律法规，能够理解和评价智能科学与技术领域的专业工程实践对环境、社会可持续发展的影响。

7.1 理解环境保护和社会可持续发展的内涵和意义。

7.2 了解环境保护和社会可持续发展的基本方针、政策和法律、法规，能够正确认识针对复杂工程问题的专业工程实践对环境和社会的影响。

7.3 能针对实际复杂工程问题，评价其资源利用率、对文化的冲击等工程实践对环境、社会可持续发展的影响。

8. 职业规范：具有人文社会科学素养、正确的政治立场和社会责任感，能够在工程实践中遵守智能科学与技术领域的相关职业道德和规范。

8.1 具有人文社会科学素养,了解国情，理解社会主义核心价值观，树立正确的政治立场、世界观、人生观和价值观；

8.2 理解工程技术的社会价值以及工程师的社会责任，在工程实践中能自觉遵守职业道德和规范。

9. 个人和团队：能够在多学科背景的团队中承担个体、团队成员或负责人的角色，能够听取其他团队成员的意见和建议，充分发挥团队协作的优势。

9.1 能主动与其他学科的成员共享信息，合作共事，独立完成团队分配的工作。

9.2 能够胜任团队成员或负责人的角色，能在团队协作中听取其他团队成员的意见和建议，充分发挥团队协作的优势。

10. 沟通：具备良好的表达能力，能够就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、设计文稿、陈述发言等；掌握至少一门外语，具有一定的国际视野，能够在跨文化背景下进行沟通和交流。

10.1 具有良好的口头表达能力，能够清晰、有条理地表达自己的观点，掌握基本的报告、设计文稿的撰写技能。

10.2 掌握至少一门外语，具备一定的国际视野，并了解基本的国际文化礼仪。

10.3 能够就复杂工程问题，综合运用口头、书面、报告、图表等多种形式与国内外业界同行及社会公众进行有效沟通和交流。

11. 项目管理：理解并掌握工程管理原理与经济决策方法，并能在多学科、跨职能环境中合理应用。

11.1 理解工程管理与经济决策的重要性，掌握工程管理的基本原理和常用的经济决策方法；

11.2 能够在多学科、跨职能环境中合理运用工程管理原理与经济决策方法。

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 了解自主学习的必要性，具有自主学习和终身学习的意识，掌握跟踪本专业学科前沿、发展趋势的基本方法和途径；

12.2 能够通过文献查询、网络培训等多种渠道进行终身学习，以适应职业发展的需求。

五、专业方向、学制与学位

本专业分为智能信息处理方向、智能控制与优化方向。

智能信息处理方向主要研究数据、图像、视频、文本、自然语言等智能信息处理和分析方法，该方向培养学生掌握机器学习、 模式识别、 图像理解与计算机视觉等基础理论和方法，在此基础上掌握能处理诸如大数据、机器视觉中的复杂图像、视频以及自然语言中文本、语音等复杂信息的高级智能技术。

智能控制与优化方向以最优化理论、计算智能、控制、机器学习等理论为基础，培养学生利用系统分析、建模和辨识方法揭示复杂系统的内在运行规律，通过控制和优化方法获得满足复杂约束条件下的最优决策。该方向在无人车、无人机、机器人动态路径规划及协同控制等无人系统的建模和模拟等方面开展应用研究。

1. 基本学制：四年

2. 学位：工学学士

六、专业分流要求

1. 分流时间：第二学期末

2. 分流要求：第一年大类培养，主修公共通识课（包括思政类课程、外语类课程、军事理论军事训练课程、素质教育类课程、体育类课程）和大类通识课（数学与自然科学基础课、计算机类课程、学生研讨与学科导论）。第2学期末进行专业分流。分流学生学业评价成绩包括课程成绩和综合素质测评成绩。课程成绩为大一学年必修课加权平均成绩（《新生网上前置教育》除外），总分100分。综合测评成绩评定由书院具体开展，总分10分，计算方法参照《西安电子科技大学大学生全面素质模块化测评实施方法》，其中课程成绩不再重复计算。补考或重修考试及格的成绩按“60分”计算，课程考核成绩不及格（含补考、重修不及格），按最高考试成绩计算。

