二0二五年五月

目录

一、概述 1

二、专业名称及代码 1

三、入学要求 1

四、修业年限 1

五、职业面向 1

六、培养目标与培养规格 2

（一）培养目标 2

（二）培养规格 2

七、课程设置 6

（一）公共基础课程 6

（二）专业课程 10

（三）素质拓展模块 17

（四）相关要求 17

八、教学安排 18

（一）时间分配表 18

（二）教学环节统计表（总计2920学时，157学分） 19

（三）课程设置与教学计划表 19

九、师资队伍 19

（一）队伍结构 19

（二）专业带头人 19

（三）专任教师 20

（四）兼职教师 21

十、教学条件 22

（一）教学设施 22

（二）教学资源 26

十一、质量保障 28

十二、毕业要求 29

十三、其他说明 30

一、概述

为适应科技发展、技术进步对行业生产、建设、管理、服务等领域带来的新变化，顺应数字化、智能化、自动化等行业转型升级发展的新趋势，对接新产业、新业态、新模式下人工智能算法开发、智能系统部署、AI数据标注与处理、智能产品应用与维护等岗位（群）的新要求，不断满足人工智能产业高质量发展对高素质技能人才的需求，推动职业教育专业升级和数字化改造，提高人才培养质量，遵循推进现代职业教育高质量发展的总体要求，参照国家相关标准编制要求，制订本方案。

二、专业名称及代码

1.专业名称：人工智能技术应用

2.专业代码：510209

三、入学要求

中等职业学校毕业、普通高级中学毕业或具备同等学力。

四、修业年限

学制三年。二至五年内修满规定学分即可毕业。

五、职业面向

所属专业大类 （代码）	所属专业类 （代码）	对应行业 （代码）	主要职业类别 （代码）	主要岗位（群）或技术领域	职业类证书
电子信息大类（51）	人工智能技术应用（510209）	软件和信息技术服务业（I65）	人工智能训练师(4040505)、人工智能工程技术人员（2023801）等职业,人工智能数据服务、算法模型训练与测试、人工智能应用开发、人工智能系统集成与运维等岗位(群)。	电子与信息大类（51）	人工智能算法工程师、计算机视觉实施工程师、人工智能数据分析与挖掘应用工程师、人工智能机器学习应用工程师

六、培养目标与培养规格

（一）培养目标

本专业培养思想政治坚定，德、智、体、美、劳全面发展，具有良好的人文素养、科学素养、数字素养、职业道德、创新意识，以及爱岗敬业的职业精神和精益求精的工匠精神，掌握人工智能技术专业知识和技术技能，具备较强的就业创业能力、可持续发展能力和职业综合素质，面向人工智能产业及公安智慧警务应用等领域，掌握人工智能基础技术，具备人工智能系统管理与维护、警务数据智能处理、智能装备应用开发等能力，能从事 AI 辅助执法系统运维、智能安防技术应用、警务数据智能分析及相关技术服务等工作，且具备国防精神、法治信仰和警务实战能力的高素质技术技能人才。依托国防教育学院 “军警融合、校局协同、实战育人” 的办学特色，与市公安局共建智能警务实训体系，在课程中融入法律实务与警务训练内容，实现协同培养，形成服务智慧警务的 “技术 + 法律 + 实战” 培养闭环。

（二）培养规格

本专业学生应在系统学习本专业知识并完成有关实习实训基础上，全面提升知识、能力、素质，掌握并实际运用岗位（群）需要的专业核心技术技能，实现德智体美劳全面发展，总体上须达到以下要求：

1.德育目标

（1）坚定拥护中国共产党领导和中国特色社会主义制度，以习近平新时代中国特色社会主义思想为指导，践行社会主义核心价值观，具有坚定的理想信念、深厚的爱国情感和中华民族自豪感；

（2）掌握与本专业对应职业活动相关的国家法律、行业规定；

（3）掌握绿色生产、环境保护、安全防护、质量管理等相关知识与技能；

（4）了解相关行业文化，具有爱岗敬业的职业精神，遵守职业道德准则和行为规范，具备社会责任感和担当精神。

2.知识能力目标

（1）掌握支撑本专业学习和可持续发展必备的语文、数学、外语（英语等）、信息技术等文化基础知识，具有良好的人文素养与科学素养，具备职业生涯规划能力；

（2）具有良好的语言表达能力、文字表达能力、沟通合作能力，具有较强的集体意识和团队合作意识，学习1门外语并结合本专业加以运用；

（3）掌握信息技术基础知识，具有适应本领域数字化和智能化发展需求的数字技能；

（4）掌握人工智能基础理论，包括机器学习、深度学习、计算机视觉、自然语言处理等核心技术，具备算法理解与应用能力；

（5）掌握Python、C++等编程语言，熟悉TensorFlow、PyTorch等主流AI框架，具备AI模型训练与优化能力；

（6）掌握数据采集、清洗、标注及分析方法，能够运用大数据技术支撑AI模型开发；

（7）熟悉智能系统开发流程，具备AI应用部署、调试及运维能力，能够适应边缘计算、云计算等不同应用场景；

（8）了解AI伦理、数据安全与隐私保护相关法律法规，具备合规使用AI技术的意识；

（9）具备AI行业应用分析能力，能够结合智能制造、智慧医疗、智慧城市等领域需求，提供智能化解决方案；

（10）具有探究学习、终身学习和可持续发展的能力，具有整合知识和综合运用知识分析问题和解决问题的能力；

3.综合素质目标

（1）掌握身体运动的基本知识和至少1项体育运动技能，达到国家大学生体质健康测试合格标准，养成良好的运动习惯、卫生习惯和行为习惯；具备一定的心理调适能力；

（2）掌握必备的美育知识，具有一定的文化修养、审美能力，形成至少1项艺术特长或爱好；

（3）树立正确的劳动观，尊重劳动，热爱劳动，具备与本专业职业发展相适应的劳动素养和劳动能力，弘扬劳模精神、劳动精神、工匠精神，弘扬劳动光荣、技能宝贵、创造伟大的时代风尚。

七、课程设置

构建“公共基础课程+专业课程+素质拓展模块”的课程体系。“公共基础课程”主要培养学生的基本素质、基本知识和基本技能，包括公共必修课程和公共选修课程两部分。“专业课程”主要培养学生的专业基础知识和技能，包括专业基础课程、专业核心课程、专业选修课程（专业拓展课程）和专业实践课程。“素质拓展模块”主要培养学生的综合职业能力、创新创业能力、岗位迁移能力等，包括基本素质拓展、综合素质拓展、专业素质拓展选修三部分。

