一、专业简介

人工智能是以计算机科学为基础，融合了数学、统计学、控制科学、心理学、哲学等多个学科领域的交叉学科，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新兴技术科学。人工智能的研究目标是让计算机像人类一样进行思考、学习、决策和解决问题，即通过深入研究智能的本质，生产出能够与人类智能相似的方式做出反应的智能机器。人工智能专业领域的研究包括机器学习、计算机视觉、自然语言处理、知识工程、智能机器人、专家系统及产业应用等。

中国石油大学（北京）的人工智能专业成立于2018年12月12日，是国内外资源能源领域第一个人工智能专业。经过几年来的探索与实践，按照“高起点，高层次，新体制，新机制，小实体，大平台”的建设思路，有效汇聚了人工智能英才，构建了行业特色的智能化人才培养体系，并在能源行业智能化发展中发挥越来越重要的作用。

二、专业培养目标

培养具有强烈的社会责任感、高尚的职业精神，具备宽厚的人文社会科学、自然科学和工程综合素养、宽广的人工智能专业知识，具有较强的获取新知识能力、组织协调能力、解决专业问题的能力、创新创业意识、国际交流合作能力，能够在石油石化企业、互联网和IT企业研发部门、学科交叉研究机构从事科学研究、技术开发、工程设计和经营管理的学术骨干、技术骨干和管理人才。毕业五年后能达到以下基本要求：

（1）能够独立从事人工智能相关技术领域、交叉领域的数据挖掘、数据分析、系统设计与开发等工作，具有较好的技术创新能力；

（2）胜任油气能源等相关行业的人工智能技术应用、系统开发部署、智能化项目实施与管理等工作，具备解决专业领域关键技术难题的基本能力；

（3）能够在研究、设计、开发以及生产团队中担任管理者或重要角色；

（4）能够持续更新专业知识，不断提高专业能力，紧跟信息与智能技术领域发展；

（5）有良好的职业修养与道德水准，有意愿并有能力服务社会。

三、毕业要求

（一）知识和能力要求

1.        工程知识：能够将数学、自然科学、工程基础和专业知识用于解决人工智能领域复杂工程问题。掌握与人工智能紧密相关的计算机科学、统计学、机器学习等学科的基础理论和方法；掌握一到两门主流的计算机程序设计语言、至少一种机器学习编程框架，掌握面向对象程序设计思想，能够对具体问题进行抽象分析和设计, 并进行程序的实现。

2.        问题分析：能够应用数学、自然科学和工程科学的基本原理，识别、表达、并通过文献研究分析人工智能领域复杂工程问题，以获得有效结论。

3.        解决方案：能够给出针对人工智能在各个应用领域中的复杂工程问题的解决方案，确定开发设计目标与技术指标，设计满足特定需求的系统，能对其进行测试、评价和优化，并能够在设计环节中体现创新意识，考虑社会、健康、安全、法律、文化以及环境等因素。

4.        领域研究：能够基于科学原理并采用科学方法对人工智能领域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。

5.        智能工具：能够针对人工智能领域复杂工程问题，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。

6.        社会责任：能够基于人工智能工程相关背景知识进行合理分析，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。

7.        可持续发展：能够理解和评价针对人工智能领域复杂工程问题的工程实践对环境、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、社会责任感，能够在人工智能领域工程实践中理解并遵守工程职业道德和规范，履行责任。

9.        团队合作：能够在人工智能领域多学科背景下的团队中承担个体、团队成员以及负责人的角色。

10.     有效沟通：能够就人工智能领域的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、清晰表达或回应指令。并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。

11.     项目管理：理解并掌握工程管理原理与经济决策方法，并能在多学科环境中应用。

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。

四、主干学科

计算机科学与技术、智能科学与技术

五、专业核心课程

高级语言程序设计、离散数学、数值分析、数据结构与算法分析、计算机网络原理、人工智能原理、机器学习、深度学习基础、强化学习、自然语言处理、机器视觉、数据挖掘、最优化原理与方法、人工智能系统平台实训、计算机组成原理、智能算法设计实践、智能系统综合设计。

2024级人工智能专业培养方案课程安排表

一、专业教育必修课

课程模块		课程代码	课程名称	学分	总学时	理论学时	实验学时	实践学时	上机学时	开课学期
专业教育必修课	学科基础课	100616M016	高等数学A（Ⅰ）	6	96	96				1
		100916M001	线性代数（全英文）	3	48	48				1
		100616M005	概率统计基础	3	48	48				2
		100616M017	高等数学A（Ⅱ）	6	96	96				2
		100627M009	大学物理B（Ⅰ）	4	64	64				2
		100627M010	大学物理B（Ⅱ）	4	64	64				3
		要求学分: 26
	专业基础课	102133C001	数据结构与算法分析	3	48	32			16	2
		101400C001	数值分析	2	32	24			8	3
		102014T012	离散数学	3	48	48				3
		102014T015	计算机组成原理（全英文）	3	48	48				3
		102014T044	高级语言程序设计（Ⅰ）（全英文）	2	32	32				3
		102014C011	计算机网络原理	3	48	40	8			4
		102137T004	最优化原理与方法	2	32	32				4
		要求学分: 21
	专业主干课	102133C002	人工智能原理	3	48	40			8	2
		102133C003	机器学习	3	48	32			16	3
		102137T008	人工智能专业英语	2	32	32				3
		102014T003	强化学习	3	48	48				4
		102137C001	深度学习基础	2	32	24			8	4
		102133C010	自然语言处理	2	32	28			4	5
		要求学分: 20
	要求学分: 67,     要求完成子模块数: 3

二、专业教育选修课

课程模块		课程代码	课程名称	学分	总学时	理论学时	实验学时	实践学时	上机学时	开课学期
专业教育选修课	学科拓展组	102133C005	数据库概论	3	48	24			24	2
		102137C002	数字信号处理基础	3	48	40			8	3
		100514C021	Java语言程序设计	3	48	32			16	4
		100514C075	操作系统	3	48	40			8	4
		102014T018	编译原理	3	48	48				4
		102133C006	大数据技术基础	3	48	32			16	6
		100514C024	信息安全	2	32	24			8	7
		100514T001	软件工程	2	32	32				7
		要求学分: 5
	专业拓展组	102014T046	智能计算机系统结构（全英文）	3	48	48				5
		102137T006	人工智能概论与实战	2	32	32				5
		100514C022	计算机图形学	3	48	38			10	7
		要求学分: 8
	油气智能组	102133T001	油气人工智能导论	2	32	32				1
		102133T005	人工智能与石油工程	2	32	32				6
		要求学分: 4
	要求学分: 17,     要求完成子模块数: 3

三、集中性实践教学环节

课程模块	课程代码	课程名称	学分	总学时	理论学时	实验学时	实践学时	上机学时	开课学期
集中性实践教学环节	102133P006	人工智能认识实习	1	16			1周		1S
	102133P002	人工智能企业实训	4	64			4周		3S
	102133P001	人工智能系统平台实训	2	32				32	5
	102133P003	智能算法设计实践	2	32			32		6
	102133P004	智能系统综合设计	4	64			64		7
	102133P005	毕业设计	8	256			16周		8
	要求学分: 21