一、专业介绍
图灵人工智能科学实验班（以下简称“图灵班”）于2019年秋季开始创办并招生，图灵班贯彻和落实党的教育方针，坚持立德树人，培养爱国进取、创新思辨、厚基础、宽口径、精术业、强实践的人工智能领域拔尖人才，使其具有坚实的数理基础知识、宽广的国际化视野和把握学科前沿的创新创业能力。图灵班配备更加优越的学习和实践资源，鼓励员工参加人工智能相关学科竞赛和科研活动，提供更多到国内外著名高校和科研单位进行学习和实践的机会，从而更好地掌握电子、计算机、生物、通信和控制等多学科交叉知识，成长为人工智能相关领域的行业骨干及引领者。
依托“智能感知与图像理解”教育部重点实验室，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、高水平教师队伍为主，国际一流专家和学者组成客座、讲座教授群体为辅的课程教学和学业导师队伍。专任教师中，欧洲科学院外籍院士、俄罗斯自然科学院外籍院士1人，入选国家高层次人才15人次，入选省部级高层次人才14人次，省级教学名师1人等，青年教师博士化率达到96%以上，80%以上的青年教师主持有国家自然科学基金项目，60%以上的教师有国外留学或访学经历。图灵班实施小班化教学，秉承“因材施教、分类培养”的教育理念，按照师生比1:2为每位员工配备学业导师，指导员工进行人工智能方向的科研训练，实现了科研与实践教学之间的融合和促进，确保了教学方法和教学内容处于国际前沿。
二、培养目标
本专业贯彻落实党的教育方针，坚持立德树人，培养爱国进取、创新思辨、厚基础、宽口径、精术业、强实践的人工智能领域拔尖人才，并具有坚实的数理基础知识、宽广的国际化视野和把握学科前沿的创新创业能力，掌握电子、计算机、生物、通信和控制等多学科交叉知识，成长为人工智能相关领域的行业骨干及引领者。
人工智能专业毕业生五年之后应达到以下目标：
(1)具有高尚的职业道德和社会责任感，能够在工程设计中综合考虑对环境、社会、文化的影响；
(2)能够在跨职能、多学科的工程实践团队中发挥骨干和引领作用，具备较强的协调、管理、竞争与合作能力，能够将工程管理原理与经济决策方法应用到实践中；
(3)熟悉人工智能领域的有关标准、规范、规程，能够跟踪并拓展该领域的前沿技术，具有较强的工程创新能力并将其应用到相关产品的设计、开发和集成中；
(4)具有全球意识和国际视野，能通过科研实践探索和其他学习深造渠道不断更新和提升知识结构和能力；
(5)融会贯通数理基础知识和人工智能工程领域的专业知识，具有丰富的专业技术工作经验，能够解决智能系统设计与集成、智能信息处理等相关领域的复杂工程技术问题，成长为行业骨干及引领者。
三、专业思政育人
根据《高等学校课程思政建设指导纲要》对思政育人总体要求，结合公司红色基因及办学特色，本专业相关课程注重强化员工工程伦理教育，培养员工精益求精的大国工匠精神，教育员工头雁效应思想，激发员工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、工程基础和人工智能的专业知识，能将上述知识用于解决人工智能系统软硬件设计、图像处理算法设计等相关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。
指标点1-3：能够将数学、自然科学、工程基础和人工智能的专业知识用于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。
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、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，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。
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。
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、正确的政治立场和社会责任感，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。
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、培养模式
为更好地结合员工个人特点及发展需求提供学业指导和专业生涯规划，学院为一至三年级图灵班员工按照2:1配备具有较高学术水平且具有实践经验的学业导师，帮助员工更好地认知试点班培养模式，进一步明确课程学习和科学研究方向，强化创新实践的意识和能力，提升拔尖创新人才综合素养。引导员工紧跟国际人工智能领域研究进展，提升员工学术视野和跨文化交流能力，促进创新型成果研究，力求实现员工知识、能力、素质的全方位发展。
依托人工智能头部企业联合培养基地，建立校企联培工作组委会，对接产业实际需求，进行产教协同联合培养，切实落实产教协同育人的工作，构成以科研项目为牵引的紧密型校企导师联合指导机制，促进员工实践能力与创新能力的锻炼与提升，实现员工的个性化培养。
面向人工智能交叉学科特征，以及拔尖创新人才培养需求，施行本-硕-博贯通式培养模式，有效引入学术研究和科研实践资源，拓展员工知识的广度和深度。丰富国际联合培养方式，借助中外合作办学的国际化优势平台，与合作院校和其他国际名校合作，为选拔的优秀员工提供多渠道的深度访学机会，拓宽员工的国际视野，提升学术创新能力，着力培养具有创新精神、全球视野和国际竞争力的高层次工程科技创新人才。
六、学制与学位
1.本科学制：四年
2.学位：工学学士
本硕博贯通式培养学制，在硕士基础学制六年、博士基础学制八年的基础上，实行弹性制，最长修读年限按照学校相关要求执行，分别授予工学硕士、博士学位。
