人工智能学院研究生培养方案-人工智能
一级学科: 人工智能 (代码: 9902 )
本专业具有 硕士 学位授予权和 博士 学位授予权
一、培养目标
1.硕士生
以习近平新时代中国特色社会主义思想为指导,全面贯彻落实党的教育方针,坚持立德树人,培养具有强烈的社会责任感、时代使命感和民族自豪感,德、智、体、美、劳和谐发展的综合型、实践型、创新型的高层次专门人才。培育有理想信念、有道德情操、有扎实学识和有仁爱之心的四有好教师。具体要求如下:
(1)掌握马克思主义基本原理,确立辩证唯物主义与历史唯物主义的世界观和方法论;形成正确的价值观和人生观,热爱祖国,热爱人民,遵纪守法,品行端正,乐观进取,勇于创新;具有健全的社会主义民主法制观念,继承中华民族传统美德和优秀文化,积极为社会主义现代化建设服务。
(2)掌握坚实的人工智能基础理论和系统的专门知识,了解学科发展现状、趋势及研究前沿,善于发现科学前沿性问题,并能对之进行深入研究和探索;熟练掌握一门外国语。
(3)熟练运用人工智能的理论、方法、技术和工具,开展该领域高水平的基础研究、应用基础研究,进行理论与技术创新,或开展大型复杂系统的设计、开发与运行管理工作;做出创造性成果;在本学科和相关学科领域具有独立从事科学研究的能力。
(4)具有良好的科学与人文素养;具有知识社会和终身学习时代所需要的自主性、反思性、研究性的学习品质;具有良好的学风和基本的科学方法论素养, 恪守学习伦理和学术规范。
(5)具有健康的体魄、良好的心理素质、健全的人格和健康的生活方式。
(6)具有正确的择业观念和创业意识,具有较强的就业竞争力和职业发展能力。
2.博士生
以习近平新时代中国特色社会主义思想为指导,全面贯彻落实党的教育方针,坚持立德树人,培养具有强烈的社会责任感、时代使命感和民族自豪感,德、智、体、美、劳全面发展的学术型、创新型的高层次专门人才。培育有理想信念、有道德情操、有扎实学识和有仁爱之心的四有好教师。具体要求如下:
(1)掌握马克思主义基本原理,确立辩证唯物主义与历史唯物主义的世界观和方法论,形成正确的价值观和人生观,热爱祖国,热爱人民,遵纪守法,品行端正,乐观进取,勇于创新;具有健全的社会主义民主法制观念,继承中华民族传统美德和优秀文化,积极为社会主义现代化建设服务。
(2)掌握坚实宽广的机器学习、计算机视觉与模式识别、自然语言处理等人工智能的基础理论,并至少在人工智能与教育学、系统科学、心理学等一个交叉领域掌握系统深入的专门知识,深入了解学科的发展现状、趋势及研究前沿,善于发现科学的前沿性问题,并能对之进行深入研究和探索;熟练掌握一门外国语。
(3)熟练运用人工智能交叉学科的理论、方法、技术和工具,开展该领域高水平的基础研究、应用基础研究,进行理论与技术创新,或开展大型复杂系统的设计、开发与运行管理工作;做出创造性成果;在本学科和相关学科领域具有独立从事科学研究的能力。
(4)具有良好的科学与人文素养,具有适应知识社会和终身学习时代所需要的自主性、反思性、研究性的学习品质;具有良好的学风和科学方法论素养;恪守学术伦理和学术规范。
(5)具有健康的体魄、良好的心理素质、健全的人格和健康的生活方式。
(6)具有追求真理、严谨治学的求实精神,积极服务国家重大需求。
二、学科方向与主要研究内容
序号 |
学科方向 |
主要研究内容 |
1 |
人工智能基础理论 |
围绕人工智能领域关键科学问题,以突破人工智能应用基础理论瓶颈为目标,研究智能计算模型和学习理论、量子智能计算等。 |
2 |
类脑智能 |
融合人工智能、脑与认知科学等多学科优势,探究与脑科学交叉融合, 研究新的人工智能理论方法和应用。 |
3 |
媒体智能技术 |
聚焦教育、文化和传媒领域,研究媒体内容的智能生成与编辑、媒体信息的高效和智能获取、媒体的智能化内容分发、媒体的智能化内容管理、媒体的智能交互等。 |
4 |
教育智能技术 |
聚焦个性化教育中的关键问题,研究学习者的行为与认知建模、学习过程的感知与交互、学习资源的语义分析与推荐等。 |
三、学习年限
1.硕士生
硕士生学制3年。
2.博士生
博士生学制3年,本科直博生学制5年。
四、课程设置与学分要求
1.硕士生(最低学分要求:33学分)
课程模块 |
课程性质 |
课程类别 |
学分 |
公共课 |
公共必修课 |
思想政治理论课 |
3 |
外语 |
4 |
||
综合素养课 |
4 |
||
