一、专业介绍

人工智能专业为国家级一流本科专业建设点。本专业依托我校计算机和电子信息学科优势，秉承“厚基础、强能力、宽口径、重实践”的人才培养理念，充分利用学院在智能感知和智能计算领域的研究基础和师资力量，旨在培养以“智能+信息处理”为特色的人工智能领域专业人才。以培养智能算法设计、智能感知与计算等领域的创新人才为主要方向，在人才培养的探索与创新道路上，构建了完整的培养体系。近年来以高水平科研和广泛国际交流为手段，建立了以具有国际视野的高学历高水平的教师队伍为主、由国际一流专家学者组成的客座、讲座教授群体为辅的师资队伍，具有较宽的国际视野确保教学方法和教学内容处于国际前沿。将创新科研训练渗入人才培养过程，通过推进校企合作，促进产教融合、科教融合、协同育人，将“创新”贯穿于学生的成长始终，培养适于“人工智能+”时代的复合型创新人才。

二、培养目标

本专业贯彻落实党的教育方针，坚持立德树人，面向国家新一代人工智能发展的重大战略需求，培养具有扎实的数理基础、计算机系统与人工智能基础理论，掌握人工智能的基本方法和应用技术，熟悉人工智能相关交叉学科知识，具备突出的科学素养、实践能力、创新能力、系统思维能力与国际视野，未来能在我国人工智能技术与产业发展中发挥领军作用，并有潜力成长为国际一流工程师、科学家和企业家的优秀拔尖人才。

人工智能专业毕业生在毕业5年后应达到以下要求：

（1） 熟悉人工智能领域的法律法规、工程伦理、标准与规范，具有高尚的职业道德和社会责任感，能够在人工智能领域的工程设计中综合考虑对环境、社会、文化的影响。

（2） 针对实际需求，能分辨、分析、研究并解决与人工智能专业相关的基础科学问题，可适应独立和团队工作环境，承担人工智能以及相关学科领域的科学研究工作。

（3） 具有较宽的国际视野、良好的组织管理、沟通交流、环境适应和团队合作的能力，具有良好的职业素养和较强的社会服务意识，能在一个设计、研发或科研团队中担任组织管理角色。

（4） 具有通过继续教育或其它终身学习途径不断拓展知识以适应技术和职业发展需求的能力。

三、专业思政育人

根据《高等学校课程思政建设指导纲要》（教高〔2020〕3号）对思政育人提出的总体要求, 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，立足立德树人根本任务，结合我校发展定位和本专业人才培养目标，传承我校红色基因，树立民族自信，弘扬中国文化，引导学生正确认识世界和中国发展大势，正确认识中国特色和国际比较。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，让学生通过学习，掌握事物发展规律，在实践中学习和运用辩证唯物主义世界观和方法论，丰富学识，增长见识，塑造社会主义核心价值观，厚植爱国情怀,寓价值观引导于知识传授和能力培养之中，帮助学生塑造正确的世界观、人生观、价值观，落实把思政育人工作贯穿教育教学全过程，实现全程育人、全方位育人；注重强化学生工程伦理教育，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：掌握本专业所需的数学、自然科学、工程基础、人工智能基础理论和专业知识，能将上述知识用于解决人工智能领域的复杂工程问题。

指标点1-1：能运用数学、自然科学、工程基础和专业知识，表述人工智能科学领域的复杂工程问题。

指标点1-2：能够运用恰当的数学、物理模型对人工智能领域的复杂工程问题进行建模，并保证模型的准确性，满足工程计算的实际要求。

指标点1-3：能够将数学、自然科学、工程基础、人工智能基础理论和专业知识用于人工智能领域的复杂工程问题的推导和计算。

指标点1-4：能运用数学、自然科学、工程基础、人工智能基础理论和专业知识对人工智能领域的复杂工程问题的解决途径进行评价，并提出改进措施。

2.问题分析：能够应用数学、自然科学、工程基础和人工智能的专业知识，识别、表达和有效地分解复杂工程问题，并通过文献查阅等多种方式对其进行分析，以获得有效结论。

指标点2-1：能够应用高等数学、物理学的基本概念、原理和人工智能的专业知识对复杂工程问题进行识别和有效分解。

指标点2-2：能够识别和表达复杂工程问题的关键环节和参数，对分解后的问题进行分析。

指标点2-3：掌握科技文献、资料的分类；能够通过图书馆、数据库、网上检索等多种方式快速、准确地检索相关信息，具备借助文献研究对复杂工程问题进行识别、表达、分析的能力。

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。

指标点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，确定合理的设计目标与任务，设计智能信息处理算法、人工智能平台等，解决复杂工程问题。

指标点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。

指标点3-3：综合利用人工智能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。

指标点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、工程伦理、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人工智能领域的复杂工程问题进行研究，根据研究任务和研究内容能够设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。

指标点4-1：能够对人工智能领域的软件、硬件模块进行理论分析和仿真。

指标点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人工智能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。

指标点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：能够针对人工智能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，包括对复杂工程问题的预测与模拟，并能够理解其局限性。

指标点5-1：掌握基本的计算机操作和应用，至少掌握两种以上的软件开发语言(如C、Java、Python、C++语言等)，并能够运用集成开发环境进行复杂程序设计。

指标点5-2：能熟练运用文献检索工具获取人工智能领域理论与技术的最新进展。

指标点5-3：掌握人工智能专业仪器、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。

指标点5-4：具备使用实验设备、计算机软件和现代信息工具对人工智能领域的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：能够结合相关的工程知识进行合理分析，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。

