2023级培养方案
深圳国际研究生院人工智能（电子信息）（全日制）(适用于2020级研究生)一、培养目标
电子信息（人工智能）全日制工程硕士专业学位培养项目旨在培养掌握过硬专业知识技能、有创造力和跨领域交叉协同能力、有国际视野和全局系统眼光，拥有人工智能领域前瞻和预测能力，能够解决实际问题，能够承担专业技术或管理工作并具有良好的职业素养的人工智能高层次应用型专门人才和创业型人才。
二、基本要求
获得本专业学位的硕士生应具备如下基本素质：
热爱祖国，遵纪守法，具有服务国家和人民的高度社会责任感、良好的职业道德和创业精神、科学严谨和求真务实的学习态度和工作作风，身心健康。
掌握人工智能领域坚实的基础理论和宽广的专业知识，熟悉行业领域的相关规范，在行业领域的某一方向具有独立担负工程规划、工程设计、工程实施、工程研究、工程开发、工程管理等专门技术工作的能力，具有良好的职业素养。
熟练掌握一门外国语，具备无障碍国际交流和工作的能力。
三、专业学位类别
电子信息专业（人工智能）全日制工程硕士专业学位硕士研究生。学科代码：085400（03）。
四、培养方式
电子信息（人工智能）项目全日制工程硕士研究生采取全脱产的培养方式，课程学习主要在校内完成，论文答辩须在校内完成。学习年限符合《清华大学研究生学籍管理规定》。
专业实践是专业学位研究生培养的重要环节，高质量的专业实践是培养高层次应用型人才的重要保证。在学期间，有两年或以上专业相关企业工作经验的研究生需完成专业实践不少于18周，没有两年或以上专业相关企业工作经验的研究生必须完成专业实践不少于36周。专业实践一般应在学校认可的实习单位、实践基地或工程/试验现场完成。
论文研究工作一般应与专业实践相结合。鼓励校内外双导师共同指导。论文选题来源为校内导师课题的，以校内导师指导为主，企业导师参与实践过程、项目研究、课程与论文等多个环节的指导工作；论文选题来源为联合培养基地企业的，以企业导师指导为主，校内导师参与项目研究、课程与论文等多个环节的指导工作。在修完学位要求学分的一半后，可申请论文选题，论文研究工作时间一般不少于1年。
五、学习年限
学习年限符合《清华大学研究生学籍管理规定》要求。
六、学分要求
攻读全日制工程硕士专业学位的研究生，需获得学位要求总学分不少于32学分，具体如下：
七、课程设置
（一）公共必修课程（3学分）
1、适用于中国籍学生（3学分）
备注：港澳台学生公共必修课学分要求按照学校有关规定执行。
2、适用于国际学生（3学分）
（二）学科专业要求课程（≥19学分）
1．基础理论课程（≥3学分）
2．专业基础课程（≥5学分）
3．专业课程（≥7学分）
A．人工智能软件课程模块
B．人工智能硬件课程模块
C．导师同意的其他专业课程
4．专业进阶课程（≥4学分）
（三）职业素质课程（≥2学分）
（四）必修环节（≥8学分）
备注：具有2年及以上专业相关企业工作经历的研究生，其专业实践时间应不少于18周；不具有或少于2年企业工作经历的研究生，其专业实践时间应不少于36周。
三、学位论文工作要求
（一）论文选题
论文选题应直接来源于生产实际或具有明确的生产背景和应用价值，围绕不同应用领域（智能机器人、智慧感知、智能网络、智能控制、智能芯片、智能仪表）的人工智能硕士学位论文课题研究，可以是一个完整的系统、信息以及控制工程类的工程技术项目或工程项目的规划或研究，工程设计项目或技术改造项目，可以是技术攻关研究专题也可以是新的自动化装置、检测仪表、传感器的研制与开发课题，也可以是应用基础性研究、预研专题。论文选题应有一定的技术难度、先进性和工作量、能体现作者综合运用科学理论、研究方法和技术手段解决工程实际问题的能力。