（一）公共基础课程

公共基础课程包括公共必修课程和公共选修课程两部分。开设思想道德与法治、毛泽东思想和中国特色社会主义理论体系概论、习近平新时代中国特色社会主义思想、大学生心理素质训练、大学生就业指导、创新创业概论、形势与政策教育、劳动教育、大学体育、高职英语、军事理论、国家安全教育、信息技术、大学语文等公共必修课，并设置党史国史、中华优秀传统文化课程、职业核心素养课程、社会科学课程、公共艺术课程、自然科学等公共选修课程。

公共必修课程主要教学内容与要求

序号	课程名称	主要教学内容与要求
1	大学语文	本课程主要培养学生的语言表达能力、文学鉴赏能力和文化素养，要求掌握基础语文知识，提升阅读、写作和沟通能力，以适应职业需求。
2	高职英语	高职英语课程以培养学生实际应用英语的能力为目标，侧重职场环境下语言交际能力的培养，使学生逐步提高用英语进行交流与沟通的能力。使学生掌握有效的学习方法和策略，培养学生的学习兴趣和自主学习能力，提高学生的综合文化素养和跨文化交际意识，夯实文化内涵，提高学生职业素养、沟通技能和团队合作精神，进一步促进学生英语学科核心素养的发展。
3	高等数学	本课程主要教学内容包括函数与极限、导数与微分、积分、常微分方程、级数等基础内容。要求学生掌握基本概念、定理和计算方法，具备运用数学知识解决实际问题的能力。教学注重理论与实践结合，培养学生逻辑思维、分析能力和应用能力，为后续专业课程学习奠定基础。
4	思想道德与法治	本课程主要教学内容涵盖理想信念、爱国主义、人生价值、道德规范、法治观念等板块。通过对理想信念的探讨，引导学生树立高远志向；借爱国主义教育，激发学生的家国情怀；剖析人生价值，助其明晰人生方向；讲解道德规范，培育良好品德；普及法治观念，让学生知法守法用法。要求学生深入理解各板块知识，积极参与课堂讨论与实践活动，将理论知识内化为自身素养，外化为实际行动，做德法兼修的新时代青年。
5	毛泽东思想和中国特色社会主义理论体系概论	本课程内容包括毛泽东思想对新民主主义革命等的探索；邓小平理论对改革开放的引领；“三个代表”重要思想、科学发展观的内涵；习近平新时代中国特色社会主义思想的丰富内容。要求学生系统掌握理论要点，明晰理论产生背景与实践意义，学会运用理论分析社会现象，提升政治素养，坚定对中国特色社会主义的信念 。
6	习近平新时代中国特色社会主义思想	本课程主要讲授其创立背景、核心内容与历史地位。从时代之问切入，阐述社会主要矛盾变化等催生理论的时代条件；详解“十个明确”“十四个坚持”等核心要义，涵盖治国理政各领域理念；点明这一思想对马克思主义的继承发展及对民族复兴的引领意义。要求学生精读原著、深入思考，把握理论体系逻辑，学会用理论分析现实问题，增强“四个意识”、坚定“四个自信”、做到“两个维护”。
7	大学生职业生涯规划与就业指导	本课程旨在帮助学生明确职业目标，提升就业能力。教学内容包括自我认知（兴趣、性格、能力、价值观）、职业环境分析（行业趋势、岗位要求）、职业目标设定、行动计划制定以及就业技能提升（简历撰写、面试技巧、职场礼仪）。课程要求学生结合自身实际，制定合理的职业生涯规划，并通过实践活动增强就业竞争力
8	大学体育	包括身体运动的基本知识，通过训练达到《国家学生体质健康标准》；学生掌握所选项目基本技能与规则，结合兴趣爱好选学篮球、排球、足球、羽毛球、乒乓球等球类运动及太极拳。通过课程提升身体素质，并培养运动习惯、团队协作精神与体育精神。
9	大学生心理素质训练	以大学生心理调节能力的训练为主线，以学生的亲身体验活动为导向，以专题项目为载体，以学生的讨论与分享为主体，针对大学生的心灵维护、环境适应、自我认知、 自信心训练、学会学习、挫折应对、情绪管理、人际交往、恋爱与性、合理休闲、理性择业等方面的问题，通过角色扮演、心理游戏、讨论分享、自我剖析、自我体验、心理测试、心灵导航等方式进行训练，以促进大学生的全面发展和健康成长。
10	创新创业概论	本课程以培养、提高学生创新意识与创业能力为目的，课程类型包括理论课程及实践课程；理论课程侧重传授创业知识，实践课程侧重培养创业意识和技能，实践课程侧重提供创业模拟演练。通过本课程的教学，了解国内外创新创业情况，掌握创新创业的基本含义与分类；了解创业机会和创业机会判断的原则，理解市场需求的基本概念，掌握商业模式的基本概念及商业模式、明晰融资渠道，了解常见创业风险，并掌握基本的管理策略。
11	形势与政策	本课程是一门对大学生进行比较系统的党的路线、方针和政策教育的思想政治教育课程。它的基本任务是通过适时地进行形势政策、世界政治经济与国际关系基本知识的教育、帮助学生开阔视野，及时了解和正确对待国内外重大事实，使大学生在改革开放的环境下有坚定的立场、有较强的分析能力和适应能力。
12	劳动教育	本课程的内容主要包括日常生活劳动教育、生产劳动教育和服务性劳动教育三个方面。其中，日常生活劳动教育要让学生立足个人生活事务处理，培养良好生活习惯和卫生习惯，强化自立自强意识；生产劳动教育要让学生体验工农业生产创造物质财富的过程，增强产品质量意识，体会平凡劳动中的伟大；服务性劳动教育要注重让学生利用所学知识技能，服务他人和社会，强化社会责任感。
13	信息技术	本课程主要培养学生掌握信息技术发展过程、计算机基本理论常识和基本应用技能,熟练运用办公软件完成文档编辑、数据管理及演示文稿制作等工作。本课程是一门基础知识面广且实践性较强的课程,要求学生能在了解信息技术基础知识和基本概念的同时,提高运用应用软件解决实际问题的动手能力。
14	军事理论	本课程主要培养学生掌握国防内涵和国防历史，树立正确的国防观。熟悉国防法规、武装力量、国防动员的主要内容，增强学生国防意识。了解我国国防体制、国防战略、国防政策以及国防成就，激发学生的爱国热情。掌握正确把握和认识国家安全的内涵，理解我国总体国家安全观，提升学生防间保密意识。熟悉深刻认识当前我国面临的安全形势。了解世界主要国家军事力量及战略动向，增强学生忧患意识。
15	国家安全教育	本课程以总体国家安全观为科学指导，帮助大学生系统掌握总体国家安全观的内涵和精神实质，理解中国特色国家安全体系，引导大学生将国家安全意识转化为自觉行动，强化责任担当，是对大学生进行思想政治教育的重要组成部分。

