一、专业介绍

随着信息化与智能化时代的深度融合，智能科学与技术作为一门多学科交叉的新兴专业，与电子、通信、计算机、控制等领域紧密交织。当前，智能机器、智能制造、智能交通、智能医疗等新兴产业对智能科技人才需求旺盛。国家层面也相继出台政策，倡导“人工智能+X”复合型培养新模式，鼓励高校设立人工智能相关专业，为专业发展提供了重要机遇。

本专业依托举办方科大讯飞股份有限公司在人工智能领域的雄厚技术积累与产业资源，在语音合成、语音识别、自然语言处理等方向拥有国际领先的技术成果。学院借此优势，在省内率先成立大数据与人工智能学院，专业人才培养方案经由中国科学技术大学、合肥工业大学等高校专家及芜湖市信息化办公室、科大讯飞、北京瑞尼尔等政企代表共同论证，确保培养目标紧密对接产业需求。

为强化学生实践能力，专业采用“2+1+1”三段式培养模式：前两年夯实数理与专业核心基础；第三年进行方向课程学习与项目实训，实现从基本技能到岗位能力的进阶；第四年安排不少于6个月的企业实习与毕业设计，使学生提前融入企业环境，建立职业规划。同时，学院实行三学期制，在春秋学期之外，夏季学期专门开设企业项目制实践课程，由企业双师团队主讲，帮助学生尽早适应企业工作模式与节奏，全面提升就业竞争力。

二、培养目标

智能科学与技术专业培养适应区域数字经济与智能制造产业发展需求，德智体美劳全面发展，具备扎实的数学、自然科学与智能科学基础，掌握人工智能、控制理论、计算机技术及智能系统集成等专门知识，具有较强的工程实践能力、团队协作能力和创新意识，能够在智能装备、无人系统、智能机器人等领域从事智能感知系统设计、智能控制系统开发、智能体（Agent）架构设计、AI应用集成与部署等工作的高素质应用型工程技术人才。本专业的培养目标可以划分为以下4个子目标：

目标1：适应新经济发展需要，爱国进取，全面发展与健康个性和谐统一，具有职业道德和社会责任感。

目标2：具备较好的数理基础，熟悉常见的数据统计模型，对常见统计模型有比较深刻的认识，能够理解模型与待解决问题之间的对应关系。掌握现代常用机器学习及深度神经网络的常用模型及其应用基本理论、专业知识，掌握常用模型分析和设计，至少掌握一种主流的深度学习框架进行智能应用系统的设计与开发。

目标3：具有较强的数据思维、AI思维以及基本工程素养，具有智能系统开发实践能力和技术创新能力，能够在设计、生产中担任组织管理角色。

目标4：具有团队精神、组织沟通能力和国际视野，能够继续学习，终身学习的能力。

三、毕业要求

本专业毕业生应具备以下能力：

毕业要求1.工程知识：能够将数学、自然科学、计算机学科基础、工程基础和人工智能专业知识用于解决智能科学与技术领域的复杂工程问题。

毕业要求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智能科学与技术领域的复杂工程问题，综合考虑可持续发展的要求，以获得有效结论。

毕业要求3.设计/开发解决方案：能够针对智能科学与技术领域的复杂工程问题设计和开发解决方案，设计满足特定需求的人工智能系统或组件，体现创新性，并从健康、安全与环境、全生命周期成本与净零碳要求、法律与伦理、社会与文化等角度考虑可行性。

毕业要求4.研究：能够基于科学原理并采用科学方法对智能科学与技术领域的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。

毕业要求5.使用现代工具：能够针对智能科学与技术领域的复杂工程问题，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，包括对智能科学与技术领域复杂工程问题的预测与模拟，并能够理解其局限性。

毕业要求6.工程与可持续发展：在解决智能科学与技术领域的复杂工程问题时，能够基于智能科学与技术相关背景知识，分析和评价智能科学与技术实践对健康、安全、环境、法律以及经济和社会可持续发展的影响，并理解应承担的责任。

毕业要求7.工程伦理和职业规范：认同和践行社会主义核心价值观，有工程报国、为民造福的意识，具有人文社会科学素养和社会责任感，能够理解和践行工程伦理，在智能科学与技术实践中遵守工程职业道德、规范和相关法律，履行责任。

毕业要求8.个人与团队：能够在多样化、多学科背景下的智能科学与技术项目团队中承担个体、团队成员以及负责人角色。

毕业要求9.沟通：能够就智能科学与技术领域的复杂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；能够在跨文化背景下进行沟通和交流，理解、尊重语言和文化差异。

毕业要求10.项目管理：理解并掌握智能科学与技术项目相关的管理原理与经济决策方法，并能在多学科环境中应用。

毕业要求11.终身学习：具有自主学习、终身学习和批判性思维的意识和能力，能够理解广泛的技术变革对智能科学与技术和社会的影响，适应新技术变革。

四、主要课程

1.核心课程

计算机与人工智能导论、计算机程序设计、数据结构与算法、计算机组成原理、操作系统原理、计算机网络、数据库系统、大模型技术与应用开发、机器学习与深度学习、智能机器人技术、智能软件工程、项目管理。

还包括主要集中实践教学环节：程序设计实践、智能科学与技术专业技术综合实践、企业项目综合实践、企业实习、毕业设计（论文）。

2.支柱课程

计算机组成原理、操作系统原理、计算机网络、数据库系统、大模型技术与应用开发、机器学习与深度学习、智能软件工程、智能机器人技术、数据结构与算法。