选题报告内容应包括文献综述、选题意义、研究方法、工作条件（经费、设备等）、预期达到的水平、存在的问题等。要求工程硕士生查阅不少于20篇的中、外文文献资料，写出不少于五千字的书面报告，并应在由导师、工程领域及企业专家组成的专家组参加的选题报告会上进行报告。选题报告不通过者，可于3个月后再次申请参加。累计参加2次选题报告仍未通过者，则该必修环节考核未达到培养方案规定要求，应予以分流。硕士生可申请退学，否则学校予以退学处理。
（二）论文中期检查
在学位论文工作中期，应由项目指导委员会对工程硕士生的论文工作完成情况、工作态度等方面进行检查，并由委员会提出改进建议。中期检查不通过者，可于3个月后再次申请参加。累计参加2次中期检查仍未通过者，则该必修环节考核未达到培养方案规定要求，应予以分流。符合结业申请条件的硕士生可申请结业；不符合结业申请条件的硕士生可申请退学，否则学校予以退学处理。
（三）论文预答辩
在参加正式答辩前（不少于一个月），应由项目指导委员会组织工程硕士生参加预答辩，对论文工作质量进行全面评价。没有通过预答辩的工程硕士生将不得参加该学期的答辩。
（四）论文评审参考标准
参考《清华大学工程硕士学位论文评分参考标准》。工程设计类论文，应以解决生产或工程实际问题为重点，设计方案有新意，布局及设计结构合理，数据准确，设计符合专业规范要求；技术研究类论文，内容包括应用基础研究、应用研究、预先研究、实验研究、系统研究等，应综合应用基础理论与专业知识，分析过程严密、正确，实验方法科学、可靠，实验结果准确、可信，论文成果具有先进性和适用性；侧重于工程管理的论文，应有明确的工程应用背景，研究成果应具有一定经济或社会效益，统计或收集的数据可靠、充分，理论建模和分析方法科学正确；应用软件为主要内容的论文，要求需求分析合理，总体设计正确，程序编制及文档规范，并通过测试或可进行现场演示。
（五）学位论文创新成果要求
参见本项目适用于2020级研究生的创新成果要求。
四、论文答辩工作要求
参照《清华大学关于攻读工程硕士专业学位研究生的培养工作规定》执行。
《人工智能交叉人才培养与课程体系》重磅发布：培养计划、方案、课程、实践和探索
本书主要介绍人工智能交叉人才培养与课程体系的内容,共包含7章:第1章为绪论,阐述人工智能历史发展、课程体系演变和人才培养生态构成;第2章为浙江大学人工智能本科专业培养课程体系;第3章介绍浙江大学、华中科技大学、武汉大学和中国科学技术大学的人工智能交叉学科设置情况;第4章从人工智能+X角度介绍了人工智能与相关学科交叉而形成的专业和课程;第5章介绍AI+X微专业;第6章介绍K12人工智能教育;第7章是结论与展望。
来自浙江大学、武汉大学、华中科技大学、中国人民大学、中国科学技术大学、浙江师范大学、浙江大学城市学院、上海浙江大学高等研究院等高校、不同机构和行业的作者为本书撰写了相关内容:浙江大学人工智能本科培养课程体系(杨洋、况琨)、浙江大学人工智能交叉学科(肖俊、杨易、朱强)、华中科技大学人工智能交叉学科(曾志刚)、武汉大学人工智能交叉学科(杜博)、中国科学技术大学人工智能交叉学科(李厚强)、人工智能+人文社科(文继荣、窦志成)、人工智能+社会学(吴超)、人工智能+药学(范骁辉、周展)、人工智能+法学(郑春燕、魏斌)、人工智能+金融学(王义中、潘士远)、人工智能+神经科学(斯科、王跃明)、人工智能+教育(黄昌勤、李艳、吴明晖)、人工智能+哲学(廖备水)、人工智能+财务(陈俊)、人工智能+公共管理学(黄萃)、人工智能+管理学(陈熹、周伟华)、人工智能+设计学(孙凌云)、K12人工智能教育(吴超、陈澜)、AI+X微专业(汪志华、陈立萌)。