七、专业分流机制
为保证图灵班人才培养质量，在每学年结束后，按照《bevictor伟德图灵人工智能科学实验班管理办法》，根据员工学习及各方面表现情况实行分流退出。
转入普通班学习的员工，需按人工智能专业培养方案要求，修够相应课程学分。
八、专业特色课程
(1)课程编号：AI202008
课程名称：人工智能概论(Introduction to Artificial Intelligence)
学时：56学分：3.5
内容简介：人工智能概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，目的是使员工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，使得员工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，拓宽员工在计算机科学与技术领域的知识广度。
(2)课程编号：AI204025
课程名称：机器学习（双语）(Machine Learning (Bilingual Teaching))
学时：56学分：3.5
内容简介：机器学习是智能科学领域一门非常重要的基础专业课程。通过本课程的学习，使员工对目前主流的机器学习理论、方法、算法与应用有一个较全面的综合认识，具体包括：了解机器学习领域的发展及现状；了解和掌握机器学习的基本概念、原理、方法与技术；能够运用机器学习方法来解决实际问题(如智能博弈程序，图像识别，文本分类与处理等)；为进一步研究建立有关概念和方法的基础。本课程强调机器学习的理论原理的教学，注重从实例入手使员工理解机器学习的概念与原理，从机器学习的基本框架上理解不同机器学习方法之间的异同点。课程同时强调理论与实践动手能力相结合。安排7～8次课外作业以及2～3次课程实验。课程要求员工能够依据所学的基本原理和方法来解决实际问题。
(3)课程编号：AI205005
课程名称：知识工程(Knowledge Engineering)
学时：32学分：2
内容简介：知识工程是人工智能的原理和方法，对那些需要专家知识才能解决的应用难题提供求解的手段。恰当运用专家知识的获取、表达和推理过程的构成与解释，是设计基于知识的系统的重要技术问题。知识工程是以知识为基础的系统，就是通过智能软件而建立的专家系统。知识工程可以看成是人工智能在知识信息处理方面的发展，研究如何由计算机表示知识，进行问题的自动求解。知识工程的研究使人工智能的研究从理论转向应用，从基于推理的模型转向基于知识的模型，包括了整个知识信息处理的研究，知识工程已成为一门新兴的边缘学科。
(4)课程编号：AI205002
课程名称：计算智能导论(Introduction to Intelligent Computing)
学时：32学分：2
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、免疫学、哲学、社会学、数学、信息科学、非线性科学、工程学、音乐、物理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。目前计算智能已经成为智能与信息科学中最活跃的研究领域之一，它的深入发展将极大地改变人们认识自然，求解现实问题的能力和水平。计算智能导论这门课程主要介绍了计算智能的3个典型范例，即人工神经网络、进化计算和模糊系统，它们分别建模了以下自然系统：生物神经网络、进化、和人类思维过程。通过本课程的学习，要求员工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。
(5)课程编号：AI204004
课程名称：模式识别(Introduction to Pattern Recognition)
学时：56学分：3.5
内容简介：模式识别是一门理论与应用并重的技术科学，与人工智能关系密切，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。通过本课程的学习，使员工系统掌握模式识别基本原理和分类器设计的典型方法，具体包括：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。同时，通过大作业使员工了解模式识别方法在文本识别、智能图像处理等领域的应用，有助于员工综合能力和整体素质的提高。
(6)课程编号：AI204005
课程名称：认知科学与计算（双语）(Cognitive Science and Computing(Bilingual Teaching))
学时：32学分：2
内容简介：通过本课程的学习，要求员工系统地掌握认知心理学里的基本内容和其在人工智能中所对应的思想和算法，了解认知计算的主要应用领域。主要内容包括：认知模型的概述、生物神经网络、学习方法、记忆理论、感知和注意机制、心理情绪、决策过程等。
九、毕业最低要求及学分分布
毕业最低完成175.5学分，并符合学校毕业要求相关规定。
表1 毕业最低要求及学分分配表
课程类别 |
最低毕业要求 |
课内学分 |
总学分 |
占学分比例 |
通识教育课程 |
通识教育基础课 |
52.9 |
66 |
35.87% |
通识教育核心课 |
5.5 |
6 |
3.38% |
通识教育选修课 |
8 |
8 |
4.51% |
大类基础课程 |
21.5 |
23 |
13.55% |
专业教育课程 |
专业核心课 |
18.5 |
21.5 |
14.4% |
专业选修课 |
16.5 |
17 |
9.6% |
集中实践环节 |
0 |
23 |
12.42% |
拓展提高 |
0 |
11 |
6.21% |
合计 |
122.9 |
175.5 |
100% |
十、教学进程计划总表
表2 图灵人工智能科学实验班教学进程计划总表（本科阶段）
