一、微专业基本情况

二、教学计划表

三、课程简介

1.课程中文名称：机器学习理论与应用   
课程英文名称：Machine Learning Theory and Applications 

主要内容：

《机器学习理论与应用》课程旨在培养学生掌握机器学习的基本思想，并借以实现人工智能的基本应用能力。本课程将介绍机器学习的基本概念和原理，深入探讨经典的算法模型如包括KNN、线性回归、逻辑回归、SVM以及神经网络的基础理论，并教授如何使用将这些算法转换为Python代码并实现具体的应用。通过学习，学生将能够构造简单的模型，并实现从数据获取和预处理到模型训练和预测的完整流程，为未来AI职业生涯奠定坚实基础。

教材：自编教材

参考书目：《机器学习实战：基于Scikit-Learn、Keras和TensorFlow 原书第3版》/[法] 奥雷利安·杰龙（Aurélien Géron） 著

2.课程中文名称：深度学习与智能应用   
课程英文名称：Deep Learning and Intelligent Applications 

主要内容：

《深度学习与智能应用》课程旨在培养学生掌握深度学习的思想和核心开发技术。本课程将全面讲授基于神经网络的深度学习技术的基本概念、主要结构、核心方法和关键应用。主要内容包括：神经网络的基本概念、网络基本结构及各种激活函数，深度学习的实用算法如MLP、CNN、RNN等以及具体的应用案例。详尽介绍使用Python和PyTorch进行深度学习的探索实践，涉及计算机视觉、自然语言处理、生成式模型等。通过本课程，学生将具备搭建自己的深度学习环境、建立图像识别模型、及序列化数据预测预测模型的能力，为未来从事AI相关工作打下坚实基础。

教材：自编教材

参考书目：《动手学深度学习PyTorch版》/阿斯顿·张（Aston Zhang），李沐（Mu Li）等著

3.课程中文名称：图像理解与计算机视觉   

课程英文名称：Image Understanding and Computer Vision 

主要内容：

《图像理解与计算机视觉》课程是AI科学领域的一个重要分支，旨在让计算机系统具备人类视觉西东的能力，实现对图像和视频的理解、分析和处理。本课程将带领学生深入了解计算机视觉的基本理论和应用技术，培养学生的图像处理和模式识别能力，详细介绍计算机视觉领域的重要分类应用，如图像分类、目标检测、语义分割等，更强调这些技术在实际项目中的运用。课程紧密结合实际业务需求，为他们今后在AI领域的发展奠定坚实的基础。

教材：自编教材

参考书目：《PyTorch计算机视觉实战：目标检测、图像处理与深度学习》/ [印] V·基肖尔·阿耶德瓦拉，[印] 耶什万斯·雷迪 著

4.课程中文名称：自然语言处理（NLP）  
课程英文名称：Natural Language Processing (NLP) 

主要内容：

《自然语言处理（NLP）》是一门研究人类语言和计算机之间交互的学科，设计语言的理解、生成和应用。主要内容包括：NLP的基本概念、常用的NLP技术和算法、NLP任务的实践应用、NLP在特定领域的应用案例等，涵盖主题有：中文分词和词性标注、句法分析、信息提取和知识图谱、文本分类和情感分析、机器翻译和语言生成等。本课程的目标是帮助学生了解NLP的核心概念和方法，培养其在实践中应用NLP技术的能力，包括机器翻译、信息提取、情感分析等，具备一定的自然语言处理实践能力。

教材：自编教材

参考书目：《深度学习进阶》/ [日] 斋藤康毅 著

5.课程中文名称：大模型技术与应用   
课程英文名称：Large Model Technologies and Applications 

主要内容：

《大模型技术与应用》课程主要目前最流行的多模态与AIGC（人工智能生成内容）的基本概念、原理和技术及工具的使用。内容主要包括：多模态与AIGC技术的基本原理和实现方法、在各个领域的应用场景，具体案例的分析和实现，以实际应用为主线，介绍ChatGPT、StableDiffusion等大模型的应用方法，以及与各类开发工具的整合应用。培养学生能够在大模型工具的帮助下，结合自身的专业背景，高效高质量地完成各类任务需求的能力。

教材：自编教材

参考书目：《大规模语言模型：从理论到实践》/ 张奇，桂韬，郑锐，黄萱菁 著

6.课程中文名称：人工智能综合实践

课程英文名称：Comprehensive Practice of Artificial Intelligence

主要内容：

《人工智能综合实践》课程作为本微专业的重要实践课程，要求学生能够综合运用人工智能的基础理论并选用合适的模型和方法来解决实际应用中的问题。计算机方向实践项目包括手写数字识别、人脸识别、图像/视频中的目标物体检测、命名实体识别等综合案例；物联网方向实践项目则包括智能家居、智慧健康监测、空气污染监测、老人跌倒监测等综合案例。要求学生能够完成需求分析、模块划分、采用合理的算法模型、对数据进行采集和预处理、并完成训练、验证和预测的完整流程。同时可以结合本专业的实际应用场景，设计和运用人工智能解决具体的专业问题。学生通过对本课程的学习，使学生掌握有关AI应用开发的方法、流程和工具；培养管理AI应用开发项目的基本能力，并对项目中遇到的困难进行自主学习、研究和解决的能力。

教材：自编讲义

参考书目：无

四、学业管理与证书发放

（一）学分获取情况

学生必须修读本微专业培养方案规定的16个学分方能结业。微专业课程考核不合格者，学院安排一次补考，补考不及格者，须重修学习（按照 140 元/学分收取重修费）。微专业课程考核不合格的，不影响评奖评优和主修专业毕业资格。

每节课考勤，缺课超过三分之一的不予获得该课程的学分。

考核方式包括过程性考核和期末考核。

过程性考核成绩占总成绩的30%，其中平时作业占比10%、实验成绩占比10%，考勤占比10%。期末考核形式为笔试+大作业的形式，占总成绩的70%。

（二）证书发放

修读年限为一至二学年。学生修完本微专业培养方案规定的课程，并取得合格成绩，即可获得对应的学分；学分修满后方可获得微专业证书，证书由教务处统一发放。

（三）不发放证书情况

在修读年限内未能修满规定学分的，只发放修读成绩证明，不发放微专业证书。

（四）其他

1.微专业是非学历教育，不在中国高等教育学生信息网（学信网）备注信息，不授予学位。

2.微专业课程单列成绩单，计入学生学业档案。微专业修读课程所获学分不可转换为本科专业课程学分。

3.学生主修专业学业结束，无论毕业或者结业离校，微专业学习同时终止。

  五、微专业联系人及咨询方式

报名请扫码，截止日期为2024年9月19日。信息工程学院对报名的学生进行遴选，确定并公布录取名单。

信息工程学院人工智能微专业管理老师：薛老师，电话：13382761734，办公地点：理工B致理楼538室。咨询QQ群：955747896。