公共任意选修课一览表

（二）专业课程

专业课程包括专业基础课程、专业核心课程、专业实践课程、专业选修课程（专业拓展课程）。包含以下主要教学内容：

1.专业基础课程：人工智能导论、数据库技术与应用、C语言程序设计、Python程序设计基础、数据结构与算法基础等6门课程。

专业基础课程主要教学内容与要求

序号	课程名称	主要教学内容与要求
1	人工智能导论	本课程从人工智能在智能家居、智能交通等日常场景中的应用案例出发，以生动形象的方式阐释人工智能的基本概念、发展历程及核心技术框架。系统讲解机器学习、深度学习、自然语言处理、计算机视觉等核心领域的基础理论，结合经典算法模型，如决策树、神经网络等，帮助学生理解人工智能技术的运作逻辑。同时，通过图像识别、文本分类等实际项目，讲解不同数据类型下技术方案的选择方法，以及参数调优、模型优化的关键技巧，培养学生运用人工智能技术解决实际问题的能力。
2	数据库技术与应用	本课程系统讲解数据库的基本概念、发展历程及体系结构，深入阐述关系型数据库原理。重点解析 SQL 语言，涵盖数据定义、查询、操纵与控制等核心语句，夯实数据库操作基础。同时，结合数据库设计流程，详细介绍需求分析、概念设计、逻辑设计和物理设计等环节，深入讲解数据完整性约束、索引优化、事务管理等关键技术，以及不同业务场景下数据库选型和性能调优的方法，培养学生运用数据库技术解决实际数据管理问题的能力。
3	C语言程序设计	本课程系统讲解 C 语言的基本概念、发展历程及编程环境，深入剖析数据类型、运算符与表达式、控制语句等基础语法知识，帮助学生掌握顺序、选择、循环三种基本程序结构的设计方法。重点介绍函数的定义、声明与调用机制，结合模块化编程思想，讲解函数参数传递、作用域及递归函数的应用。同时，详细阐述数组、指针、结构体、共用体等复杂数据类型的原理与使用技巧，深入讲解文件操作、内存管理等关键技术，以及程序调试与优化的方法，培养学生运用 C 语言编写结构清晰、逻辑严谨的实用程序，解决实际问题的能力。
4	Python程序设计基础	本课程系统讲解 Python 语言的基本概念、发展历程及编程环境搭建，深入解析数据类型（如数字、字符串、列表、元组、字典、集合）、运算符与表达式、控制流语句（if 条件语句、for 与 while 循环）等核心语法知识，帮助学生掌握 Python 程序的基本结构设计方法。重点介绍函数的定义、调用与参数传递机制，结合模块化编程与面向对象编程思想，讲解函数作用域、类与对象、继承、多态等特性的应用。同时，详细阐述文件读写操作、异常处理机制、模块与包的使用，以及常用标准库（如 os、sys、random、datetime）的功能与调用方法，介绍程序调试技巧与代码优化策略，培养学生运用 Python 语言编写简洁高效、结构合理的程序，解决实际问题的能力。
5	数据结构与算法基础	本课程系统讲解数据结构与算法的基本概念、发展历程及重要性，深入解析线性结构（如数组、链表、栈、队列）、非线性结构（如树、图）的存储方式与操作原理，帮助学生掌握不同数据结构的特点与适用场景。重点介绍经典算法设计策略，包括分治法、动态规划、贪心算法等，结合排序算法（如冒泡排序、快速排序、归并排序）、查找算法（如顺序查找、二分查找），深入剖析算法的时间复杂度与空间复杂度分析方法。同时，详细阐述哈希表、堆等高级数据结构的实现与应用，以及图算法（如深度优先搜索、广度优先搜索、最短路径算法）的原理与应用场景，通过实际问题建模与算法设计实践，培养学生运用数据结构与算法解决复杂问题、优化程序性能的能力。

2.专业核心课程：机器学习、人工智能数据服务、Linux操作系统及应用、深度学习、云计算技术、计算机视觉与图像处理、NLP自然语言处理、智能语音处理及应用开发等8门课程。