课程 类别 |
课程 性质 |
课程 编号 |
课程名称 |
总学分 |
课内学分 |
总学时 |
其中 |
考核 方式 |
开课 学期 |
应修 学分 |
备注 |
面授 |
线上 |
讲授 |
实验 |
上机 |
实践 |
通识教育课程 |
通 识 教 育 基 础 课 |
必修 |
MC006001 |
思想道德与法治 Ideological Morality and Rule of Law |
3 |
3 |
48 |
44 |
|
|
4 |
|
考试 |
1 |
|
|
必修 |
MC006002 |
中国近现代史纲要 Outline of Modern Chinese History |
3 |
3 |
48 |
44 |
|
|
4 |
|
考试 |
2 |
|
|
必修 |
MC006003 |
马克思主义基本原理 Basic principles of Marxism |
3 |
3 |
48 |
44 |
|
|
4 |
|
考试 |
3 |
|
|
必修 |
MC006021 |
毛泽东思想和中国特色社会主义理论体系概论 Introduction to Mao Zedong Thought and The Theory of Socialism With Chinese Characteristics |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
4 |
|
|
必修 |
MC006020 |
习近平新时代中国特色社会主义思想概论 Introduction to Xi Jinping Thought on Socialism with Chinese Characteristics in the New Era |
3 |
3 |
48 |
44 |
|
|
4 |
|
考试 |
5 |
|
|
必修 |
MC006005 |
形势与政策 Situation and Policy Education |
2 |
1 |
64 |
32 |
|
|
32 |
|
考查 |
1~8 |
|
20级开始统一课号，高年级不再区分学院 |
必修 |
MC006022 |
思想政治理论实践课 Practical Course of Ideological And Political |
1 |
|
16 |
|
|
|
16 |
|
考查 |
4 |
|
|
思想政治理论限选课 |
MC006015 |
党史 Party History |
1 |
0.4 |
16 |
6 |
|
|
|
10 |
考查 |
1-6 |
1 |
集团限选 （四选一） |
MC006016 |
新中国史 New China History |
1 |
0.4 |
16 |
6 |
|
|
|
10 |
考查 |
1-6 |
MC006017 |
改革开放史 Reform and Opening-up History |
1 |
0.4 |
16 |
6 |
|
|
|
10 |
考查 |
1-6 |
MC006018 |
社会主义发展史 Socialist Development History |
1 |
0.4 |
16 |
6 |
|
|
|
10 |
考查 |
1-6 |
必修 |
AM006001 |
军事理论 Military Theory |
2 |
1.5 |
32 |
24 |
|
|
8 |
|
考试 |
1 |
|
|
必修 |
AM006002 |
军事训练 Military Training |
1 |
|
2周 |
|
|
|
2周 |
|
考查 |
1 |
|
开课学期根据当年情况确定 |
必修 |
MC006006 |
老员工心理健康教育 The Psychological Health education of College Students |
1 |
0.5 |
16 |
8 |
|
|
8 |
|
考查 |
2 |
|
|
必修 |
AI206001 |
新生研讨课 Freshman Seminar Course |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
1 |
|
|
必修 |
FL006129 |
创新大学英语(I) Innovative College English(I) |
2 |
1.5 |
32 |
24 |
|
|
|
8 |
考试 |
1 |
|
|
必修 |
FL006130 |
创新大学英语(II) Innovative College English(II) |
2 |
1.5 |
32 |
24 |
|
|
|
8 |
考试 |
2 |
|
|
必修 |
FL006131 |
创新大学英语(III) Innovative College English(III) |
2 |
1.5 |
32 |
24 |
|
|
|
8 |
考试 |
3 |
|
|
必修 |
|
高级英语选修系列课程 Elective Courses of dvanced English |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
4 |
|
|
必修 |
HE006007~ HE006014 |
大学体育(I)-大学体育(Ⅷ) Physical Education(I)-Physical Education(Ⅷ) |
4 |
|
120 |
俱乐部+自主锻炼模式，根据体育俱乐部教学改革方案实施 |
考试 |
1-8 |
|
从20级开始实施新方案。每学期0.5学分 |
必修 |
MS006039 |
高等数学K(I) Advanced Mathematics K(I) |
5.5 |
5.5 |
88 |
88 |
|
|
|
16 |
考试 |
