一、專業簡介

人工智能是以計算機科學為基礎，融合了數學、統計學、控制科學、心理學、哲學等多個學科領域的交叉學科，是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的新興技術科學。人工智能的研究目標是讓計算機像人類一樣進行思考、學習、決策和解決問題，即通過深入研究智能的本質，生產出能夠與人類智能相似的方式做出反應的智能機器。人工智能專業領域的研究包括機器學習、計算機視覺、自然語言處理、知識工程、智能機器人、專家系統及產業應用等。

中國石油大學（北京）的人工智能專業成立于2018年12月12日，是國內外資源能源領域第一個人工智能專業。經過幾年來的探索與實踐，按照“高起點，高層次，新體制，新機制，小實體，大平臺”的建設思路，有效匯聚了人工智能英才，構建了行業特色的智能化人才培養體系，并在能源行業智能化發展中發揮越來越重要的作用。

二、專業培養目標

培養具有強烈的社會責任感、高尚的職業精神，具備寬厚的人文社會科學、自然科學和工程綜合素養、寬廣的人工智能專業知識，具有較強的獲取新知識能力、組織協調能力、解決專業問題的能力、創新創業意識、國際交流合作能力，能夠在石油石化企業、互聯網和IT企業研發部門、學科交叉研究機構從事科學研究、技術開發、工程設計和經營管理的學術骨干、技術骨干和管理人才。畢業五年后能達到以下基本要求：

（1）能夠獨立從事人工智能相關技術領域、交叉領域的數據挖掘、數據分析、系統設計與開發等工作，具有較好的技術創新能力；

（2）勝任油氣能源等相關行業的人工智能技術應用、系統開發部署、智能化項目實施與管理等工作，具備解決專業領域關鍵技術難題的基本能力；

（3）能夠在研究、設計、開發以及生產團隊中擔任管理者或重要角色；

（4）能夠持續更新專業知識，不斷提高專業能力，緊跟信息與智能技術領域發展；

（5）有良好的職業修養與道德水準，有意愿并有能力服務社會。

三、畢業要求

（一）知識和能力要求

1.        工程知識：能夠將數學、自然科學、工程基礎和專業知識用于解決人工智能領域復雜工程問題。掌握與人工智能緊密相關的計算機科學、統計學、機器學習等學科的基礎理論和方法；掌握一到兩門主流的計算機程序設計語言、至少一種機器學習編程框架，掌握面向對象程序設計思想，能夠對具體問題進行抽象分析和設計, 并進行程序的實現。

2.        問題分析：能夠應用數學、自然科學和工程科學的基本原理，識別、表達、并通過文獻研究分析人工智能領域復雜工程問題，以獲得有效結論。

3.        解決方案：能夠給出針對人工智能在各個應用領域中的復雜工程問題的解決方案，確定開發設計目標與技術指標，設計滿足特定需求的系統，能對其進行測試、評價和優化，并能夠在設計環節中體現創新意識，考慮社會、健康、安全、法律、文化以及環境等因素。

4.        領域研究：能夠基于科學原理并采用科學方法對人工智能領域復雜工程問題進行研究，包括設計實驗、分析與解釋數據、并通過信息綜合得到合理有效的結論。

5.        智能工具：能夠針對人工智能領域復雜工程問題，開發、選擇與使用恰當的技術、資源、現代工程工具和信息技術工具，包括對復雜工程問題的預測與模擬，并能夠理解其局限性。

6.        社會責任：能夠基于人工智能工程相關背景知識進行合理分析，評價專業工程實踐和復雜工程問題解決方案對社會、健康、安全、法律以及文化的影響，并理解應承擔的責任。

7.        可持續發展：能夠理解和評價針對人工智能領域復雜工程問題的工程實踐對環境、社會可持續發展的影響。

8.        職業規范：具有人文社會科學素養、社會責任感，能夠在人工智能領域工程實踐中理解并遵守工程職業道德和規范，履行責任。

9.        團隊合作：能夠在人工智能領域多學科背景下的團隊中承擔個體、團隊成員以及負責人的角色。

10.     有效溝通：能夠就人工智能領域的工程問題與業界同行及社會公眾進行有效溝通和交流，包括撰寫報告和設計文稿、陳述發言、清晰表達或回應指令。并具備一定的國際視野，能夠在跨文化背景下進行溝通和交流。