吴飞和陈为对本书内容进行了设计、统稿和梳理。
“致天下之治者在人才,成天下之才者在教化,教化之所本者在学校。”人工智能、教育先行、人才为本,人才是构筑人工智能发展先发优势的战略资源力量。以教学教育、人才培养、科学研究的融会贯通来促进人工智能创新性人才培养、激发高水平科学研究、培育人工智能发展生态,具有重要意义。希望书能够为促进教育链、人才链、产业链和创新链的有效衔接做出一定工作。
二
目录
第1章绪论
1.1人工智能的诞生
1.2人工智能人才培养体系
1.3人工智能教学知识点演变
1.4人工智能人才培养构成元素
1.5智能教育前沿研究
1.6小结
第2章浙江大学人工智能本科专业培养课程体系
2.1培养目标
2.2毕业要求
2.3培养机制
2.4课程设置与学分分布
2.5培养目标-毕业要求
2.6专业必修课程简介
第三章人工智能交叉学科
3.1浙江大学
3.2华中科技大学
3.3武汉大学
4.4中国科学技术大学
第四章人工智能交叉课程
4.1人工智能+人文社科
4.2人工智能+社会学
4.3人工智能+药学
4.4人工智能+法学
4.5人工智能+金融学
4.6人工智能+神经科学
4.7人工智能+教育
4.8人工智能+哲学
4.9智能财务
4.10人工智能+公共管理学
4.11人工智能+管理学
4.12人工智能+设计学
第五章AI+X微专业
5.1AI+X微专业背景
5.2课程体系
5.3课程实训平台
第六章K12人工智能教育
6.1高中信息技术新课标
6.2初中和小学智能教育
6.3AI4K12标准
第七章结论与展望
向下滑动，查看更多内容
三
先睹为快
浙江大学人工智能本科专业培养课程体系
节选自《人工智能交叉人才培养课程体系》第2章
根据人工智能“至小有内（内涵）”和“至大无外（交叉）”的特点，浙江大学人工智能本科专业按照“厘清内涵、促进交叉、赋能应用”原则设置了课程体系（如图2.1）。
厘清内涵指确立专业培养定位和专业培养方向，重视数学与统计知识（如概率论、微积分、线性代数、优化求解和矩阵变换等）、计算机编程和系统能力（如程序设计、算法分析和系统等）以及人工智能基础知识（如逻辑推理、机器学习、强化学习、控制与博弈决策等）；促进交叉指“专、通、交”课程内容贯穿，即核心课程中既要有“专业化”课程（掌握系统而牢固人工智能专业知识）、也要有“通识”课程（拓宽人工智能的知识面）以及体现若干专业学科知识汇聚的“交叉”课程（具备人工智能+X的知识能力），培养人工智能人才的广泛适应能力和可持续竞争力，以应对快速变化的新时代；赋能应用指加强实践体系建设，针对人工智能是应用驱动的特点，在人才培养过程中，与人工智能相关企业合作，加大设置人工智能芯片、工具、系统和平台等课程，加强技术应用能力以及应用场景创新能力的培养。
为了达到通专融合人才培养的目的，在人才培养中形成了“AI赋能、教育先行；创新引领、产学协同”思路，即从以知识点为核心的通专融合课程设计、以产学研汇聚为核心的生态搭建以及以实训平台促进赋能应用三个方面来进行人才培养。
1.以知识点为核心的通专融合课程设计
当前人工智能专业课程体系与计算机类专业、智能科学与技术本科专业以及控制类专业有一定的联系。鉴于人工智能交叉赋能和支撑引领的特点，需要以知识点为核心设计通专融合的人工智能课程体系，包含概率与统计类数学知识、编程与系统类计算机知识、人工智能基础与应用类AI知识以及专业方向模块类知识（如AI药学、AI制造、AI医学、AI农业等）。