1 |
|
理工类专业 |
必修 |
MS006040 |
高等数学K(II) Advanced Mathematics K(II) |
5.5 |
5.5 |
88 |
88 |
|
|
|
16 |
考试 |
2 |
|
必修 |
AI200006 |
高等代数(I) Higher algebra(I) |
4 |
4 |
64 |
64 |
|
|
|
|
考试 |
1 |
|
|
必修 |
AI200007 |
高等代数(II) Higher algebra(II) |
4 |
4 |
64 |
64 |
|
|
|
|
考试 |
2 |
|
|
必修 |
MS006008 |
概率论与数理统计 Probability Theory and Mathematical Statistics |
2.5 |
2.5 |
40 |
40 |
|
|
|
|
考试 |
3 |
|
|
必修 |
PY006016 |
大学物理R(I) University Physics R（I） |
3.5 |
2.5 |
58 |
40 |
|
|
|
18 |
考试 |
2 |
|
|
必修 |
PY006017 |
大学物理R(II) University Physics R（I） |
4 |
2.5 |
60 |
42 |
|
|
|
18 |
考试 |
3 |
|
|
必修 |
PY006003 |
物理实验(I) Physical Experiment(I) |
1 |
1 |
27 |
|
27 |
|
|
|
考查 |
2 |
|
|
必修 |
PY006004 |
物理实验(II) Physical Experiment(II) |
1 |
1 |
|
27 |
|
|
|
考查 |
3 |
|
|
小计 |
66 |
52.9 |
1169+2周 |
842 |
54 |
|
80+2周 |
132 |
|
|
66 |
|
通 识 教 育 核 心 课 |
必修 |
TS001001 |
工程概论(I) Introduction to Engineering(I) |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
2 |
6 |
电子信息类、计算机类、自动化类要求开设 |
必修 |
TS001002-20 |
工程概论(II) Introduction to Engineering(II) |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
3 |
必修 |
TS001003-20 |
工程概论(III) Introduction to Engineering(III) |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
5 |
必修 |
TS001004-20 |
工程概论(IV) Introduction to Engineering (IV) |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
7 |
必修 |
AI206002 |
学科导论 Introduction to discipline |
1 |
1 |
16 |
16 |
|
|
|
|
考查 |
2 |
|
必修 |
AI200005 |
科技论文写作 Scientific Paper Writing |
1 |
0.5 |
16 |
8 |
|
|
16 |
|
考查 |
7 |
|
小计 |
6 |
5.5 |
96 |
88 |
|
|
16 |
|
|
|
|
|
通识教育选修课 |
集团任选 |
|
人文社科 |
8 |
8 |
根据学校课程列表选修，每个员工至少选修8学分并覆盖四个模块，美育课程须修够2学分。 |
8 |
|
集团任选 |
|
自然科学 |
|
集团任选 |
|
国际双创 |
|
集团任选 |
|
美育课程 |
|
小计 |
8 |
8 |
|
|
|
|
|
|
|
|
8 |
|
大类基础课程 |
必修 |
CS006003 |
计算机导论与程序设计Introduction of Computer and Program Design |
4.5 |
4.5 |
72 |
32 |
|
40 |
|
20 |
考试 |
1 |
23 |
|
必修 |
CS203014 |
离散数学（Ⅰ） Discrete Mathematics |
3.5 |
3 |
56 |
50 |
|
|
|
6 |
考试 |
2 |
|
必修 |
AI202109 |
电路分析基础 Fundamentals of Circuit Analysis |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
3 |
|
必修 |
AI202101 |
数据结构Data Structures |
4 |
3.5 |
64 |
44 |
|
24 |
|
8 |
考试 |
3 |
|
必修 |
IB006003/ IB006004 |
电路、信号与系统实验（Ⅰ、Ⅱ） Circuit Signals and Systems Experiment（Ⅰ、Ⅱ） |
1 |
1 |
16 |
|
32 |
|
|
|
考查 |
3~4 |
|
必修 |
IB006002 |
信号与系统 Signals and Systems |
3.5 |
3.5 |
56 |
56 |
|
|
|
|
考试 |
4 |
|
必修 |
AI202015 |
模拟电子技术基础 Fundamentals of Analog Electronic Technology |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
