智能

5大培养方向 教育部印发人工智能领域研究生指导性培养计划试行

近日,教育部学位管理与研究生教育司印发《关于印发人工智能领域研究生引导培养方案(试行)的通知》。

人工智能技术应用领域_人工智能三大应用领域_人工智能应用领域之一

通知指出,根据教育部印发的《关于高等学校“双一流”建设推进学科融合加快人工智能领域研究生培养的若干意见》,国家发改委发改委、财政部、教育部成立人工智能高层次人才培养专家委员会。 在广泛研究论证的基础上,专委会研究制定了《人工智能领域研究生指导培养方案(试行)》,现予印发。 请开展人工智能领域研究生培养的相关“双一流”院校结合本校学科建设和人才培养特点,制定并进一步完善相关研究生培养方案。

五个主要培养方向:

(一)人工智能基础理论研究相关方向

(二)人工智能常用技术相关研究方向

(三)人工智能支撑技术研究方向

(4)人工智能应用技术相关研究方向

(5)人工智能与智慧社会治理相关研究方向

人工智能领域研究生指导培养方案(试行)

为贯彻落实教育部、国家发展改革委印发的《关于高等学校“双一流”建设推进学科融合加快人工智能领域研究生培养的若干意见》,财政部和财政部进一步深化人工智能领域研究生培养改革,引导高校建设增强前瞻性。 为开展基础研究、突破转化性原创成果,培养适应建设创新型国家迫切需要的高水平基础理论人才和复合型创新人才,特制定本指导性培养计划。

1. 培训目标

适应新科技和产业革命发展趋势,服务国家重大战略和经济社会发展特别是智能化发展转型需要,面向原始创新、产业升级和技术创新的实际需要。 在艺术与劳动全面发展的基础上,培养在人工智能领域相关学科具有扎实、宽广的理论基础和系统、深入的专业知识,具有从事基础前沿研究能力的学生、解决实际问题并开展交叉创新应用,并具有高度的社会责任感。 高层次复合型人才。

(一)道德品质。 热爱祖国、热爱人民,拥护党的路线方针政策,树立和践行社会主义核心价值观。 遵守法律法规,有强烈的社会责任感和敬业精神,具有良好的道德品质,恪守科研诚信和道德,严格遵守学术规范,具有国际视野、创新意识和团队精神,愿意为中国特色社会主义事业作出贡献。

(2)知识水平。 在相应硕士、博士层次所需的自然科学和人文社会科学常识基础上,具有扎实的人工智能领域相关学科的基础理论知识和专业技能,对人工智能领域的发展有深入的了解本领域方向,系统掌握人工智能学科相关研究领域的理论、技术和方法,具备多学科知识体系和学习能力。 博士生应广泛掌握人工智能国际前沿学术方向和行业先进技术趋势,了解国际前沿理论、技术和需求热点; 硕士生应注重巩固本领域的基础理论,快速掌握跨学科知识和共性技术,并能综合应用。

(三)能力素质。 具有独立的科研能力和独立的学习能力,包括发现问题和提出问题、设计实验和分析处理数据、设计优化算法、设计和开发软硬件、总结、凝练和表达研究成果、进行学术交流的能力。 博士生突出原始创新能力提升,具有较强的体系建设能力和一定的科研组织能力,能够在解决行业企业重大工程项目中凝练科学问题、创新研究方法、转化先进技术,深入开展研究工作。多领域交叉创新应用并开展学术交流,能够在高等院校和研究机构承担教学科研工作,从事人工智能工程技术项目管理工作等。硕士生应注重提高综合应用能力能力,具有人工智能系统的设计、实施、测试和应用验证能力,以及良好的专业素养和沟通协作能力,能够综合运用多学科理论和技术解决行业企业面临的实际问题在智能化方面。

(四)适应国家发展需要和人工智能发展趋势,满足本校或本领域及相关技术方向培养高层次人才的具体目标。

2. 培养方向

按照教育部、国家发展改革委、财政部关于“深化人工智能内涵,构建基础理论人才和‘人工智能+模型’并重的培养体系”的文件”和“以人工智能在工业行业应用为引领,拓展核心技术和创新方法,实现人工智能对相关学科的赋能和变革,形成‘人工智能’复合发展新模式”的要求+X'”,符合本领域的具体培养方向,与发展定位、学校学科布局、师资结构相适应,可参考以下设置:

(1)人工智能基础理论研究的相关方向,如:人工智能模型与理论、人工智能数学基础、优化理论学习方法、机器学习理论、脑科学与类脑智能等。

(2)与人工智能常见技术相关的研究方向,如:智能感知技术、计算机视觉、自然语言理解、智能控制与决策等。

(三)人工智能支撑技术研究方向,如:人工智能架构与系统、人工智能开发工具、人工智能框架与智能芯片等。

(四)与人工智能应用技术相关的研究方向,包括但不限于:智能制造、机器人、无人驾驶、智能网联汽车、智能交通、智能医疗、机器翻译和科学计算等,充分发挥人工智能应用技术的优势。人工智能对各学科的影响或领域的赋能作用,形成特色培养方向。