其中，第4学期专业核心课程前10周校内集中教学，剩余学时通过企业实践、实训基地实践、校内实践三种方式实施。

专业核心课程主要教学内容与要求

序号	课程涉及的主要领域	典型工作任务描述	主要教学内容与要求	开设课程名称
1	算法模型领域、数据处理领域、应用领域	机器学习课程的典型工作任务围绕算法实现、数据处理和模型应用展开。在算法实现上，需推导线性回归、逻辑回归等模型原理，并用 Python 实现模型构建、参数优化与性能分析，解析决策树、随机森林等模型逻辑，解决过拟合问题。数据处理方面，要完成数据采集，清洗缺失值与异常值，进行特征工程并划分数据集。应用领域中，在计算机视觉方向用 CNN 完成图像分类与目标检测；自然语言处理方向借 RNN 开展文本情感分析；推荐系统方向基于协同过滤构建推荐模型；还需用 LSTM 进行时间序列预测 。	本课程系统阐述机器学习的基本概念、发展简史及分类体系，深入解析监督学习、无监督学习、强化学习等核心范式，帮助学生理解机器学习的数学基础与模型构建逻辑。重点讲解线性回归、逻辑回归、决策树、支持向量机、神经网络等经典算法，以及随机森林、梯度提升树、Transformer 等前沿模型，结合 K 近邻、聚类分析、关联规则挖掘等常用技术，掌握特征工程、模型评估与调优方法。同时，详细介绍深度学习框架（如 TensorFlow、PyTorch）的使用，涵盖卷积神经网络（CNN）、循环神经网络（RNN）及其变体 LSTM、GRU 在图像识别、自然语言处理领域的应用实践，以及生成对抗网络（GAN）、等生成模型。通过开源数据集和实际项目案例，配合工具进行算法实现与结果分析，培养学生运用机器学习算法解决实际问题、进行模型部署与优化的能力。	机器学习
2	数据采集领域、数据存储与管理领域、数据处理与分析领域、数据标注领域	在数据标注方面，针对文本数据开展实体识别、情感分类、词性标注；对图像数据进行边界框标注、语义分割标注；语音数据完成语音转文字、情感识别标注等，提升数据对模型训练的适配性。数据采集与预处理上，通过网络爬虫、API 调用等获取公开数据，借助传感器等采集特定场景数据，并进行清洗，去除缺失值、异常值和重复数据，同时运用标准化、归一化等技术转换数据格式。工具使用层面，熟练掌握 NumPy 库进行数值计算、Pandas 库处理结构化数据、Matplotlib 库实现数据可视化。在开发实践中，利用 Python 语言编写代码，完成数据的处理与分析任务。此外，运用数据特征工程的基本方法，如特征提取、选择与降维，结合机器学习算法挖掘数据潜在信息，为人工智能模型训练提供高质量数据支持。	了解文本、图像、视频、语音等 数据的标注方法。 掌握数据采集、清洗、处理与分 析的基础知识与常用工具。 掌握NumPy 库、Pandas 库、Matplotlib 库及其使用方法。 熟悉使用 Python 等开发语言处理 数据，实现数据处理与分析。 掌握数据特征工程的基本方法， 能使用机器学习方法挖掘数据信息	人工智能数据服务
3	服务器操作系统	系统安装与配置：完成Linux系统安装和基础环境设置；用户与权限管理：创建用户组并设置文件权限；系统监控与维护：查看系统日志、管理进程；网络服务部署：配置Apache/Nginx服务器；自动化脚本编写：开发系统管理Shell脚本	Linux系统架构（内核、Shell、应用程序）；文件系统结构（目录树、文件权限）；进程管理原理（进程状态、调度）；网络基础（TCP/IP协议、端口概念）；服务器安全（SELinux、防火墙配置） 使用VMware安装Linux系统；编写文件备份自动化脚本；配置SSH远程登录服务；搭建LAMP/LNMP网站环境；使用Crontab设置定时任务	Linux操作系统及应用
4	理论基础领域、网络架构领域、关键技术领域、开发工具与框架领域	围绕原理与实践展开，首先结合智能家居、智能客服等生活场景剖析深度学习应用逻辑，拆解数学原理与优化算法，推导损失函数计算，培养学生举一反三能力；其次在图像识别项目中，学生需完成数据预处理、搭建 CNN 模型并调整结构，理解重要参数对训练的影响并进行调优，利用模型完成图像分类等任务，通过评估指标优化模型；最后在语音识别项目里，采集语音数据并预处理，运用 RNN 及其变体搭建模型，探究参数对准确率的影响并调试，将模型应用于语音转文字，分析误差改进模型 。	本课程是人工智能专业的核心课程，先结合生活场景讲解深度学习的基本原理，使学生具备举一反三的能力，然后结合具体的图像识别与语音识别场景，在多个项目中让学生实践常用的图像识别与语音识别深度学习模型，掌握深度学习重要参数的意义及设置。	深度学习
5	云计算基础设施领域、云原生应用开发领域、云运维与安全治理领域	在云计算技术的工作实践中，涵盖多个关键任务：通过 Terraform、AWS CloudFormation 等工具完成云服务器、存储及网络的自动化配置，并借助 VMware、KVM 构建私有云实现资源隔离与性能优化；基于 Docker 进行微服务镜像处理，运用 Kubernetes、YARN 或 Mesos 实现容器编排与资源动态调度；结合 Spring Cloud、Istio 等框架开发云原生应用并部署至 PaaS 平台，将 AI 训练模型容器化后提交至专业云服务实现算力扩展；运用 Prometheus + Grafana 搭建监控体系，通过 IAM、AD 等进行权限管理，结合加密、防火墙及等保标准完成云环境安全加固；设计混合云架构打通公有云与私有云资源，并利用云快照、跨区域复制等功能制定灾备策略，保障业务连续性 。	本课程作为人工智能专业的核心课程，深入浅出地讲解云计算的基本概念、服务模式（IaaS、PaaS、SaaS）及底层架构原理，培养学生对云计算技术的系统性认知与原理迁移能力；随后，围绕企业数据中心搭建、微服务应用部署等具体场景，通过多个实践项目引导学生运用 Terraform、Kubernetes 等工具，完成云资源自动化配置、容器化应用开发与集群管理；在实践过程中，深入理解资源调度算法、安全访问控制等关键技术原理，熟练掌握云平台核心参数（如实例规格、存储容量、网络带宽）的配置与优化方法，提升学生在云计算技术领域的综合应用与项目实践能力。	云计算技术
6	图像基础处理领域、图像特征提取与分析领域、计算机视觉核心任务领域、计算机视觉应用场景领域	在图像基础处理上，运用 OpenCV 库实现色彩空间转换、图像增强、噪声去除、几何变换及亮度色彩调整；云平台 API 调用项目实践中，结合安防、工业等场景，通过 API 开展人脸识别、缺陷检测等工作并优化参数；OpenCV 理论与方法应用任务里，借助传统算法与深度学习框架完成图像特征提取分析；此外，还开展图像分类、目标检测等核心任务实践，通过构建模型、调整算法参数并分析评估指标，提升对计算机视觉技术的实践应用能力 。	本课程结合计算机视觉应用的具体场景，通过调用云平台训练的API完成多个应用计算机视觉技术的项目实践，理解计算机视觉的基本理论知识，掌握OpenCV基本理论及常用方法。通过讲解基本图片处理方法，平移、旋转、反转、色彩变换、明亮度变换等，重	计算机视觉与图像处理
7	基础语言处理领域、语义理解与分析领域、自然语言生成领域、应用场景领域	基础语言处理包括文本预处理、分词、词性标注与命名实体识别，为后续处理提供结构化数据；语义理解与分析通过句法分析、语义角色标注等挖掘文本深层含义；自然语言生成实现机器翻译、文本摘要与对话交互；应用场景广泛，涵盖智能客服、搜索引擎、舆情监测等多个行业；开发工具与前沿技术方面，NLTK 等工具助力开发，预训练语言模型、强化学习、多模态融合等推动 NLP 不断革新与拓展 。	本课程系统介绍自然语言处理的基本概念、发展历程及研究方向，帮助学生理解其在人工智能领域的重要地位与应用价值，深入剖析词法分析、句法分析、语义分析等核心技术，使学生掌握分词、词性标注等基础任务的原理与方法；同时重点讲解文本分类、信息检索等关键应用领域的技术实现，结合朴素贝叶斯、RNN 等经典模型解析应用逻辑，详细阐述 Transformer 架构及其变体的工作机制，介绍预训练语言模型的前沿应用。此外，引入 TensorFlow 等工具库与框架，指导学生进行文本数据处理、模型搭建与训练，并培养学生利用自然语言处理技术解决实际问题、进行算法设计与系统开发的能力。	NLP自然语言处理
8	语音信号基础处理领域、语音识别与合成领域、语音交互与理解领域、智能语音应用场景领域	智能语音处理及应用开发课程的典型工作任务包含多方面内容：首先需深入剖析语音识别与合成技术原理，分析 HMM、Transformer 等模型在语音识别中的应用，研究 WaveNet 等 TTS 模型，并用 Python 或相关工具搭建训练简单模型；其次要完成语音数据全流程处理，运用 Python 或专业工具采集数据，通过谱减法等清洗降噪，以常见格式存储，并进行语音转文字等标注；最后开展语音识别应用开发，整合相关技术开发语音翻译应用，结合设备接口实现语音控制功能，完成语音转录应用，且对开发成果进行测试优化 。	了解语音识别、语音合成等技术的定义、原理。 掌握使用工具或者 Python 语言 进行语音数据采集、清洗、存储、标注。 掌握语音翻译、语音控制、语音 转录等语音识别应用开发。	智能语音处理及应用开发