专业分流后给予一次转专业机会。对于择优录取的转专业学生，经学分认定后，需自行补全达到毕业要求所缺失的课程（具体依照学校和学院当年相关政策实施）。

七、专业核心课程

（1）课程编号：AI4000

课程名称：数据结构 (Data Structure)

学时：64 学分：4

内容简介：《数据结构》课程是计算机相关专业、电子信息与电气工程类专业的专业基础核心课程，属于学科基础课。数据结构是针对处理大量非数值性问题而形成的一门学科，内涵丰富，应用范围广。课程的任务是为学生系统地介绍如何组织数据在计算机进行表示、存储和处理，即要求学生掌握各种基本数据结构和算法，为其进一步学习相关学科打下坚实的基础。课程内容包括：线性表、栈和队列、串、数组与广义表、树与森林、图、查找、排序等。作为计算机学科中的一门综合性专业基础课程，它不仅是一般程序设计的基础，也是设计和实现编译程序、操作系统、数据库系统及其它应用程序的重要基础。

（2）课程编号：AI4004

课程名称：算法设计与分析 (Algorithms Design Techniques and Analysis)

学时：56 学分：3.5

内容简介：算法设计与分析是计算机科学技术中处于核心地位的一门专业基础课。本课程从讲解算法设计和算法分析的基本概念和方法开始，系统地介绍相关常用的、经典的算法设计技术及复杂性分析的方法，内容包含递归技术、分治、动态规划、贪心算法、图的遍历和回溯法，进一步介绍近年来发展迅速的随机算法与逼近算法，以及具有广泛应用背景的网络流与网络匹配问题及相关算法。学生通过该课程的学习，可掌握算法分析的基本方法、各种经典的算法设计技术。为后期的相关人工智能的高阶课程奠定坚实的基础。

(3) 课程编号：AI4003

课程名称：计算机组成与系统结构(Computer Organization and Architecture)

学时：80 学分：5

内容简介：《计算机组织与体系结构》是计算机、人工智能、电子信息专业中非常重要的一门课程，它涉及到计算机硬件的各个方面，是理解计算机运行原理、设计计算机系统的基础。本课程以冯•诺依曼机基本结构为主线，介绍计算机的基本组成和各部分结构与工作原理，主要讲授计算机系统概论、数值表示、数值运算、存储系统和结构、指令系统、中央处理器、流水线、输入输出系统和总线等内容。通过本课程的学习，学生将深入了解计算机硬件系统的各个方面，掌握计算机体系结构的基本原理和设计思想，培养学生的计算机系统设计与开发能力，为今后学习微机原理与接口技术、计算机网络等后续专业课程打好基础。

（4） 课程编号：AI4001

课程名称：人工智能导论 (Introduction to Artificial Intelligence)

学时：56 学分：3.5

内容简介：人工智能导论是智能科学与技术的专业核心课程。该课程以筑牢AI算法基础、激发学生的创新思维、培养人工智能伦理安全意识，扩展学生在AI领域的研究视野为教学理念。培养学生系统掌握人工智能的三大学派的基本理论、方法和技术，了解人工智能的发展历程和最新前沿动态，并能编程实现AI的经典的搜索推理以及优化算法。在此基础上，能应用AI相关平台，解决诸如视觉处理中的大规模图像分类、机器人行为的动态规划等复杂AI问题，同时培养其思辨能力以及创新能力，引导学生了解和关注人工智能技术的社会影响，理解人工智能发展中面临的伦理问题以及可采取的防范措施，为今后的更高级课程的学习、将来在人工智能领域的进一步研究工作和软件实践奠定良好的基础。

（5） 课程编号：AI4005

课程名称：机器学习 (Machine Learning)