(5)人工智能与智能社会治理相关的研究方向,如基于人工智能技术属性与社会属性紧密结合的人工智能伦理与治理,以及可信安全、公平、隐私等方面的相关技术方向保护。

三、训练方法

人工智能具有多学科融合、渗透、支撑力强的特点。 培训单位要按照推动“人工智能与实体经济深度融合”的要求,结合本单位优势,以改革为动力,打破学科壁垒,加强内部教育教学资源整合和共享,积极促进校企、校校及国内外交流。 合作鼓励各学校积极探索人工智能领域研究生培养新模式,在学科交叉融合、跨界融合、强化实践、个性化培养等方面积累新经验。

在培养计划方面,鼓励师生共同制定个性化培养计划,让学生在选择课程和选题方面拥有更多主动权。 深入推进科教融合、产教融合,坚持理论与实践相结合,加强实践应用培训。

在课程设置上,加强研究生学位核心课程建设,巩固研究生基础知识和专业知识,在深化人工智能核心知识学习的同时,注重人工智能理论与技术的延伸。到相关学科。 实现跨层次、跨学科、跨校的课程资源共享,探索不同学科的教师联合开设跨学科课程。 实践课程要积极与企业合作探索行业案例教学。 应将相关科技伦理纳入教学。 课程体系及核心课程参考建议见附件1、附件2。 延伸课程由培养单位根据人才培养特点设置。

教学方式上,积极开展项目引导式研讨式、案例式、实践教学,鼓励企业专家参与案例教学、实践教学等,探索学生通过实践学习的课程学习模式。自学并通过严格考核获得学分。 鼓励科研成果与教学成果转化、科研方法与教学方法渗透、教学问题与科研问题双向延伸等。

在导师指导方面,我们积极推行导师组、导师组指导方式。 鼓励采用多学科导师联合指导,培养复合型人才。 根据实际情况,在组建导师团队时,我们积极聘请企业导师以及外部学校、科研院所的专家。

在科研训练方面,鼓励研究生积极参与前瞻性理论问题、关键技术突破问题和重大应用实践问题的研究,培养研究生的问题意识、拓展学术视野。 保证基础科研训练强度,夯实研究生科研能力。

在实习实践方面,我们突出产教融合,加强校企合作,着力用真刀真枪解决实际问题。 在培训计划中设立专门的实习实践环节,加大实践培训的力度和比例。

在考核评价方面,要突出考察对创新科技前沿和解决实际问题的实质性贡献,打破学科壁垒和“仅学术论文”的评价方式,探索多元评价、交叉评价。纪律评估。 跨学科思维和科研能力的提升被视为博士生的重要考核内容。

在培养环境上,积极构建跨学科、宽领域、科研方向长期稳定的培养环境,鼓励硕博连读、直读博士、创新一体化培养模式各学科的本科生、硕士生、博士生。

培养单位要按照有关要求,积极探索分类研究生培养各环节具体改革措施,努力以人工智能人才培养为抓手,推动研究生教育改革取得新突破。

4. 质量保证和支持机制

重点从以下几个方面完善质量保证体系和支撑体系建设,制定具体的质量监督和支撑措施。

(一)树立适合人工智能领域研究生培养的严格、多元的质量观,形成活跃、优秀的质量文化,将质量管理贯穿于培养全过程。

(二)以智能化管理保障人工智能领域人才培养,建立反映研究生学籍、学分、培养计划、课程学习、实验记录、学术交流、专题报告等关键环节信息的数据库,研究实践等,并利用互联网与大学进行交流。数据技术可以实现培养质量预警、教学科研辅助等。

(三)实施以学生成长成才为中心的教育质量评价。 在引导学生德、智、体、艺、体全面发展的同时,结合人工智能基础前沿创新和综合型人才培养特点,优化完善论文答辩制度、学位评定委员会评价制度、跨学科学位论文评审制度、学位论文跟踪制度,强化培养过程的选拔和分流,确保学位授予质量。

(四)建立一支学术结构多元、理论基础深厚、跨学科实践经验丰富、热情高涨、责任心强的评估专家队伍,为多学科评估发展提供支撑。

(五)加强研究生思想政治教育、科研诚信和科学道德教育,加大对学术不端行为的处罚力度。

(六)建立奖励激励机制和荣誉制度,加大对品学兼优、成绩突出、贡献突出的学生的奖励。

(七)建立开放教育资源联盟,加强内部教学实验设施、设备和数据的安全共享。

(八)积极拓展企业合作资源,充分利用网络和地理优势,探索多种模式的合作机制,建立持久务实的合作关系。 通过人才推荐、科研成果转化等机制,提高行业培养人才的积极性,与企业共同优化教材和系列课程,积极吸引企业开放行业案例和数据集。