专业课 |
专业必修课 |
学位基础课 |
6 |
学位专业课 |
10 |
||
自由选修课 |
专业拓展课 |
2 |
|
培养环节 |
必修环节 |
实践活动 |
2 |
中期考核 |
1 |
||
参加学术活动 |
1 |
||
|
合计 |
|
33 |
(1)思想政治理论课必修3学分:包括1门必修课“新时代中国特色社会主义理论与实践”(2学分);1门选择性必修课, “马克思主义与社会科学方法论”(1学分)或“自然辩证法概论”(1学分)。
(2)综合素养课必修4学分:设置学术伦理与学术道德、公共方法课、教师素养类、心理健康类、实验室安全类等课程。其中,学术伦理与学术道德、公共方法课为必修课。教师素养类课程中的“中国教育改革与发展”为必修课程,若在本科培养阶段已经修读,则不需重复修读,相应学分补修综合素养类其它课程。
(3)学位基础课为必修课,至少修读1门研究方法课。
(4)学位专业课为必修课,必修1门论文写作课程。
(5)专业拓展课至少修读2学分,研究生在导师指导下,原则上应修读其它学科的学位基础课和学位专业课。
2.博士生(最低学分要求:20学分)
课程模块 |
课程性质 |
课程类别 |
学分 |
公共课 |
公共必修课 |
思想政治理论课 |
2 |
外语 |
2 |
||
综合素养课 |
3 |
||
专业课 |
专业必修课 |
学位基础课 |
4 |
学位专业课 |
4 |
||
培养环节 |
必修环节 |
社会实践和国际化经历 |
2 |
中期考核 |
1 |
||
科研活动 |
2 |
||
|
合计 |
|
20 |
(1)思想政治理论课必修2学分:中国马克思主义与当代。
(2)综合素养课必修3学分:设置学术伦理与学术道德、教师素养类、心理健康类、实验室安全类等。其中,学术伦理与学术道德为必修课,若在硕士培养阶段已经修读过“学术伦理与学术道德”类课程,则不重复修读,相应学分补修综合素养类其它课程。必修“中国教育改革与发展”课程,若在本科或硕士培养阶段已经修读,则不重复修读。
(3)学位基础课必修不少于4学分,博士生至少修读2门课。
(4)所有博士生必修学校组织开设的学术前沿讲座课程,参与8次(含8次)以上讲座计1学分。
3. 本科直博生、硕博连读博士生
本直博生和硕博连读博士生应修读全部硕士阶段和博士阶段课程,以及统筹设计的硕博必修环节,毕业学分由学位评定分委员会确定。
本科直博生公共课修读要求:英语4学分(修读硕士阶段英语);政治5学分(修读硕士阶段政治课和博士阶段政治课),综合素养7学分(硕士阶段素养课和博士阶段素养课)。
4.港澳台研究生和国际研究生
港澳台研究生总学分要求与普通研究生相同,政治课学分可以其他国情类课程学分替代。
外国留学研究生免修思想政治理论课和外语课,必修“中国概况”(2学分)和汉语论文写作(2学分),硕士生和博士生的毕业学分要求同中国籍学生。
五、培养方式与培养环节
1. 硕士生实践活动要求
研究生实践活动主要以教学实践为主,还可以参与培养单位的公共服务等。研究生参加教学实践是结合培养单位研究生工作现状,巩固研究生所学理论知识和加深对理论认识的有效途径,是培养具有创新意识的高素质教学科研人员的重要环节,是理论联系实际、培养学生掌握科学方法和提高动手能力的重要平台。有利于学生素养的提高和正确价值观的形成。
教学实践中研究生以担任教学助教角色为主,上辅导课及习题课;答疑及批改作业;指导实验或生产实习;编写教材及指导本科生毕业设计(论文),担任本科新生导师学长制指导小组成员等。
参加培养单位的公共服务是培养研究生实践能力、自我管理能力和社会适应能力的重要途径。包括参与培养单位组织的大规模参观接待活动、大型迎评工作、大型学术活动等,以及导师组织的学术会议或培训等。
实践活动需在中期考核前完成,累计工作量应不少于60日。实践活动结束后,研究生需撰写不少于3000字的总结报告,并填写《北京师范大学硕士研究生实践活动考核表》。
2. 硕士生参加学术活动要求
参与研究与学术活动是研究生获得和提高研究与实践应用能力的必要途径。研究生应当积极参与导师、研究所和实验室组织的研究和其他学术活动,并应积极参加国内外高水平专业学术会议。要求学术学位硕士研究生申请答辩前参加学术报告总数不少于10次,其中学科主题相关的学术活动不少于8次,由所在培养单位组织的学术活动不少于2次;开题报告前参加本学科主题学术活动不少于4次。每次学术报告后须写出小结,经导师签字后自己留存,在申请答辩前交学院记载成绩。
