所属学科

电子信息类

涵盖学科

计算机科学

课程门数

7

修业年限

2年

总学时

336学时

总学分

21

1

机器学习原理与应用

机器学习原理与应用课程旨在介绍机器学习的基本概念、理论和方法。课程内容涵盖监督学习、非监督学习、强化学习等主要学习范式，以及相关的算法和技术，如决策树、支持向量机、神经网络、聚类分析等。学生将学习如何使用机器学习技术解决实际问题，包括数据预处理、特征选择、模型评估和优化等。课程还将探讨机器学习在不同领域的应用，如图像识别、自然语言处理、推荐系统等。

2

深度学习原理与应用

深度学习原理与应用课程旨在介绍深度学习的基本概念、理论基础和实际应用。课程内容涵盖神经网络的基本结构、前向传播和反向传播算法、卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等。学生将学习如何使用深度学习框架（如TensorFlow和PyTorch）进行模型构建、训练和优化。此外，课程还将探讨深度学习在图像识别、自然语言处理、语音识别等领域的应用案例，帮助学生理解深度学习技术的实际价值和挑战。

3

大数据原理与应用

大数据原理与应用课程旨在介绍大数据的基本概念、技术原理和应用实践。课程内容涵盖大数据的定义、特征、来源和价值，以及大数据存储、处理、分析和可视化技术。学生将学习如何使用Hadoop、Spark等大数据处理框架，并了解大数据在不同行业中的应用案例。

4

智能数据分析与应用

智能数据分析与应用课程旨在培养学生使用Python语言进行数据处理、分析和可视化的能力。课程内容涵盖数据清洗、数据转换、统计分析、机器学习基础以及数据可视化技术。通过实际案例分析，学生将学习如何运用Pandas、NumPy、Matplotlib、Seaborn等库进行数据探索和解释。课程强调实践操作，帮助学生掌握数据分析的整个流程，为未来在数据科学领域的职业发展打下坚实基础。

5

自然语言处理

自然语言处理（NLP）是人工智能领域的一个重要分支，专注于计算机与人类语言之间的交互。本课程旨在介绍NLP的基本概念、理论和应用。课程内容包括语言学基础知识、文本预处理、词法分析、句法分析、语义理解、情感分析、机器翻译等。通过本课程，学生将掌握NLP的核心技术和方法，能够设计和实现基本的自然语言处理系统。同时，课程还将介绍NLP在搜索引擎、智能客服、语音识别等领域的实际应用案例，帮助学生了解NLP技术在现实世界中的应用价值。

6

计算机视觉与图像处理

计算机视觉与图像处理课程是一门综合性的学科，旨在培养学生理解和掌握计算机视觉和图像处理的基本理论、方法和技术。课程内容包括图像处理的基础知识，如图像的获取、存储、显示、增强、恢复、压缩等；计算机视觉的基本概念，如图像特征提取、三维重建、运动分析、场景理解等。通过本课程的学习，学生将能够运用所学知识解决实际问题，如图像识别、视频监控、自动驾驶等。

7

智能系统设计与开发

智能系统设计与开发课程旨在介绍智能系统的基本概念、设计原则和开发方法。课程内容涵盖智能系统的核心技术，如机器学习、数据挖掘、自然语言处理和计算机视觉等。学生将学习如何构建和优化智能系统，以解决实际问题。课程还包括智能系统的应用场景分析，如智能家居、智能交通和智能医疗等。通过理论学习和实践操作，学生将掌握智能系统的设计与开发技能，为未来在人工智能领域的职业发展打下坚实基础。

机器学习原理与应用

3

48

32

16

考查

1（秋学期）

线上+线下

深度学习原理与应用

3

48

32

16

考查

2（春学期）

线上+线下

大数据原理与应用

3

48

32

16

考查

2（春学期）

线上+线下

智能数据分析与应用

3

48

32

16

考查

3（秋学期）

线上+线下

自然语言处理

3

48

32

16

考试

3（秋学期）

线上+线下

计算机视觉与图像处理

3

48

32

16

考试

4（春学期）

线上+线下

智能系统设计与开发

3

48

32

16

考查

4（春学期）

线上+线下