学时：56 学分：3.5

内容简介：机器学习是一门理论与应用并重的技术科学，目的是在计算机系统中利用经验来改善模型的性能，进而有助于实现计算机模拟人类的学习行为。本课程在全面讲述机器学习基本知识的基础上，对介绍决策树学习、神经网络学习、贝叶斯学习、判别式学习等内容进行系统教学，对稀疏学习、深度学习等新的方法进行介绍，并同时进行主要机器学习方法的分析实验，使学生掌握机器学习的基本理论和方法，培养学生跟踪本领域最新技术发展趋势，为今后更高级课程的学习，以及将来在人工智能领域内，进行进一步研究和软件实践奠定良好的基础，为学生从事数据挖掘、大数据分析技术等相关工作打下坚实的基础。

（6）课程编号：AI4006

课程名称：模式识别 (Pattern Recognition)

学时：48 学分：3

内容简介：模式识别是一门理论与应用并重的技术科学，其目的是用机器完成人类智能中通过视觉、听觉、触觉等感官去识别外界环境的工作。本课程在全面讲述模式识别基本知识的基础上，对贝叶斯决策理论，线性判别函数，近邻法，特征选择和提取，非监督学习方法，人工神经网络，模糊模式识别方法，支撑矢量机等内容进行系统教学，对组合分类器、半监督模式识别等新的方法进行介绍，并同时进行主要模式识别方法的分析实验，使学生掌握模式识别的基本理论和方法，培养学生跟踪本领域最新技术发展趋势，为今后更高级课程的学习，以及进一步研究和实践奠定良好的基础，为学生从事数据挖掘、自然语言处理、计算机视觉、语音识别等相关工作打下坚实的基础。

（7）课程编号：AI4009

课程名称：计算智能 (Computational intelligence)

学时：56 学分：3.5

内容简介：计算智能是模拟自然以实现对复杂问题求解的科学，是生物学、神经科学、认知科学、计算机科学、信息科学等众多学科相互交叉融合的结果，是人们对自然智能认识和模拟的最新成果。计算智能导论主要讲授进化计算、模糊系统以及人工神经网络3个计算智能典型范例的基础理论和算法、项目工程案例等。具体包括：遗传算法的五个关键问题、基于遗传算法的TSP问题求解、遗传算法之模式理论与建筑块假说、模糊隶属度、模糊集合、人工神经元与激活函数、Hebb规则、感知器、径向基函数、递归神经网络、深度学习模型、遥感图像分类，分割和变换检测相关算法等。利用探知图灵人工智能实验平台，实现基于进化算法和模糊逻辑的协同优化任务，包括基于贝叶斯原理和进化算法的无人机协同规划、基于局部信息引入的快速FCM的图像分割算法。进一步利用探知图灵人工智能实验平台，实现基于深度学习的计算机视觉自选任务，包括但不限于图像修复、图像分类、目标跟踪、目标识别、诗词生成等。通过本课程的学习，要求学生了解并掌握人工神经网络、进化计算和模糊系统等计算智能模型、算法及应用。

（8） 课程编号：AI4007

课程名称：数字信号处理基础 (Fundamentals of Digital Signal Processing)

学时：64 学分：4

内容简介：数字信号处理是用数字或符号的序列来表示信号，通过数字计算机去处理这些序列，提取其中的有用信息。例如，对信号的滤波，增强信号的有用分量，削弱无用分量；或是估计信号的某些特征参数等。总之，凡是用数字方式对信号进行滤波、变换、增强、压缩、估计和识别等都是数字信号处理的研究对象。本课程介绍了数字信号处理的基本概念、基本分析方法和处理技术。主要讨论离散时间信号和系统的基础理论、离散傅立叶变换DFT理论及其快速算法FFT、IIR和FIR数字滤波器的设计。通过本课程的学习使学生掌握利用DFT理论进行信号谱分析，以及数字滤波器的设计原理和实现方法，为学生进一步学习有关课程打下良好的理论基础。