具体而言，需要研究人工智能算法、模型、系统、工具及其领域应用（自然语言、机器人、人机交互、计算机视觉、语音等）中知识点，辅以行业应用（搜索、推荐等），巧妙与神经学、认知学、心理学等促进场景人工智能进展的知识点融合。强化专业化意识，避免人工智能知识体系碎片化与空心化，成体系培养人工智能专业人才。
同时，《新一代人工智能发展规划》明确提出“把握人工智能技术属性和社会属性高度融合的趋势”。在人工智能推进过程中，既要加强人工智能研发和应用力度，赋能实体经济；又要预判人工智能与实体经济拥抱可能对社会各个方面带来的一些新挑战和冲击。当前人工智能所呈现的人机协同和自主智能等特点，使得算法、机器和系统成为人类社会不可或缺的一个组成部分，隐私泄露、大数据杀熟、机器杀手、机器换人等现象出现，给社会治理、法律规范等带来了严峻挑战。在一般意义上，伦理关注人与人之间的道德规范和准则，人工智能伦理则关注人-机、机-机以及人-机共融所形成社会形态应该需要遵守的道德准则，因此在人工智能专业课程中要考虑人工智能伦理等方面的知识点。
将知识点组织为课程体系时要突出“专、通、交”，即核心课程中既要有“专业化”课程（掌握系统而牢固人工智能专业知识）、也要有“通识”课程（拓宽人工智能的知识面）以及体现若干专业学科知识汇聚的“交叉”课程（具备人工智能+X的知识能力），培养人工智能人才的广泛适应能力和可持续竞争力，以应对快速变化的新时代。在课程设计中，需将人工智能及其相关知识点的基本思想和方法以及应用实践讲授给学生，贯穿以“设计和构造”为特点的“计算思维”，使得学生在遇到实际问题时，能够在其所受熏陶的通识知识基础上进一步拓展学习，有方向性寻找解决思路，设计具体解决方案。
2.以产学研汇聚为核心的生态搭建
人工智能这一使能技术的典型特点是应用驱动，当今人工智能已经渗透于各行各业，正不断提高实体经济发展的质量和效益。当前，许多领先的IT企业不仅掌握丰富的应用场景数据，而且掌握先进的开发工具和前沿技术。高校人才培养应该与这些IT企业开展产教合作，建立合作基地，形成良好的产教融合关系，给学生创造实习实训机会，使得所培养的人才能够面向丰富场景应用和重大现实问题等发挥应有之力。
在信息化向智能化转型过程中，人工智能人才培养任务艰巨而光荣。人工智能不单纯是一门课程、一手技术、一项产品或一个应用，而是理论博大深厚、技术生机勃勃、产品落地牵引、应用赋能社会的综合协同体，在课程教学中要顶层设计好其“根本”、同时体现一定的灵活度，扎根国家经济、社会、民生和国家安全的需求土壤，与维系土壤生态的产、学、研、政等要素紧密协同育人。
3.以实训平台促进赋能应用
聚焦科研、教学与生态，面向人工智能人才培养提供技术支撑平台、工具和课程核心资源和服务，从资源共享、平台共建、联合科研、人才培养、课程建设、师资培训、学生项目、社区论坛等多方面，构建包含算法平台、硬件平台、系统平台和教学平台在内的开放人工智能人才培养实训平，以将人工智能人才培养由“讲、教、学”提升为由产、学、政合力建设的“赋能、实践和创新”的大平台，在理论教学、实训锻炼和技术创新等方面探索新机制。
2.1培养目标
以面向科学研究、面向未来、面向世界为教育理念，图灵班将选拔最富进取激情、学业最优秀、动手能力超强、并立志献身计算机基础科学研究事业的学生，借助竺可桢学院拔尖人才培养基地和教育教学改革的试验田的平台，集中计算机学院及相关院系的教学科研力量，培养具备厚基础、高素养、深钻研、宽视野的高素质、创新型本科生，本科毕业后到全球一流高校继续深造，有望在将来成为计算机科学、网络空间安全和人工智能领域世界一流学科引领者和战略科学家。