3. 硕士生开题报告与中期考核要求
(1)开题报告
硕士研究生应在导师指导下,通过阅读文献资料、调查研究进行选题,并在第三学期完成开题报告。开题前成立由本学科至少三位具有硕导资格的老师组成的开题报告评审小组。开题报告应就选题的科学根据、国内外发展动态、研究内容、预期目标、研究方案等做出科学论证,写出篇幅不少于5000字(英文不少于3000词)的书面报告,交所在学院教务部门。
开题报告评审小组委员就开题报告内容、论文方向的学术前沿、基本理论和专业知识进行提问,综合考察研究生的专业基础以及综合素质。评审小组委员三分之二以上(含三分之二)赞成合格者,方为通过。开题报告不合格者可申请参加下次开题报告,原则上不应晚于第三学期期末。
(2)中期考核
中期考核是对硕士生思想品德、课程学习和科研能力的综合考查,硕士生须完成学位课程的学习且成绩合格后方可进行中期考核,内容具体包括:
思想品德考核;
文献综述与开题报告;
科学道德与学术规范基本知识测试;
开题后的论文进展情况及阶段成果。
硕士研究生需口头汇报学位论文进展情况及取得的阶段成果,听取与会人员的审查意见,同时写出篇幅不少于6000字(英文不少于3500词)的书面报告。
中期考核由至少本学科三位硕士导师组成考核委员会(指导教师不能担任考核委员会成员)。考核委员三分之二以上(含三分之二)赞成合格者,方为通过中期考核。
中期考核一般安排在硕士研究生开题报告通过至少1个学期后。中期考核不合格者可申请参加下次中期考核,最迟不应晚于第五学期期末;中期考核合格者学习期满后方可申请学位论文答辩。仍不合格者应予以劝退。
4. 博士生社会实践和国际化经历要求
博士生参与课程教学实践活动,担任助教满一学期且考核良好及以上,获得1个学分。
博士生至少应参加1次所在学科领域的全国或国际学术会议,并在学术会议上展示或宣读自己撰写的论文。在中期考核前,应提交不少于3000字的国际交流总结报告,经导师考核合格后,获得1个学分。
5. 博士生科研活动
博士生科研活动共计2学分,重点培养博士生独立从事学术研究工作的能力,以及分析问题和解决问题的能力,具体包括:
博士生必修学校组织开设的学术前沿讲座课程,参与8次(含8次)以上讲座计1学分。
博士生在学期间应定期参加导师课题组的学术讨论会,以及其它与研究领域相关的学术活动共计不少于20次(须包括至少2次所在培养单位组织的学术活动);每次讨论会或学术活动后须写出小结,经导师签字后自己留存。博士生论文答辩前应至少做10次学术报告,每次学术报告后须写出小结,经导师签字后自己留存。上述学术活动与学术报告小结在申请答辩前提交至学院记载成绩,计1学分。
6. 博士生开题报告与中期考核要求
(1)开题报告
博士生入学后应在导师指导下,在进行广泛调查研究、查阅文献资料、充分了解学科发展现状和前沿动态的基础上,尽早确定博士学位论文选题,撰写论文开题报告。开题报告由导师负责邀请本学科专家组成评审小组进行集体审议,开题报告的内容包括本课题的研究意义、研究价值、文献综述、研究目标、研究计划、研究方法、查新报告等,确定研究工作中拟解决的学术难点、技术关键点、创新点和预期成果。博士生开题报告一般在第四学期结束前完成。
博士学位论文的选题须与人工智能学科领域相符,应选择学科前沿领域或对科技发展、经济建设和社会进步有重要意义和价值的选题。应加强选题的查重查新工作,确保学位论文选题的前沿性和创新性,避免论文研究工作的重复性。
(2)中期考核
中期考核是对博士生的思想品德、课程学习和科研能力的综合考查,内容包括:
思想品德考核;
文献综述与开题报告;
科学道德与学术规范基本知识测试;
开题后的论文进展情况及阶段成果。
中期考核应在学位论文答辩前至少6个月完成(如申请1月份学位授予,应在前一年7月之前完成中期考核;如申请6月份学位授予,应在前一年12月之前完成中期考核)。
要求博士研究生达到以下要求:1)满足论文发表基本要求;2)通过文献查阅掌握本学科的研究历史和现状,了解本学科国内外学术研究的前沿动态;3)掌握本学科科学研究所需的基本技能,具有一定的外语交流能力;4)在本学科方向选题,立论分析,提出研究思路,确认研究工作中拟解决的学术难点和技术难点;5)完成博士生学位公共课和学位基础课的学习,成绩合格。