（9）课程编号：AI4010

课程名称：图像理解与计算机视觉(Image Understanding and Computer Vision)

学时：48 学分：3

内容简介：图像理解与计算机视觉是一门涉及多个交叉学科领域的课程。本课程侧重于计算机视觉中的图像基本处理和识别，并对图像分析的基本理论和实际应用进行系统介绍。课程目标是使学生学习了本课程之后，对计算机视觉和图像处理的基本概念、基本原理以及解决问题的基本思想方法有一个较为全面的了解和领会；学习智能图像分析与理解的基本理论和技术，了解各种智能图像理解与计算机视觉技术的相关应用；具备解决智能化检测与识别、控制等应用问题的初步能力。

（10）课程编号：AI4011

课程名称：智能系统专业实验 (Intelligent Professional System Experiment)

学时：48 学分：3

内容简介：本课程是智能科学与技术专业实验课程，注重基本理论与新技术的融合，将理论算法在硬件系统中实现。实验内容主要是基于深度神经网络实现异或运算、数据回归、数据分类、动物分类、数字识别、图像分类等图像处理领域的主要问题。该实验课程配合智能科学与技术专业课堂教学，使学生更好地掌握图像与视频处理相关课程的内容；掌握硬件系统构架，能够针对复杂工程问题进行算法设计和软件编程，解决图像与计算机视觉中的实际应用问题；加深学生对智能学科基本理论的理解，增强动手能力和创新能力。实验所包含的实验内容涉及多门专业课程，既考虑到对所学课程基本理论的验证和基本技术操作能力的培养，又反映了智能科学与技术学科发展中的新内容和新技术，为学生将来进一步从事相关技术工作，特别是科学研究打下一个好的工程能力基础。

八、毕业最低要求及学分分布

毕业须最低完成157学分，且通过体育能力达标测试、实验实践能力达标测试，并符合学校毕业要求相关规定。

毕业最低要求及学分分配表

九、课程设置与要求

（一）通识教育

1. 公共通识课

（1）思政类课程，修读18学分

（2）体育类课程，修读3学分

说明：毕业须通过体育能力达标测试。

（3）外语类课程，普通班、中级班修读8学分，高级班修读6学分

说明：大学英语采用分级教学。

（4）军事理论、军事训练，修读3学分

（5）素质教育类课程，修读8学分

2. 大类通识课

（1）数学与自然科学基础课，修读27学分

（2）计算机及人工智能类课程，修读9学分

（3）工程通识，修读2学分

（4）新生研讨与学科导论，修读1学分

说明：“新生研讨与学科导论”按照《西安电子科技大学本科生新生研讨课、学科导论实施方案》（西电教〔2022〕123号）执行。

3.通识选修课

所有学生需修读8学分并覆盖所有模块，其中“人文禀赋”和“审美情操（美育课程）”各不少于2学分。每年由通识教育中心公布课程目录，每个模块含有若干门核心通识课程、一般通识课程供学生选择。建议参照指导性教学计划，合理分配修读时间。

（二）专业教育

1. 专业核心课，修读36.5学分

2.专业发展选修课，修读18学分

说明：在方向限选课，综合实践课必选。

3. 集中实践环节，修读16学分

说明：所有学生须通过“实验实践能力达标测试”方能毕业。具体安排如下：

十、指导性教学计划

第1学期

第2学期

国际创新实践周（大一）

第3学期

第4学期

国际创新实践周（大二）

第5学期

第6学期

国际创新实践周（大三）

第7学期

第8学期

十一、课程设置与毕业要求对应关系矩阵

说明：形式以专业认证要求为主，各专业在矩阵中合理的体现主要课程对毕业要求的支撑，可用 “√”表示支撑关系。

培养方案制定人：刘若辰 李玲玲（专业负责人） 培养方案审核人：董伟生（教学副院长）

      培养方案审定人：侯彪（院长）