3.专业实践课程：包括综合能力实训、认识实习以及岗位实习。

学生岗位实习为6个月（第五学期安排5周，第六学期安排19周），根据实际情况组织实施。学生通过岗位实习，了解企业的运作、组织架构、规章制度和企业文化；掌握岗位的典型工作流程、工作内容及核心技能；养成爱岗敬业、精益求精、诚实守信的职业精神，增加学生的就业能力。

4.专业选修课程（专业拓展课程）：治安法律基本知识、Java程序设计、大数据导论、警务常用法律知识、Python高级应用、网络爬虫技术等6门课程。

其中，第4学期专业选修课程前10周校内集中教学，剩余学时通过企业实践、实训基地实践、校内实践三种方式实施。。

5.毕业设计：

毕业设计考核项目涵盖学生的专业技能、实践操作能力、团队协作能力、问题解决能力等多个方面。通过综合能力考试、项目成果展示、实操能力考核、答辩等形式进行综合评价。

（三）素质拓展模块

素质拓展模块主要包括基本素质拓展、综合素质拓展和专业素质拓展选修，包括以下教学内容：

基本素质模块：入学教育、国防教育与军训、毕业教育、劳动实践、大学生安全教育等5个模块。

综合素质拓展模块：社团活动、人文素质讲座、劳动教育讲座、 体育实践、 社会实践、艺术实践、大学生创业特训营等7个模块。

专业素质拓展选修模块：人工智能相关的职业技能（资格）证书和职业技能大赛等2个模块。

（四）相关要求

充分发挥思政课程和各类课程的育人功能。发挥思政课程政治引领和价值引领作用，在思政课程中有机融入党史、新中国史、改革开放史、社会主义发展史等相关内容，结合人工智能领域的发展历程，讲述我国在人工智能基础研究、技术突破、产业应用等方面取得的成就，如从早期科研人员自主探索到如今我国在深度学习框架、智能芯片等领域的创新突破，激发学生的民族自豪感与爱国情怀。

结合实际落实课程思政，在《机器学习》《深度学习》等专业课程中，融入科学家追求真理、勇攀高峰的精神，通过讲解图灵、吴恩达等人工智能领域先驱的科研故事，引导学生树立严谨的学术态度和创新精神；在《计算机视觉》课程教学中，引入智能安防、智慧医疗等应用案例，探讨技术背后的社会责任，培养学生正确的技术伦理观。推进全员、全过程、全方位育人，专业教师在授课过程中注重价值引领，实验指导教师在实践环节强调安全规范与团队协作，辅导员通过日常管理强化学生品德修养，实现思想政治教育与技术技能培养的有机统一。

开设安全教育（含典型案例事故分析）、社会责任、绿色环保、新一代信息技术、数字经济、现代管理、创新创业教育等方面的拓展课程或专题讲座（活动）。在安全教育课程中，结合人工智能数据泄露、算法偏见导致决策不公等典型案例进行深度分析，提升学生的网络安全意识与风险防范能力；社会责任课程围绕人工智能对就业结构、社会公平的影响展开讨论，引导学生思考技术应用的边界与责任；绿色环保课程融入数据中心能耗优化、低碳算法设计等内容，培养学生可持续发展理念。同时，将人工智能伦理规范、知识产权保护、行业前沿政策等有关内容融入课程教学中。

开设人工智能伦理与法律、AI + 乡村振兴实践、人工智能与文化传承等特色课程。《人工智能伦理与法律》课程聚焦算法歧视、隐私保护、自动驾驶事故责任界定等热点问题，引导学生树立正确的技术价值观；《AI + 乡村振兴实践》课程结合图像识别助力农产品质检、智能决策优化农业生产等案例，培养学生服务社会的意识；《人工智能与文化传承》课程探索 AI 在非遗文化数字化保护、古籍智能修复中的应用，增强学生文化自信。

组织开展德育活动、志愿服务活动和其他实践活动。定期举办 “人工智能与社会责任” 主题辩论赛、“AI 向善” 创意设计大赛，深化学生对专业伦理的理解；组织学生参与社区智能科普志愿服务，为老年人讲解智能设备使用、防范网络诈骗知识；开展红色教育基地参观活动，将思政教育与专业认知有机结合；鼓励学生参与 “挑战杯”“互联网 +” 等创新创业竞赛，在实践中培养创新精神与家国情怀。

八、教学安排

（一）时间分配表

学期 周 数 项目	第一学年		第二学年		第三学年		合计周数
	一	二	一	二	一	二
课程教学	15	17	18	18	0	0	68
入学教育、军训	2						2
劳动实践		1					1
专业实训模块					14		14
岗位实习					5	19	24
毕业教育						1	1
职业技能（资格）、1+X证书考试、技能大赛辅导	贯穿于4个学期，每学期1学分，不计入总学时。
假期	1	1	1	1	1		5
考试	1	1	1	1			4
合计	19	20	20	20	20	20	119

（二）教学环节统计表（总计2920学时，157学分）

（三）课程设置与教学计划表

见附表

九、师资队伍

按照“四有好老师”“四个相统一”“四个引路人”的要求建设专业教师队伍，将师德师风作为教师队伍建设的第一标准。

（一）队伍结构

学生数与本专业专任教师数比例不高于20:1，“双师型”教师占专业课教师数比例不低于60%，高级职称专任教师的比例不低于20%。能够整合校内外优质人才资源，选聘行业机构高级技术人员担任行业导师，组建校企合作、专兼结合的教师团队，建立定期开展专业（学科）教研机制。

（二）专业带头人

原则上应具有人工智能、计算机科学与技术、软件工程等本专业及相关专业副高及以上职称，且具备行业实践或教学经验，能够熟练运用 Python、Java 等编程语言，精通 TensorFlow、PyTorch 等主流深度学习框架，主导完成过智能机器人开发、自然语言处理系统搭建、计算机视觉算法优化等具有行业影响力的实践项目，具备将复杂技术难题转化为教学案例的能力，展现出扎实的专业实践功底。