(九)根据学科发展最新动态和人才培养需求变化,及时调整培养计划。

附件1:

人工智能三大应用领域_人工智能应用领域之一_人工智能技术应用领域

附件2

核心课程参考建议

1.基础知识课程

(一)人工智能模型与理论

本课程将重点介绍人工智能的基本算法、模型和理论。 内容主要包括以符号主义为核心的逻辑推理、以问题解决为核心的探究与搜索、以数据驱动为核心的机器学习、以行为主义为核心的强化学习、以游戏对抗为核心的决策智能以及其他算法,以及人工智能与科学计算相结合的算法。

(2)数学优化

机器学习、计算机视觉、自然语言处理等技术不断发展,优化技术逐渐成为人工智能领域重要的数学基础。 本课程从凸优化出发,介绍优化的核心原理、基本方法和前沿技术,为智能化方向的科学探索做好理论准备。 本课程将帮助学习者正确理解优化复杂度的概念,掌握分析凸优化复杂度的基本方法,了解一阶和二阶方法对不同问题类型的求解性能,熟悉免疫算法、粒子群算法等各种优化方法的基本思想,不断提高分析和解决实际问题的能力。

(3)机器学习

本课程致力于介绍经典的机器学习算法,让学生初步掌握机器学习领域的基本方法和蓝图。 通过掌握机器学习的算法和理论知识,您将能够查阅和理解相关领域的前沿文献,同时能够熟练运用相关机器学习算法解决人工智能领域的热门应用问题。智能,为未来深度学习相关的教学、科研和项目开发做好准备。 为在工作中深入解决实际应用问题打下坚实的基础。

2、专业知识课程

(1)计算机视觉

计算机视觉是关于如何让机器“看见”的科学技术。 通过对采集到的图片或视频进行处理来获取相应场景的三维信息,是人工智能的一个重要分支。 它用于自动驾驶、虚拟现实、生物识别和安全。 监控、智能制造等领域发挥着重要作用。 本课程首先介绍计算机视觉的发展历史和主要应用,然后讲解计算机视觉的主要任务和应用场景,包括成像原理、边界和曲线、图像分类、图像分割、目标检测、形状分析、纹理分析、和图像重建。 结构、图像生成、人脸识别等; 重点介绍上述主要任务中的关键技术问题和重大技术突破,以及这些任务的主流方法,特别是基于统计模式分类和人工神经网络的方法。

(2)自然语言处理

自然语言处理是关于利用自然语言在人与计算机之间进行有效通信的各种理论和方法。 它是人工智能的重要研究内容,在网络搜索、广告、电子邮件、客户服务、语言翻译、医疗诊断等领域得到广泛应用。 课程的具体内容包括自然语言处理中的词法分析、句法分析、语义分析和语用分析等基本任务,以及情感倾向分析、文本摘要、对话系统、问答系统和机器翻译。 问题和难点,以及如何利用机器学习、深度学习等方法解决各种自然语言处理问题。

(3)神经与认知科学概论

本课程是神经认知科学的入门课程,涵盖认知心理学、神经科学、计算机科学等基础科学的交叉与融合。 首先,我们介绍了神经认知科学的基本概念、历史和发展现状,并进一步解释了基于认知活动的大脑机制,即人脑如何使用其各个层面的组成部分,包括分子、突触、细胞、脑组织并利用全脑来实现各种认知活动,最后介绍相关的计算模型和算法。 课程将从细胞机制和神经元模型、大脑的结构和功能组织、感知原理和模型、记忆的基本理论和模型、学习机制和学习算法、神经网络的概念、结构和应用等方面展开。尖峰神经网络。 目的是加深学生对认知神经科学的理解。 通过本课程的学习,学生应掌握认知神经科学的基本内涵,熟悉学习、记忆等借鉴脑机制的计算模型和算法,启发学生理解认知神经科学的可解释性、自适应学习和非线性。人工智能。 关于完全信息推理等基础理论瓶颈问题的思考。

(4)人工智能安全与治理简介

本课程将介绍人工智能系统的安全问题、常见的攻防方法以及人工智能技术引发的伦理道德问题,并探讨相应的治理技术。 通过本课程的学习,学生可以了解人工智能技术的安全与伦理问题,了解相关的治理规范和防御方法,助力人工智能技术的健康发展。

(5)机器人与智能控制概论

机器人是人工智能的重要载体,机器人学是一门高度交叉、前沿的学科。 本课程讲解机器人及控制领域的基础知识和最新研究成果,主要包括机器人运动学和动力学,基于视觉、激光、超声等多传感器信息的场景感知技术,以及最新人工智能的运用。智能方法实现机器人的智能控制。

(6)人工智能架构及系统

本课程讲解支持深度学习的计算机系统架构和设计方法,包括人工智能算法硬件加速、软硬件协同智能计算架构、云边端智能系统以及后摩尔时代智能计算的发展趋势时代。