2.2毕业要求
毕业生应掌握如下知识与具备如下能力：
全面掌握人工智能核心知识、智能感知知识与技术、智能系统技术基础、设计智能知识与技术；
具备较强的工程实践及科研实践能力，包括创新、想象和动手能力；具备较强的沟通表达及职业发展能力，包括外语、写作和表达能力；具备一定的领导及组织能力；
思想、道德、文化素质高，有国家情怀和责任担当，身体强健，；
具备完整的认知结构、坚强的意志品质、较强的抗挫折能力、良好的人际关系和交流表达能力，心理健康、乐观向上、积极主动。
年学制、最低毕业学分150+6+4+2+2。
全面掌握人工智能核心知识、智能感知知识与技术、智能系统技术基础、设计智能知识与技术；
具备较强的工程实践及科研实践能力，包括创新、想象和动手能力；具备较强的沟通表达及职业发展能力，包括外语、写作和表达能力；具备一定的领导及组织能力；
思想、道德、文化素质高，有国家情怀和责任担当，身体强健，；
具备完整的认知结构、坚强的意志品质、较强的抗挫折能力、良好的人际关系和交流表达能力，心理健康、乐观向上、积极主动。
年学制、最低毕业学分150+6+4+2+2。
1.生源选拨
实施优秀学生选拔制度，每年由浙大招办根据考生高考表现择优录取学生，单独编班，成为浙江大学图灵班荣誉学生。图灵班有计算机科学与技术、人工智能、网络空间安全三个专业方向。有浙江大学招办按照考生意愿和实际情况，发放图灵班（计算机科学与技术）、图灵班（人工智能）和图灵班（网络空间安全）三个专业的录取通知书。图灵班学生可以按照学校统一转专业的流程重新选择确认一次感兴趣的专业。
2.培养机制
图灵班的教育以“4全一专”教育为特色，全方位培养计算机基础学科卓越人才：
全科式基础强化：为了培养厚基础的卓越人才，图灵班高度重视对学生理论知识和基础能力的培养，在前两年加强通识教育，以及计算机、人工智能、网络空间安全、数学、物理等方面的基础，使得学生具有开阔的全科视野，为优秀学生成长奠定坚实的基础。为此，在课程设置上，参考国内外顶尖计算机系的课程设置方案，设置如下全科培养方式：1）在前两年实施竺可桢学院数学（数学分析、线性代数、概率论和数理统计等）与物理（普通物理）的系列荣誉课程，以及计算机的编程基础课程（程序设计基础、数据结构基础、汇编语言程序设计基础），使得学生具有扎实的数理基础和掌握良好的计算机编程能力；2）设置一系列必修的计算机学科基础核心课程（操作系统、计算机组成、计算理论、高级数据结构与算法分析、信息安全、机器学习等），全面覆盖计算机科学与技术、人工智能与网络空间安全三个计算机专业方向关键核心课程，培养具备计算机全科坚实基础的优秀本科生。
全方位科研训练：为了培养学生的科研思维，图灵班融合世界重点大学计算机专业教育的先进和科学的方法，在后两年专业教育培养中开设广覆盖的研讨性课程，打造基于探索类课程和综合实践的多轮迭代能力培养方案，使得学生具备优秀的研究型学习能力和创新能力。图灵班实施全方位科研训练，引导学生进行科研创新活动，设置科研实践I、II、III、IV、V、VI系列选修课程，在专业导师的指导下，循序渐进，进行必要的科研训练，获得相应专业学分。
全程化导师引领：为了选拔培养具有特殊潜力和特别优秀的本科生，图灵班将通过包括院士和图灵奖获得者在内的师资队伍建设和保障，在入学后即给每位学生配备学业发展导师、确定专业后配备专业研究导师。图灵班实施全程化导师引领，因材施教，根据学生所确定的专业方向，在专业导师的指导下制定（后两年）专业选修课程的个性化培养方案，修读计算机科学与技术、人工智能和网络空间安全相关的课程。此外，在专业导师引领下发挥所长，鼓励导师引领学生尝试早期科研实践，不断提高学生的科研创新能力，引领学生进入某一领域的高水平研究大门。