11.     項目管理：理解并掌握工程管理原理與經濟決策方法，并能在多學科環境中應用。

終身學習：具有自主學習和終身學習的意識，有不斷學習和適應發展的能力。

四、主干學科

計算機科學與技術、智能科學與技術

五、專業核心課程

高級語言程序設計、離散數學、數值分析、數據結構與算法分析、計算機網絡原理、人工智能原理、機器學習、深度學習基礎、強化學習、自然語言處理、機器視覺、數據挖掘、最優化原理與方法、人工智能系統平臺實訓、計算機組成原理、智能算法設計實踐、智能系統綜合設計。

2024級人工智能專業培養方案課程安排表

一、專業教育必修課

課程模塊		課程代碼	課程名稱	學分	總學時	理論學時	實驗學時	實踐學時	上機學時	開課學期
專業教育必修課	學科基礎課	100616M016	高等數學A（Ⅰ）	6	96	96				1
		100916M001	線性代數（全英文）	3	48	48				1
		100616M005	概率統計基礎	3	48	48				2
		100616M017	高等數學A（Ⅱ）	6	96	96				2
		100627M009	大學物理B（Ⅰ）	4	64	64				2
		100627M010	大學物理B（Ⅱ）	4	64	64				3
		要求學分: 26
	專業基礎課	102133C001	數據結構與算法分析	3	48	32			16	2
		101400C001	數值分析	2	32	24			8	3
		102014T012	離散數學	3	48	48				3
		102014T015	計算機組成原理（全英文）	3	48	48				3
		102014T044	高級語言程序設計（Ⅰ）（全英文）	2	32	32				3
		102014C011	計算機網絡原理	3	48	40	8			4
		102137T004	最優化原理與方法	2	32	32				4
		要求學分: 21
	專業主干課	102133C002	人工智能原理	3	48	40			8	2
		102133C003	機器學習	3	48	32			16	3
		102137T008	人工智能專業英語	2	32	32				3
		102014T003	強化學習	3	48	48				4
		102137C001	深度學習基礎	2	32	24			8	4
		102133C010	自然語言處理	2	32	28			4	5
		要求學分: 20
	要求學分: 67,     要求完成子模塊數: 3

二、專業教育選修課

課程模塊		課程代碼	課程名稱	學分	總學時	理論學時	實驗學時	實踐學時	上機學時	開課學期
專業教育選修課	學科拓展組	102133C005	數據庫概論	3	48	24			24	2
		102137C002	數字信號處理基礎	3	48	40			8	3
		100514C021	Java語言程序設計	3	48	32			16	4
		100514C075	操作系統	3	48	40			8	4
		102014T018	編譯原理	3	48	48				4
		102133C006	大數據技術基礎	3	48	32			16	6
		100514C024	信息安全	2	32	24			8	7
		100514T001	軟件工程	2	32	32				7
		要求學分: 5
	專業拓展組	102014T046	智能計算機系統結構（全英文）	3	48	48				5
		102137T006	人工智能概論與實戰	2	32	32				5
		100514C022	計算機圖形學	3	48	38			10	7
		要求學分: 8
	油氣智能組	102133T001	油氣人工智能導論	2	32	32				1
		102133T005	人工智能與石油工程	2	32	32				6
		要求學分: 4
	要求學分: 17,     要求完成子模塊數: 3

三、集中性實踐教學環節

課程模塊	課程代碼	課程名稱	學分	總學時	理論學時	實驗學時	實踐學時	上機學時	開課學期
集中性實踐教學環節	102133P006	人工智能認識實習	1	16			1周		1S
	102133P002	人工智能企業實訓	4	64			4周		3S
	102133P001	人工智能系統平臺實訓	2	32				32	5
	102133P003	智能算法設計實踐	2	32			32		6
	102133P004	智能系統綜合設計	4	64			64		7
	102133P005	畢業設計	8	256			16周		8
	要求學分: 21