指标点6-1：具有工程实践经历，通过实践、实习过程了解工程实践和复杂工程问题的解决方案对社会、健康、安全、法律以及文化的影响。

指标点6-2：能够结合相关的工程知识，通过思政、人文、社科类课程的学习的知识，综合分析和评价专业工程实践和复杂工程问题的解决方案对社会、健康、安全、法律、工程伦理以及文化的影响，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，能够理解和评价人工智能领域的专业工程实践对环境、社会可持续发展的影响。

指标点7-1：理解环境保护和社会可持续发展的内涵和意义。

指标点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。

指标点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、社会责任感和家国情怀，能够在工程实践中遵守人工智能领域的相关职业道德和规范。

指标点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；

指标点8-2：理解工程技术的社会价值、工程师的社会责任和家国情怀，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。

指标点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。

指标点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。

指标点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。

指标点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。

指标点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。

指标点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；

指标点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。

指标点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；

指标点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

本专业下设两个方向：智能感知方向、智能计算方向。

高质量的信息感知与处理技术是应用人工智能技术的重要基础。智能感知方向侧重学习信息获取、认知、理解的智能方法。该方向培养学生掌握自然语言处理、计算机视觉中的信息感知、处理与理解技术。熟悉语音识别技术、机器翻译、图像理解、智能问答的经典方法。

当前计算技术的发展正处于第四阶段—智能计算。智能计算方向侧重学习通过高效的优化算法、高效的计算能力实现智能，培养学生掌握语音处理、目标检测与识别中的智能算法，熟悉文本生成、语音生成、图像生成、视频生成等AI大模型的框架与应用。

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2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 Structures）

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，系统地介绍一些常用的、经典的算法设计技术，及复杂性分析的方法。内容含有递归技术、分治、动态规划、贪心算法、图的遍历、回溯法。还讲解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。学生通过该课程的学习，将掌握算法分析的基本方法、各种经典的算法设计技术。

（3）课程编号：AI2005

课程名称：数字电路与逻辑设计（Digital Circuits and Logic Design）

学时：48 学分：3

内容简介：数字电路与系统设计是重要的学科基础课。要求学生掌握数字电路的基本概念、基本原理和基本方法，了解电子设计自动化（EDA：Electronic Design Automation）技术和工具。数字电路部分要求学生掌握数制及编码、逻辑代数及逻辑函数的知识；掌握组合逻辑电路的分析与设计方法，熟悉常用的中规模组合逻辑部件的功能及其应用；掌握同步时序逻辑电路的分析与设计方法，以及典型的中大规模时序逻辑部件；掌握EDA设计工具，培养学生设计较大规模的数字电路系统的能力。为学生学习后续课程、进行创新性研究和解决复杂工程问题，奠定坚实的理论基础和思维方法。

（4）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。

（5）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。

（6）课程编号：AI4002

课程名称： 人工智能数学基础（Mathematical Foundation of Artificial Intelligence）

学时：40 学分：2.5

内容简介：人工智能的数学基础非常广泛，除高等数学、线性代数、概率统计三门最基础的课程外，还有很多数学课程与之相关，例如离散数学、数值代数、微分方程、积分变换、现代几何学、随机过程、运筹学等。本课程由矩阵分析、相似性度量、函数与泛函分析、信息论与熵、正则化与范数、最优化理论与方法、核函数映射等多个模块构成。理论和工程实践相结合进行内容讲授，为学生进一步学习机器学习、深度学习打下基础。

（7）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：人工智能导论是人工智能的专业基础课程。该课程是关于人工智能领域的引导性课程，介绍人工智能的基本理论、方法和技术，目的是使学生了解和掌握人工智能的基本概念和方法，为今后的更高级课程的学习、为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。通过本课程的学习，使得学生掌握人工智能的基本思想和实现方法，掌握基本分析与设计方法，为人工智能在各领域的应用奠定基础，拓宽学生在计算机科学与技术领域的知识广度。

（8）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。

（9）课程编号：AI4008

课程名称： 深度学习（Deep Learning）

学时：48 学分：3

内容简介：随着人工智能技术的飞速发展，深度学习作为人工智能的主干课程也在学术界和工业界得到了广泛应用。本课程在全面讲述优化算法、深度卷积神经网络的基础上，对卷积神经网络的基本结构和训练方法、深度学习框架、循环神经网络、图卷积神经网络、深度生成网络等主要网络做了详细、系统的讲解，同时结合智能体与环境交互、参数微调等应用讲解了深度强化学习和迁移学习。通过上机实验环节使学生能充分运用并掌握先进的网络设计、分析、训练的方法和手段，为学生从事人工智能的应用、科研与管理等相关工作打下坚实的基础。

（10）课程编号：AI4012

课程名称： 人工智能系统实验（Specialty Experiment of Artificial Intelligent）

学时：48 学分：3

内容简介：本课程内容主要教学目标是使学生掌握实践、运用人工智能技术平台、深度学习编程技术，构建人工智能应用系统。实验主要包含人工智能基础仿真实验、人工智能嵌入式系统实验以及智能小车综合系统实验，分别介绍深度学习的基础知识以及多个研究方向介绍与分析、深度学习算法在嵌入式平台上的部署方式和嵌入式平台验证实验，基于智能小车的板载算法实现案例。

八、毕业最低要求及学分分布

毕业须最低完成156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30学分

（2）计算机及人工智能类课程，修读3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35学分

2.专业发展选修课，修读20学分

说明：方向限选课中实践为必选，若超过6学分，多出的学分可以抵任选课学分。

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

（以下为示例，仅供参考）

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：林杰、刘丹华（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）