能够较好地把握国内外人工智能行业发展趋势，持续跟踪生成式 AI、大模型技术、AI + 物联网融合等前沿领域动态，定期参加国际人工智能学术会议、行业峰会，并在专业期刊或学术平台上发表相关领域研究成果。凭借敏锐的行业洞察力，结合专业发展规律，制定契合行业需求的专业建设规划，明确专业发展方向与人才培养定位。

能广泛联系行业企业，与人工智能领域头部企业（如百度、商汤科技、科大讯飞等）建立长期稳定的合作关系，担任企业技术顾问或参与企业项目研发，及时获取行业企业对本专业人才的需求实际，包括岗位技能要求、职业素养标准等，为专业课程体系改革、教学内容更新提供有力依据。同时，积极推动校企合作，促成产学研项目落地，搭建学生实习就业平台。

在教育教学改革方面，主持修订符合行业需求的人才培养方案，创新教学模式，引入项目式教学、混合式教学等先进方法，牵头建设人工智能专业精品课程、在线开放课程，开发配套教学资源。在教科研工作中，主持省级及以上人工智能相关科研项目，带领教学团队开展技术攻关，发表高水平学术论文，获得发明专利或软件著作权，将科研成果有效转化为教学资源。具备强大的社会服务能力，为企业提供人工智能技术咨询、员工技能培训，参与行业标准制定，开展社区科普教育等活动，提升专业的社会影响力，在本专业改革发展中切实发挥引领作用。

（三）专任教师

①具有高等学校教师资格证书；

②原则上具有人工智能等相关专业本科及以上学历；

③具有一定年限的相应工作经历或者实践经验，达到相应的技术技能水平；

④具有本专业理论和实践能力；

⑤能够落实课程思政要求，挖掘专业课程中的思政教育元素和资源；⑥能够运用信息技术开展混合式教学等教法改革；

⑦能够跟踪新经济、新技术发展前沿，开展技术研发与社会服务；

⑧专业教师每年至少1个月在机构或实训基地锻炼，每5年累计不少于6个月的机构实践经历。

（四）兼职教师

兼职教师主要从人工智能、计算机科学、大数据等相关行业企业聘任技能大师、劳动模范、能工巧匠等高技能人才担任兼职教师。具体而言，重点从人工智能算法研发头部企业、智能产品制造龙头企业、行业技术创新中心等单位选拔人才，涵盖在机器学习算法优化、计算机视觉系统开发、自然语言处理应用落地等领域有突出成果的技术专家，以及主导过智慧城市、智慧医疗等大型人工智能项目的工程技术人员。

兼职教师要具有扎实的专业知识和丰富的实际工作经验，掌握 TensorFlow、PyTorch 等主流开发框架的高阶应用，熟悉 OpenCV、NLTK 等专业工具库的实践操作。同时，要求其具备良好的技术文档撰写能力和技术成果转化经验，能将企业实际项目中的技术要点、操作规范转化为教学内容。在教育教学能力方面，兼职教师需定期参加学校组织的教学能力培训，学习教学设计、课堂管理等教育教学方法，了解职业教育规律，能够根据学生特点设计教学方案，运用案例教学、项目教学等方式提升课堂效果。

在教学任务方面，兼职教师不仅能承担专业课程教学、实习实训指导和学生职业发展规划指导等工作，还需参与专业课程标准制定、人才培养方案修订，将行业最新技术动态、岗位技能需求融入教学内容。在实习实训指导中，带领学生参与企业真实项目，指导学生完成从需求分析、算法设计到系统部署的全流程实践；针对学生职业发展规划，分享行业发展趋势、职业晋升路径，帮助学生明确职业目标，提供实习就业资源对接等指导。

建立完善的兼职教师聘任管理与考核机制。聘任前，严格审核兼职教师的资质材料、工作业绩和职业道德；聘任期间，定期开展教学质量评价，通过学生评教、同行评议、教学成果验收等方式，考核其教学态度、教学效果和指导成效；每学年进行综合评估，对表现优秀的兼职教师给予表彰奖励，对不达标者进行帮扶或终止聘任，确保兼职教师队伍的教学质量和专业水平。

十、教学条件

（一）教学设施

主要包括能够满足正常的课程教学、实习实训所需的专业教室、实验室、实训室和实习实训基地。

1.专业教室

具备利用信息化手段开展混合式教学的条件，配备智慧教学管理平台，支持教师在线发布课程资料、布置作业、开展实时课堂测验与互动答疑，学生可通过个人终端设备登录平台完成学习任务、提交作业并查看学习进度反馈。配置高清录播设备，可对课堂教学过程进行全程录制，自动生成教学视频资源，方便学生课后复习巩固，同时也可用于教学反思与课程资源建设。

配备黑（白）板、多媒体计算机、投影设备、音响设备，多媒体计算机搭载高性能处理器、大容量内存及独立显卡，确保运行复杂教学软件与高清视频流畅无卡顿；投影设备采用短焦超高清投影仪，具备自动对焦、梯形校正功能，可在多种教室环境下快速完成清晰投影；音响设备实现 360 度环绕立体声效，保证教室内每个角落声音清晰均匀。具有互联网接入或无线网络环境及网络安全防护措施，部署企业级防火墙与入侵检测系统，防止网络攻击与数据泄露，同时设置网络行为管理系统，规范师生网络使用行为，保障教学网络安全稳定。

安装应急照明装置并保持良好状态，应急照明灯具采用 LED 光源，具备高亮度、低能耗特点，在断电情况下自动启动，提供不少于 90 分钟的应急照明时间，确保紧急情况下师生疏散安全。符合紧急疏散要求，安防标志明显，在教室出入口、走廊等关键位置设置荧光疏散指示标志与安全出口标识牌，标识清晰醒目、指向明确；保持逃生通道畅通无阻，定期检查逃生通道，严禁堆放任何杂物，同时在教室前后门配备紧急破拆工具，确保在紧急情况下能够迅速打开通道。

2.校内外实验、实训场所

建立人工智能实验实训室，配备高性能计算服务器、数据采集终端（摄像头、麦克风阵列）、边缘计算设备（如 NVIDIA Jetson 开发板）、数据标注工作站、智能硬件设备（机器人、智能家居套件）、专业软件平台（TensorFlow、PyTorch、OpenCV、语音识别合成 API）等设备设施，实验、实训环境与设备设施对接智能安防、自动驾驶、智能客服、医疗影像诊断等真实职业场景或工作情境，实训项目注重工学结合、理实一体化；同时，配备具有企业实践经验的双师型实验、实训指导教师，建立《实验实训室设备使用规范》《实训项目考核制度》《数据安全管理办法》等实验、实训管理及实施规章制度，确保能够顺利开展数据采集与标注、机器学习模型训练与优化、计算机视觉应用开发、智能语音交互系统搭建 等实验、实训活动。