4 |
|
必修 |
AI202102 |
数字电路与逻辑设计 Digital Circuits and Logic Design |
2.5 |
2 |
40 |
32 |
|
|
16 |
|
考试 |
4 |
|
小计 |
23 |
21.5 |
368 |
278 |
32 |
64 |
16 |
34 |
|
|
|
专业教育课程 |
专业核心课 |
必修 |
AI202008 |
人工智能概论 Introduction to Artificial Intelligence |
3.5 |
2.5 |
56 |
40 |
|
|
|
16 |
考试 |
3 |
21.5 |
|
必修 |
AI202103 |
计算机组织与体系结构 Computer Organizationand Architecture |
4 |
3 |
64 |
58 |
|
12 |
|
|
考试 |
4 |
|
必修 |
AI202104 |
微机原理与系统设计 Microcomputer Principle and System Design |
3 |
3 |
48 |
40 |
16 |
|
|
|
考试 |
5 |
|
必修 |
AI204025 |
机器学习（双语） MachineLearning (Bilingual Teaching) |
3.5 |
3 |
56 |
40 |
|
16 |
|
8 |
考试 |
4 |
|
必修 |
AI204005 |
认知科学与计算（双语） Cognitive Science and Computing (Bilingual Teaching) |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
5 |
|
必修 |
AI204004 |
模式识别 Introduction to Pattern Recognition |
3.5 |
3 |
56 |
40 |
|
16 |
|
8 |
考试 |
5 |
|
必修 |
AI204006 |
人工智能实验 Specialty Experiment of Artificial Intelligent |
2 |
2 |
32 |
16 |
32 |
|
|
|
考查 |
6 |
|
小计 |
21.5 |
18.5 |
344 |
266 |
48 |
44 |
|
32 |
|
|
|
专业选修课 |
公司任选 |
ME006002 |
图学基础与计算机绘图 Graphics Basics and Computer Drawing |
2 |
2 |
32 |
28 |
|
8 |
|
|
考试 |
1 |
17 |
|
公司任选 （二选一） |
CS205502X |
Python程序设计 Python Programming |
3 |
2.5 |
48 |
26 |
|
28 |
|
8 |
考试 |
2 |
|
CS205501X |
JAVA程序设计 Java Programming |
3 |
2.5 |
48 |
26 |
|
28 |
|
8 |
考试 |
2 |
|
公司任选 |
AI204017 |
最优化理论与方法 Theories and Approaches for Optimization |
2.5 |
2.5 |
40 |
32 |
|
16 |
|
|
考试 |
4 |
|
公司任选 |
AI204007 |
数字语音信号处理 Digital Speech Signal Processing |
3 |
3 |
48 |
42 |
|
|
12 |
|
考试 |
5 |
|
公司任选 |
AI205005 |
知识工程 Knowledge Engineering |
2 |
2 |
32 |
32 |
|
|
|
|
考查 |
5 |
|
公司任选 |
AI204009 |
集成电路与智能芯片设计 Integrated Circuit and AI Chip Design |
3 |
2.5 |
48 |
36 |
|
|
24 |
|
考试 |
5 |
|
公司任选 |
AI202007 |
算法设计与分析（双语） Algorithms Design Techniques and Analysis(Bilingual Teaching) |
3 |
3 |
48 |
40 |
|
16 |
|
|
考试 |
5 |
|
公司任选 |
AI202106 |
量子计算智能 Quantum Computing Intelligence |
2 |
2 |
32 |
32 |
|
|
|
|
考查 |
6 |
|
公司任选 |
AI204010 |
智能语音识别 Intelligent Speech Recognition |
2 |
2 |
32 |
24 |
|
16 |
|
|
考查 |
5 |
|
公司任选 |
AI205010 |
深度学习 Deep Learning |
2 |
2 |
32 |
24 |
|
16 |
|
|
考查 |
4 |
|
公司任选 |
AI202105 |
操作系统Operating System |
3 |
3 |
48 |
40 |
|
16 |
|
|
考试 |
5 |
|
公司任选 |
AI205002 |
计算智能导论 Introduction to Intelligent Computing |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
6 |
|
公司任选 |
AI204023 |
智能数据挖掘 Intelligent Data Mining |
2.5 |
2.5 |
40 |
24 |
|
32 |
|
|
考查 |
6 |
|
公司任选 |