全球化资源导入：为了全面提高拔尖人才的国际学术视野，图灵班建立多方位、多层次的国际学术交流平台，为学生提供到国际顶尖学术科研机构的合作研究与实习机会，并引入国际化师资参与课程计划设计、全英教学和科研训练，促使学生适应国际化教学模式和培养学生的国际化思维方式。
专业化学科培养：人工智能以计算机科学为基础，广泛应用于各专业领域，具有覆盖面广、技术更新快、可持续发展性强等特点。结合上述特点，人工智能专业开设五大课程群。其中，基础课程群包含数学与计算机科学相关的基础知识，为学生奠定良好的学科基础；核心课程群包括人工智能的核心基础技术，是学生根据自身兴趣进一步选择细分方向的通识技术保障；智能感知课程群指导学生如何从诸如视频、文本、网络等大规模数据中提取并识别有价值的结构化知识，并利用其进行推理、决策和创造；智能系统课程群包括如何利用信号处理和编码、智能系统等相关知识，搭建满足不同应用场景的智能系统和平台；设计智能课程群学习如何利用设计认知和设计思维等基础理论，并结合人工智能技术，在设计智能领域开展创新实践。
2.4课程设置与学分分布
1.通识课程
本模块课程分为思政类、军体类、外语类、计算机类、自然科学通识类、创新创业类、通识选修课程七大类，共修67+5.5学分（见表2.1）。
2.专业基础课程
本模块课程共修38学分,表2.2给出专业基础课程设置内容。
3.专业课程
本模块课程分为专业必修课程、专业基础选修课程、专业选修课程三大类。表2.3
给出专业课程设置内容。
4.毕业论文(设计)
本模块共修8学分,表2.4给出毕业论文(设计)设置相关内容。
5.其他模块
跨专业模块(3学分):跨专业模块是学校为鼓励学生跨学科跨专业交叉修读、多样学习而设置的学分。学生修读微辅修、辅修、双专业、双学位的课程或外专业的其他专业课程或经认定的跨学院（系）完成过程性的教学环节等，可认定为该模块学分，同时可计入相应的个性修读课程学分或第二课堂。若学生修读的跨专业课程符合微辅修/辅修条件，可在认定为跨专业模块学分的同时获得微辅修/辅修证书。
国际化模块(3学分):学生完成以下经学校认定的国际化环节可作为国际化模块学分，并可同时替换其他相近课程学分或作为其他修读要求中的课程。
（1）境外交流学习并获得学分的课程；
（2）在境外参加2个月以上的实习实践、毕业设计（论文）、科学研究等交流项目；
（3）经学校认定的其他高水平的国际化课程。
另外还有第二课堂4学分、第三课堂2学分、第四课堂2学分
2.5培养目标-毕业要求
培养目标：以面向科学研究、面向未来、面向世界为教育理念，图灵班将选拔最富进取激情、学业最优秀、动手能力超强、并立志献身计算机基础科学研究事业的学生，借助竺可桢学院拔尖人才培养基地和教育教学改革的试验田的平台，集中计算机学院及相关院系的教学科研力量，培养具备厚基础、高素养、深钻研、宽视野的高素质、创新型本科生，本科毕业后到全球一流高校继续深造，有望在将来成为计算机科学、网络空间安全和人工智能领域世界一流学科引领者和战略科学家。
培养目标分解为：
厚基础–（a）扎实的数理基础，（b）扎实的专业基础高素养–（a）人文素养，（b）管理沟通能力，（c）对社会和人类发展的责任感深钻研–掌握基本的研究方法，具有较强的研究能力宽视野–了解国际国内的本专业领域的最新进展，把握专业领域发展方向的初步能力创新型–具有很强的创新意识，较强的创新能力2.6专业必修课程简介