人工智能机器学习 实训（实验）室

功能：应用于人工智能技术专业实践教学课程的相关实训。

主要设备装备标准：

序号	设 备 名 称	用途	单位	基本配置	适用范围（职业鉴定项目）
1	多媒体计算机	实践操作	台	51	基础算法实训平台、经典算法实验、深度学习实战、阶梯式课程体系
2	服务器	实践操作	台	1
3	交换机	网络设备	台	2
4	路由器	网络设备	台	1
5	实验室桌椅	办公用品	套	50
6	网线布线	网络设备	米	2000
7	黑板	教学设备	块	1

人工智能综合 实训（实验）室

功能：应用于人工智能技术专业实践教学课程的相关实训。

主要设备装备标准：

序号	设 备 名 称	用途	单位	基本配置	适用范围（职业鉴定项目）
1	多媒体计算机	实践操作	台	51	语音与自然语言处理、数据处理与特征工程
2	服务器	实践操作	台	1
3	交换机	网络设备	台	2
4	路由器	网络设备	台	1
5	实验室桌椅	办公用品	套	50
6	网线布线	网络设备	米	2000
7	黑板	教学设备	块	1

人工智能计算机视觉实训（实验）室

功能：应用于人工智能技术专业实践计算机视觉课程的相关实训。

主要设备装备标准：

序号	设 备 名 称	用途	单位	基本配置	适用范围（职业鉴定项目）
1	工业级高清摄像头	采集高质量图像、视频数据，用于目标检测、图像识别等实验	台	分辨率≥800 万像素，支持全局快门、多种接口（GigE/USB3.0），含镜头（定焦 / 变焦可选 ）	计算机视觉实战
2	深度相机	获取场景深度信息，开展三维重建、场景理解等研究	台	结构光（Intel RealSense D400 系列 ）、TOF（微软 Azure Kinect ）类型，具备 RGB + 深度数据输出
3	图像采集卡	实现相机与计算机的数据高速传输，保障图像数据稳定采集	块	适配相机接口，支持高分辨率、高帧率图像采集，兼容主流操作系统
4	GPU 工作站	为深度学习模型训练（如 CNN 训练 ）、复杂视觉算法运算提供算力支撑	台	多 GPU（NVIDIA RTX 系列 ）、高性能 CPU（Intel Xeon/AMD EPYC ）、大内存（≥64GB ）、高速存储（SSD + 硬盘阵列 ）
5	计算机视觉开发平台	集成视觉算法库（OpenCV、TensorFlow Lite 等 ）、开发工具，支持算法开发、调试、部署	套	含服务器主机、预装视觉开发软件，提供图形化操作界面、代码调试环境
6	显示大屏	用于展示图像分析结果、实验数据可视化，方便教学演示、团队研讨	台	4K/8K 分辨率，大尺寸（≥65 英寸 ），支持多信号源接入（HDMI、DP 等 ）
7	光学测试平台	提供稳定光照环境，控制光源角度、强度，辅助光学成像、镜头测试实验	套	含精密光学平台、可调光源（LED 阵列、卤素灯 ）、光阑、滤光片，配套支架
8	标注工作站	配置专业图像标注软件，用于数据集制作（目标框标注、语义分割标注等 ）	台	高性能计算机（多核 CPU、独立显卡 ）、大尺寸显示器（双屏 / 高分辨率 ），预装 LabelImg、CVAT 等标注工具
9	网络存储服务器（NAS）	存储海量图像、视频数据，实现数据共享、备份，保障实验数据安全	台	大容量硬盘（≥10TB ）、支持 RAID 阵列，提供高速网络访问（千兆 / 万兆网口 ）
10	移动载具平台	搭载相机等设备，模拟车载、无人机视觉场景，开展运动视觉实验	台	轮式机器人底盘、无人机机架，支持自主移动、路径规划，适配相机安装

校外实训基地

序号	实训基地名称	主要实训项目	所需实训设备	实训指导及实训实习管理模式
1	山东浪潮优派科技教育有限公司实习实训基地	图像分类与目标检测、数据处理与预处理实训、图像分割与实例分割、文本分类与情感分析	GPU 服务器、高清摄像头、RGB-D 相机、激光雷达、高性能 CPU 主机（或 GPU）、语料库存储服务器	人工智能实训指导与管理围绕分层分类指导体系和多样化管理模式展开。实训指导采用基础层技能筑基、进阶层项目实战、高阶层创新研究的分层框架，运用项目驱动教学、仿真实战结合等方法

3.实习场所基本要求

符合《职业学校学生实习管理规定》《职业学校校企合作促进办法》等对实习单位的有关要求，经实地考察后，确定合法经营、管理规范，实习条件完备且符合产业发展实际、符合安全生产法律法规要求，与学校建立稳定合作关系的单位成为实习基地，并签署学校、学生、实习单位三方协议。

根据本专业人才培养的需要和未来就业需求，实习基地应能提供人工智能算法开发岗、计算机视觉工程师助理岗、自然语言处理实习生岗、数据标注与分析师岗、智能系统运维岗等与本专业对口的相关实习岗位。这些岗位能涵盖当前人工智能产业发展的主流技术，包括但不限于深度学习框架（TensorFlow、PyTorch）的实际应用、Transformer 模型及大语言模型的部署与优化、计算机视觉中的目标检测与图像分割技术、自然语言处理的文本生成与情感分析算法，以及数据挖掘与处理的前沿方法，确保学生接触到行业一线技术。同时，实习基地需具备接纳一定规模的的学生同时实习。

学校和实习单位双方共同制订实习计划，计划中明确不同阶段的实习目标、任务与考核标准。学校配备专业骨干教师作为校内实习指导教师，实习单位安排具有 3 年以上行业经验的技术骨干或管理人员担任实习指导教师，双方协同开展专业教学和职业技能训练。校内教师侧重理论知识的巩固与指导，企业导师则结合实际项目传授实践经验与行业规范。实习单位需建立完善的实习质量评价体系，从专业技能掌握、工作态度、团队协作等维度对学生进行综合考核，考核结果纳入学生实习成绩。此外，实习单位制定涵盖考勤管理、工作规范、安全操作等内容的规章制度，保障学生日常工作、学习、生活有序进行；为实习学生购买实习责任险，提供必要的劳动保护用品，依法依规保障学生的基本权益，确保实习工作安全、规范、有序开展。