AI202111 |
数据库Data Base |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
6 |
|
公司任选 |
AI204014 |
智能控制 Introduction to Intelligent Control |
2.5 |
2.5 |
40 |
32 |
|
16 |
|
|
考试 |
6 |
|
公司任选 |
AI205003 |
图像处理与机器视觉 Image Processing and Machine Vision |
2 |
2 |
32 |
32 |
|
|
|
|
考查 |
6 |
|
公司任选 |
AI205004 |
自然语言处理 Natural Language Processing |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
6 |
|
公司任选 |
AI205006 |
信息论 Information Theory |
2 |
2 |
32 |
32 |
|
|
|
|
考试 |
6 |
|
公司任选 |
AI204012 |
智能网络与云计算技术 New Intelligent Internet Technology |
2 |
2 |
32 |
32 |
|
|
|
|
考查 |
7 |
|
|
公司任选 |
AI204015 |
人工智能硬件综合实践Integrated Practice of Artificial Intelligence Hardware（选修） |
2 |
|
32 |
|
|
|
64 |
|
考查 |
6 |
|
|
公司任选 |
AI204019 |
无人系统综合实践 |
2 |
|
32 |
|
|
|
64 |
|
考查 |
6 |
|
|
小计 |
51.5 |
46 |
824 |
630 |
|
192 |
164 |
16 |
|
|
|
|
集中 实践 环节 |
必修 |
CS204007 |
程序设计基础课程设计 Course Design of Programming Fundamental |
1 |
|
1周 |
|
|
|
1周 |
|
考查 |
2 |
23 |
|
必修 |
AI202107 |
专业基础实践Professional basic practice |
1 |
|
16 |
|
|
|
32 |
|
考查 |
4 |
必修 |
AI204026 |
人工智能创新实践（I） AI Innovative Practice（I） |
1 |
0 |
16 |
|
|
|
32 |
|
考查 |
5 |
必修 |
AI204027 |
人工智能创新实践（II） AI Innovative Practice（II） |
1 |
0 |
16 |
|
|
|
32 |
|
考查 |
6 |
必修 |
AI202011 |
毕业设计 Undergraduate Thesis |
16 |
|
16周 |
|
|
|
16周 |
|
考查 |
7~8 |
必修 |
AI202012 |
生产实习 Production Practice |
3 |
|
3周 |
|
|
|
3周 |
|
考查 |
6 |
|
小计 |
23 |
|
20周+48 |
|
|
|
20周+96 |
|
|
|
|
|
拓展提高 |
|
必修 |
TS006010 |
新生网上前置教育 Pre-enrollment Online Education |
1 |
|
16 |
|
|
|
|
16 |
考查 |
1 |
1 |
|
素质能力拓展课程 |
必修 |
TS006011 |
写作与沟通 Writing and Communication |
1 |
|
16 |
|
|
|
|
16 |
考查 |
1-6 |
9 |
|
必修 |
TS006029 |
劳动教育 Labor education |
1 |
|
16 |
8 |
|
|
|
8 |
考查 |
1-8 |
|
必修 |
TS006028 |
劳动教育实践 Labor Practicing |
1 |
|
16 |
|
|
|
32 |
|
考查 |
1-6 |
|
必修 |
TS006013 |
“红色筑梦”实践基础I Quality development and Comprehensive practice basis I |
0.5 |
|
8 |
|
|
|
8 |
4 |
考查 |
4 |
|
必修 |
TS006019 |
“红色筑梦”实践基础II Quality development and Comprehensive practice basis II |
1 |
|
16 |
2 |
|
|
24 |
2 |
考查 |
5 |
|
必修 |
EM001001 |
创业基础 Entrepreneurial Base |
2 |
|
32 |
8 |
|
|
|
24 |
考查 |
3-4 |
|
必修 |
TS006025 |
老员工职业发展 career development of undergraduate |
1 |
|
16 |
4 |
|
|
8 |
8 |
考查 |
1 |
|
必修 |
TS006026-20 |
就业指导 careers guidance |
1.5 |
|
24 |
16 |
|
|
16 |
|
考查 |
6 |
|
达标模块 |
必修 |
II006020- II006025 |
实验实践能力达标测试 Experiment AndPractise Ability Test |
0.5 |
|
|
|
|
|
|
|
考查 |
2-8 |
1 |
|
必修 |
FL007003 |
国家英语四级 College English Test Band 4 |