中期考核由博士生申请,经导师签署意见后提交至学院,学院对申请材料审核通过后方可进行考核。中期考核由博士生介绍专业学习状况、学位论文开题报告,考核小组成员和博士生以提问答辩、讨论分析等方式进行。考核小组对博士生的学科专业知识、科研能力、论文选题的可行性进行评议,提出是否通过的建议。考核结果分为: 1)考核合格, 2)考核不合格。中期考核合格者方可进入论文撰写阶段。
六、学位论文与论文答辩
1. 硕士生学位论文
(1)学位论文
硕士学位论文类型可以是基础研究、应用基础研究、应用研究,学位论文的选题应体现本学科领域的前沿性或工程技术的先进性,并和导师承担的科研项目相关,完成一定的工作量。
学位论文必须由本人撰写,内容主要应包括中、英文摘要,引言(包括文献综述和问题的陈述)、主要结果(包括理论、方法、实验结果及分析)和结论、参考文献。研究生应保证论文内容的科学性和实验数据的可靠性。应当真实反映自己的研究结果,严格区分引用他人的成果与本人的贡献。引用他人的结论必须注明详细出处。研究生论文中有虚假或重要错误者不准进入答辩。
本学科鼓励硕士生在读期间发表高质量学术论文、申请发明专利。
(2)论文答辩
研究生必须在教务部(研究生院)规定的日期以前,按照相关规定完成论文撰写并打印成册,按规定的程序申请答辩。论文的评审、答辩委员会的组成及答辩程序按学校和培养单位的相关规定实施。
2. 博士生学位论文
(1)论文选题
本学科博士生的科学研究和学位论文,可以是基础研究、应用基础研究,也可以是技术和工程及其应用研究,鼓励对学科前沿和学科交叉领域的研究。本学科博士学位论文的相关研究工作应着眼于解决社会发展、经济发展、国防安全与科技进步中的重大理论、技术和工程问题,提出新概念、新理论、新方法与新技术。
(2)论文创新性要求
博士学位论文应能够体现申请人在论文选题相关领域具有坚实宽厚的基础理论与系统深入的专门知识,对所研究的课题有创造性贡献;应具有较强的理论意义或较高的实践价值;资料和数据翔实可靠,论证和计算严谨准确,文理通顺,逻辑性强,立论正确;应能表明申请人已具备独立从事科学研究工作或专门技术工作的能力。
博士学位论文应在学科或专门技术上取得了创造性成果。凡属下列情况之一,可认为属于创造性成果:
发现人工智能领域的新问题,并给出具有参考价值的解决方案;
发现有价值的新现象、新规律,提出新的合理假说、观点、理论,证明前人提出的假说等;
对前人提出的理论、技术及方法有重要改进或革新,或者在人工智能系统及算法设计、实验技术、交叉学科研究上有重要的创造或革新;
创造性地运用现有知识,解决前人未曾解决过的科学技术或工程技术等方面的关键问题。
博士学位论文的创新性研究成果的体现方式包括发表在本专业领域的国际、国内期刊上的研究论文,发表在本专业领域国际、国内学术会议上的研究论文,授权的发明专利、登记的软件著作权等。
(3)预答辩
博士生需在正式答辩前至少3个月完成论文预答辩。博士生在完成论文全稿、且已经具备申请博士学位的要求后,经导师审核通过后提出预答辩申请。预答辩申请包括在读期间科研成果表,经审查由主管研究生的副院长签字,方可进入预答辩程序。
通过预答辩的博士生,根据《北京师范大学学位授予工作细则》的相关规定,可进入最终论文的完善及后续答辩程序。预答辩未通过,博士学位论文不得送审。
(4)论文答辩
博士学位论文全部评阅意见为“同意答辩”或“同意修改后答辩”,学位申请人可在导师指导下,按照评阅意见对论文进行修改完善,经导师同意后,准予进入论文答辩环节。
博士学位论文答辩委员会由本学科或相关学科五位博士生导师或具有正高级专业技术职务的专家组成,其中校外专家至少两人。博士生导师或亲属不得作为答辩委员会委员。答辩委员会主席由具有正高级专业技术职务的博士生导师担任。
博士研究生在申请博士论文答辩前须满足本学科学位授予质量标准要求。
七、课程一览表(专业方法课请在课程名称后用*标注)
课程类别 |
层次 |
课程中文名称 |
课程英文名称 |
学分 |
学时 |
开课 学期 |
学位基础课
博士≥4学分 硕士≥6学分
|
博士 |
学科前沿 |
Academic Frontiers |
2 |
32 |
春季 |
博士/硕士 |
人工智能数学基础 |
2 |
32 |
秋季 |
||
博士/硕士 |
高级人工智能 |
Advanced Artificial Intelligence |
2 |
32 |
秋季 |
|
博士/硕士 |
机器学习 |