（二）教学资源

主要包括能够满足学生专业学习、教师专业教学研究和教学实施需要的教材、图书及数字化资源等。

1.教材选用基本要求

按照国家规定和《滨州科技职业学院教材管理办法》，经过规范程序选用教材，优先选用国家规划教材和国家优秀教材。专业课程教材应体现本行业新技术、新规范、新标准、新形态，并通过数字教材、活页式教材等多种方式进行动态更新。

（1）内容全面：教材应该覆盖所涵盖的学科范围内的所有主题和概念，并提供足够的深度和广度，以满足学生的学习需求。

（2）准确性：教材应该准确反映当前学科领域的最新知识和理论，避免过时或错误的信息。

（3）清晰易懂：教材应该以清晰简洁的语言编写，易于理解和掌握，避免过多的专业术语和复杂的语法结构。

（4）有针对性：教材应该针对特定的教学目标和学生群体，内容和难度应该与学生的知识水平和学习需求相匹配。

（5）启发思考：教材应该引导学生思考和探索，提供问题和案例分析，促进学生的批判性思维和问题解决能力。

（6）丰富多样的资源：教材可以包括各种各样的资源，如案例研究、实例、练习题、扩展阅读等，以丰富教学内容，满足不同学生的学习风格和需求。

（7）与课程目标对齐：教材应该与课程目标和教学大纲保持一致，帮助学生达到课程预期的学习成果。

（8）注重实践应用：教材可以结合实际案例和应用场景，帮助学生将理论知识应用到实际问题中，并培养实践能力和创新思维。

（9）反馈机制：教材可以提供学生反馈机制，如答案解析、错题讲解等，帮助学生及时纠正错误，提高学习效果。

（10）可持续更新：教材应该具有一定的灵活性和可更新性，以适应学科领域的不断发展和变化，确保教学内容的及时性和有效性。

2.图书文献配备基本要求

图书文献配备能满足人才培养、专业建设、教科研等工作的需要。专业类图书文献主要包括：人工智能基础理论类图书，如《人工智能：现代方法》《机器学习》《深度学习》等经典教材，系统阐述人工智能核心算法、模型架构与数学原理；技术应用类图书，涵盖计算机视觉领域的《计算机视觉：算法与应用》、自然语言处理方向的《统计自然语言处理基础》等，详细介绍各领域技术实践与项目开发流程；工具与框架类图书，例如《TensorFlow 实战》《PyTorch 深度学习实战》，指导学生掌握主流人工智能开发工具的使用方法；行业应用案例类图书，收集智能安防、智能医疗、智能金融等领域的实际项目案例集，剖析人工智能技术在不同场景下的落地应用；专业学术期刊如《ArtificialIntelligence》《中国图象图形学报》《计算机学报》，以及有关人工智能伦理、人工智能与交叉学科融合类图书等，及时配置新经济、新技术、新工艺、新材料、新管理方式、新服务方式等相关的图书文献。

3.数字教学资源配置基本要求

建设、配备与本专业有关的人工智能算法原理动画演示、机器学习框架操作实录、自然语言处理项目开发全流程音视频素材、《人工智能数学基础》《深度学习进阶》《计算机视觉应用》配套教学课件、智能语音交互系统开发、AI辅助药物研发、工业缺陷智能检测数字化教学案例库、AI虚拟训练平台、智能决策仿真系统、无人车模拟驾驶虚拟仿真软件等专业教学资源库，种类丰富、形式多样、使用便捷、动态更新、满足教学。

十一、质量保障

（1）建立专业人才培养质量保障机制，健全专业教学质量监控管理制度，改进结果评价，强化过程评价，探索增值评价，吸纳行业组织、企业等参与评价，并及时公开相关信息，接受教育督导和社会监督，健全综合评价。完善人才培养方案、课程标准、课堂评价、实验教学、实习实训、毕业设计以及资源建设等质量保障建设，通过教学实施、过程监控、质量评价和持续改进，达到人才培养规格要求。

（2）完善教学管理机制，加强日常教学组织运行与管理，定期开展课程建设、日常教学、人才培养质量的诊断与改进，建立健全巡课、听课、评教、评学等制度，建立与企业联动的实践教学环节督导制度，严明教学纪律，强化教学组织功能，定期开展公开课、示范课等教研活动。

（3）教研室建立线上线下相结合的集中备课制度，定期召开教学研讨会议，利用评价分析结果有效改进专业教学，持续提高人才培养质量。

（4）建立人工智能技术应用专业毕业生跟踪反馈机制及社会评价机制，并对生源情况、职业道德、技术技能水平、就业质量等进行分析，定期评价人才培养质量和培养目标达成情况。

十二、毕业要求

（1）根据专业人才培养方案确定的目标和培养规格，完成规定的实习实训，全部课程考核合格或修满学分，准予毕业。

（2）人工智能技术应用专业学生毕业时，需系统完成机器学习、深度学习等核心课程的理论与实践学习，按计划修满全部学时，无缺课及未完成任务情况，通过课程考核构建完整知识体系，且专业课程成绩均达 60 分以上，修满规定学分并达到专业平均成绩标准；同时，要熟练运用开发框架与编程语言，积极参与学科竞赛、科研项目或企业实习；在学习实践中，恪守学术规范与职业操守，杜绝学术不端，注重团队协作与自主创新；此外，还应能从多维度评估技术应用影响，具备良好的技术文档撰写与项目汇报能力，树立终身学习理念，以确保在专业知识、实践能力、职业素养和综合素质等方面均达到毕业要求，适应行业发展需求 。

（3）接受职业培训取得的职业技能等级证书、培训证书等学习成果，经学校认定，可以转化为相应的学历教育学分；达到学业要求的，可以取得相应的学业证书。

十三、其他说明

专业素质拓展选修模块的课程，以及考取的专业相关职业技能（资格）证书，不计入课内学时，不计入总学分，可与相关课程进行学分置换。

大数据相关的职业技能（资格）证书学分置换标准：

项目	级别	学分置换标准	证明材料
人工智能技术应用相关的职业技能（资格）证书	高级	4	职业技能（资格）证书
	中级	2
	初级	1

人工智能相关职业技能大赛学分置换标准：

项目	级 别	获奖等级	学分置换标准	证明材料
人工智能技术应用相关职业技能大赛	世界级	一等奖	10	获奖证书
		二等奖	8
		三等奖	6
	国家级	一等奖	8
		二等奖	7
		三等奖	5
	省级	一等奖	4
		二等奖	3
		三等奖	1
	市级	一等奖	2
		二等奖	1
		三等奖	0.5

备注：根据赛事类别、等级以及对其赛项的贡献程度酌情调整学分置换标准，置换总学分不超过10分。

该人才培养方案适用于2025级人工智能技术应用专业国防班学生。