0.3 |
|
|
|
|
|
|
|
考试 |
2-8 |
|
FL007004 |
校内英语四级 Intramural College English Test Band 4 |
|
|
|
|
|
|
|
考试 |
8 |
国家英语四级通过后不修校内英语四级 |
必修 |
HE006016 |
体育能力达标测试 Phsical Ability Standard Test |
0.2 |
|
|
|
|
|
|
|
考查 |
1-8 |
|
|
小计 |
11 |
|
160 |
38 |
|
|
88 |
78 |
|
|
11 |
|
注：达标模块包括实验实践能力达标测试、国家英语四级/校内英语四级、体育能力达标测试，三门课均为必修，且全部通过之后计1学分。
表3 图灵人工智能科学实验班教学进程计划总表（硕博阶段）
课程 类别 |
课程 性质 |
课程编号 |
课程名称 |
总学分 |
总学时 |
考核 方式 |
开课 学期 |
应修 学分 |
|
|
|
学位课-学科基础课 |
选修 |
X2AI1025 |
计算智能I |
3 |
48 |
考试 |
7-8 |
|
|
学位课-学科基础课 |
选修 |
X2AI1002 |
模式识别（研究生课） |
3 |
48 |
考试 |
8 |
|
学位课-专业课 |
选修 |
X2AI1022 |
非线性表征学习与优化 |
2 |
32 |
考查 |
8 |
|
学位课-专业课 |
选修 |
X2AI1006 |
SAR图像处理与解译 |
2 |
32 |
考试 |
8 |
|
学位课-专业课 |
选修 |
X2AI1017 |
复杂网络与群体智能 |
2 |
32 |
考查 |
8 |
|
学位课-专业课 |
选修 |
X2AI1008 |
非线性信号与图像处理 |
2 |
32 |
考查 |
8 |
|
学位课-专业课 |
选修 |
X2AI1007 |
自然计算 |
2 |
32 |
考试 |
7-8 |
|
学位课-专业课 |
选修 |
X2AI1023 |
机器学习与深度学习理论（双语） |
2 |
32 |
考查 |
8 |
|
学位课-专业课 |
选修 |
X2AI1005 |
智能目标识别分类技术 |
2 |
32 |
考查 |
8 |
|
学位课-专业课 |
选修 |
X2AI1028 |
视觉感知与目标跟踪 |
2 |
32 |
考查 |
7-8 |
|
非学位课-任选课 |
选修 |
X2AI2009 |
雷达图像处理与理解 |
2 |
32 |
考查 |
8 |
|
非学位课-任选课 |
选修 |
X2AI2032 |
图像稀疏表示及应用 |
1 |
16 |
考查 |
8 |
|
非学位课-任选课 |
选修 |
Z1AI2011 |
复杂数字系统设计方法 |
2 |
32 |
考查 |
8 |
|
非学位课-任选课 |
选修 |
X2AI2021 |
多源信息融合 |
2 |
32 |
考查 |
8 |
|
非学位课-任选课 |
选修 |
X2AI2016 |
量子计算优化与学习 |
2 |
32 |
考查 |
8 |
|
非学位课-任选课 |
选修 |
X2AI2015 |
统计学习理论应用 |
2 |
32 |
考查 |
8 |
|
十一、指导性教学计划（四年）
第一学期 |
第二学期 |
课程编码 |
课程名称 |
学分 |
课程编码 |
课程名称 |
学分 |
MC006001 |
思想道德与法治 |
3 |
MC006002 |
中国近现代史纲要 |
3 |
MC006005-1 |
形势与政策 |
0.3 |
MC006005-2 |
形势与政策 |
0.3 |
AM006001 |
军事理论 |
2 |
MC006006 |
老员工心理健康教育 |
1 |
AM006002 |
军事训练 |
1 |
FL006130 |
创新大学英语(II) |
2 |
AI206001 |
新生研讨课 |
1 |
HE006008 |
大学体育(II) |
0.5 |
FL006129 |
创新大学英语(I) |
2 |
MS006040 |
高等数学K(II） |
5.5 |
HE006007 |
大学体育(I) |
0.5 |
AI200007 |
高等代数(II) |
4 |
MS006039 |
高等数学K(I) |
5.5 |
PY006016 |
大学物理R（I） |
3.5 |
AI200006 |
高等代数(I) |
4 |
PY006003 |
物理实验(I) |
1 |
CS006003 |
计算机导论与程序设计 |
4.5 |
TS001001 |
工程概论(I) |
1 |
ME006002 |
图学基础与计算机绘图 |
2 |
AI206002 |
学科导论 |
1 |
TS006010 |
新生网上前置教育 |
1 |
CS203014 |
离散数学（I） |
3.5 |
TS006011 |
写作与沟通 |
1 |
CS205502X |
Python程序设计 |
3 |
TS006029 |
劳动教育 |
1 |
CS205501X |
JAVA程序设计 |
3 |
TS006025 |
老员工职业发展 |
1 |
CS204007 |
程序设计基础课程设计 |
1 |
|
通识教育选修课 |
1 |
II006020 |
实验实践能力达标测试C1-1 |
0.1 |
|
|
|
|
通识教育选修课 |
1 |
合 计 |
必修27.8学分 |
合 计 |
必修27.4学分 |
*本学期选课具体要求 *本学期总学分30.8学分 |
*本学期选课具体要求 *本学期总学分31.4学分 |
第三学期 |
第四学期 |
课程编码 |
课程名称 |
学分 |
课程编码 |
课程名称 |
学分 |
MC006003 |
马克思主义基本原理 |
3 |
MC006021 |