Machine Learning |
2 |
32 |
秋季 |
|
博士/硕士 |
认知与类脑智能 |
Cognition and Brain Intelligence |
2 |
32 |
春季 |
|
博士/硕士 |
矩阵分析* |
Matrix Analysis |
2 |
32 |
春季 |
|
博士/硕士 |
最优化理论与方法* |
Optimization Theory and Methods |
2 |
32 |
秋季 |
|
博士/硕士 |
计算方法 |
Computational Methods |
2 |
32 |
秋季 |
|
硕士 |
算法设计与分析* |
The Design and Analysis of Computer Algorithms |
2 |
32 |
秋季 |
|
硕士 |
应用数理统计* |
Applied Mathematical Statistics |
2 |
32 |
秋季 |
|
硕士 |
随机过程 |
Stochastic Process |
2 |
32 |
秋季 |
|
硕士 |
组合数学 |
Combinatorial Mathematics |
2 |
32 |
秋季 |
|
硕士 |
信息论 |
Information Theory |
2 |
32 |
秋季 |
|
学位专业课
博士≥4学分 硕士≥10学分
|
博士/硕士 |
高级研讨课 |
Senior Seminar |
2 |
32 |
春季 |
博士/硕士 |
文献阅读与论文写作 |
Literature Reading and Writing |
2 |
32 |
春季 |
|
博士/硕士 |
深度学习前沿 |
Frontiers of Deep Learning |
2 |
32 |
秋季 |
|
博士/硕士 |
强化学习 |
Reinforcement Learning |
2 |
32 |
秋季 |
|
硕士 |
智能技术教育实践 |
Intelligent Technology Educational Practice |
2 |
32 |
春季 |
|
硕士 |
量子计算 |
Quantum Computation |
2 |
32 |
春季 |
|
硕士 |
知识表示与推理 |
Knowledge Representation and Reasoning |
2 |
32 |
秋季 |
|
硕士 |
自然语言处理 |
Natural Language Processing |
2 |
32 |
秋季 |
|
硕士 |
计算机图形学 |
Computer Graphics |
2 |
32 |
秋季 |
|
硕士 |
虚拟现实 |
Virtual Reality |
2 |
32 |
秋季 |
|
硕士 |
计算机视觉 |
Computer Vision |
2 |
32 |
秋季 |
|
硕士 |
数字图像处理 |
Digital Signal Processing |
2 |
32 |
秋季 |
|
硕士 |
科学可视化 |
Scientific Visualization |
2 |
32 |
秋季 |
|
硕士 |
高级数据库技术 |
Advanced Database Technology |
2 |
32 |
秋季 |
|
硕士 |
数据挖掘 |
Data Mining |
2 |
32 |
秋季 |
|
硕士 |
大数据分析 |
Big Data Analysis |
2 |
32 |
春季 |
|
硕士 |
云计算技术 |
Cloud Computing Technology |
2 |
32 |
春季 |
|
硕士 |
模式识别 |
Pattern Recognition |
2 |
32 |
秋季 |
|
硕士 |
现代信号处理 |
Modern Digital Signal Processing |
2 |
32 |
春季 |
|
硕士 |
高级计算机网络 |
Advanced Computer Networks |
2 |
32 |
秋季 |
|
硕士 |
信息安全 |
Information Security |
2 |
32 |
秋季 |
|
硕士 |
并行与分布式计算 |
Parallel and Distributed Computing |
2 |
32 |
春季 |
注:带*号为方法课