毛泽东思想和中国特色社会主义理论体系概论 |
2 |
MC006005-3 |
形势与政策 |
0.3 |
MC006005-4 |
形势与政策 |
0.3 |
EM001001 |
创业基础 |
2 |
MC006022 |
思想政治理论实践课 |
1 |
FL006131 |
创新大学英语(III) |
2 |
|
高级英语选修系列课程 |
2 |
HE006009 |
大学体育(III) |
0.5 |
HE006010 |
大学体育(IV) |
0.5 |
MS006008 |
概率论与数理统计 |
2.5 |
IB006002 |
信号与系统 |
3 |
PY006017 |
大学物理R（II） |
4 |
AI202102 |
数字电路与逻辑设计 |
2.5 |
PY006004 |
物理实验(II) |
1 |
AI202015 |
模拟电子技术基础 |
2 |
TS001002-20 |
工程概论(II) |
1 |
AI204025 |
机器学习（双语） |
3.5 |
AI202101 |
数据结构 |
4 |
AI205010 |
深度学习 |
2 |
AI202109 |
电路分析基础 |
2 |
AI202103 |
计算机组织与体系结构 |
4 |
IB006003 |
电路、信号与系统实验(Ⅰ) |
0.5 |
AI204017 |
最优化理论与方法 |
2.5 |
AI202008 |
人工智能概论 |
3.5 |
IB006004 |
电路、信号与系统实验(II) |
0.5 |
II006022 |
实验实践能力达标测试C1-2 |
0.1 |
II006023 |
实验实践能力达标测试C2 |
0.1 |
|
通识教育选修课 |
1 |
TS006013 |
“红色筑梦”实践基础I |
0.5 |
|
思想政治理论限选课 |
1 |
AI202107 |
专业基础实践 |
1 |
|
|
|
|
通识教育选修课 |
1 |
合 计 |
必修26.4学分 |
合 计 |
必修22.9学分 |
*本学期选课具体要求 *本学期总学分28.4学分 |
*本学期选课具体要求 *本学期总学分28.4学分 |
第五学期 |
第六学期 |
课程编码 |
课程名称 |
学分 |
课程编码 |
课程名称 |
学分 |
MC006005-5 |
形势与政策 |
0.2 |
MC006005-6 |
形势与政策 |
0.2 |
TS001003-20 |
工程概论(III) |
1 |
AI202012 |
生产实习 |
3 |
HE006011 |
大学体育(Ⅴ) |
0.5 |
AI204006 |
人工智能实验 |
2 |
MC006020 |
习近平新时代中国特色社会主义思想概论 |
3 |
AI204019 |
无人系统综合实践 |
2 |
AI202104 |
微机原理与系统设计 |
3 |
AI205002 |
计算智能导论 |
2 |
AI204004 |
模式识别 |
3.5 |
AI202111 |
数据库 |
2 |
AI204005 |
认知科学与计算（双语） |
2 |
AI202106 |
量子计算智能 |
2 |
AI204007 |
数字语音信号处理 |
3 |
AI204014 |
智能控制 |
2.5 |
AI205005 |
知识工程 |
2 |
AI205003 |
图像处理与机器视觉 |
2 |
AI204009 |
集成电路与智能芯片设计 |
3 |
AI205004 |
自然语言处理 |
2 |
AI202007 |
算法设计与分析（双语） |
3 |
AI205006 |
信息论 |
2 |
AI202105 |
操作系统 |
3 |
AI204023 |
智能数据挖掘 |
2.5 |
AI204026 |
人工智能创新实践（I） |
1 |
AI204015 |
人工智能硬件综合实践 |
2 |
AI204010 |
智能语音识别 |
2 |
AI204027 |
人工智能创新实践（II） |
1 |
TS006019 |
“红色筑梦”实践基础II |
1 |
II006024 |
实验实践能力达标测试B |
0.1 |
TS006028 |
劳动教育实践 |
1 |
HE006012 |
大学体育(Ⅵ) |
0.5 |
|
通识教育选修课 |
1 |
TS006026-20 |
就业指导 |
1.5 |
|
|
|
HE006016 |
体育能力达标测试 |
0.2 |
|
|
|
|
通识教育选修课 |
1 |
合 计 |
必修16.2学分 |
合 计 |
必修8.5学分 |
*本学期选课具体要求 *本学期总学分33.2学分 |
*本学期选课具体要求 *本学期总学分30.5学分 |
第七学期 |
第八学期 |
课程编码 |
课程名称 |
学分 |
课程编码 |
课程名称 |
学分 |
MC006005-7 |
形势与政策 |
0.2 |
MC006005-8 |
形势与政策 |
0.2 |
TS001004-20 |
工程概论(IV) |
1 |
AI202011 |
毕业设计 |
16 |
HE006013 |
大学体育(Ⅶ) |
0.5 |
II006025 |
实验实践能力达标测试A |
0.1 |
AI200005 |
科技论文写作 |
1 |
HE006014 |
大学体育(Ⅷ) |
0.5 |
AI204012 |
智能网络与云计算技术 |
2 |
FL007003 |
国家英语四级 |
0.3 |
|
通识教育选修课 |
1 |
FL007004 |
校内英语四级 |
|
|
|
|
通识教育选修课 |
1 |
合 计 |
必修2.2学分 |
合 计 |
必修17.1学分 |
*本学期选课具体要求 *本学期总学分5.7学分 |
*本学期选课具体要求 *本学期总学分18.1学分 |