（摘录，详细内容见图书内容）
人工智能本科专业包括人工智能基础、机器学习、认知神经学和人工智能伦理与安全四门必修课程。下面对这四门专业必修课程进行简略介绍。
1.人工智能基础
英文名称：ThefundamentalsofArtificialIntelligence
学分：3.5
周学时：3.0-0.5
预修课程要求：线性代数、数学分析等等。
2.机器学习
英文名称：MachineLearning
学分：3.5
周学时：3.0-0.5
预修课程要求：线性代数、数学分析、概率论、基础的编程技巧。
3.人工智能伦理与安全
英文名称：TheEthicsandSafetyofArtificialIntelligence
学分：2.0
周学时：2.0-0.0
预修课程要求：数学基础课程、机器学习基础课程、编程基础课程、伦理基础课程
4.神经认知科学导论
英文名称：IntroductiontoNeuralCognition
学分：3
周学时：3
预修课程要求：具备基本高等数学基础
返回搜狐，查看更多
人才培养方案设计思路是什么人才培养方案怎么写
人才培养方案设计思路是什么？人才培养方案怎么写？2021-11-26
红海云
企业发展离不开人才，越优秀的企业，也就越重视人才的培养。那么人才培养方案设计思路是什么？人才培养方案怎么写？
1人才培养方案设计思路：明确培养目标任何人才得到认可和发展之前，学习差距评估是非常可取的。因此，企业需要创建一个精确的学习目标列表：应包括员工的技能和行为。但是，此目标需要基于企业的需求和岗位的需求。这样，企业人才在培养时，可以加深员工对企业发展前景的了解，通过分析培养的需求，帮助员工树立培养的正确目标，实现员工与企业的协同发展。
2人才培养方案设计思路：培养融入实践工作中计划是行动的指挥棒，要想让员工爱上培养，需要制定详细的培养计划，其中包括培养的时间、地点、人数等等，都需要详细考虑进去。最好是以正在培养的教育融入到员工的实际工作中，这种可以让更多的员工聚在一起，可以谈论他们在企业获得的经验和体会。同时，也可以让其他员工体会到类似情境时，让培养融入实践，获取有效解决方法。
3人才培养方案设计思路：学会利用企业内的优质资源每一个人的理解能力都存在差异。而如果单独进行一次培养，对理解能力较差的员工来说，并非好事，有可能理解不到位，失去了培养的意义。所以，可以通过构建和谐的工作氛围，让同部门的同事或者经常在一起的员工来指导，员工会较容易接受及效果也会好些。
4人才培养方案设计思路：培养形式可以多样化员工培养计划在安排时，应该考虑到培养方式的多样化，如可以借助培养系统，让部分员工先进行培养，再带动其他员工进行培养，这种会比强制被要求培养得到的效果好些。毕竟人才都不喜欢被要求、被控制。
企业人才培养计划，讲究的是技巧，千万不要为了培养而培养，而培养方式不是一成不变的。企业想要做好企业人才培养计划，需要善于观察每个员工的接受方式，及他们急迫想被培养的是哪个方面等等，只有这个才可以做好企业人才培养。
HR做到以上4个方面来从内部培养优秀人才，相信企业的一定会人才济济！
本文标签：企业人力资源管理上一篇：企业人才培养计划的制定怎么做？人才培养计划...
下一篇：离职员工关系管理需要注意什么？离职员工关系...
相关文章2023-07-11
HR人事管理系统如何助力企业人才培养？
在企业的发展过程中，人才资源是一项核心的竞争力。然而，在管理不善或面临发展瓶颈时，企业常常面临人才短缺的问题。为了打破这种僵局，不仅需要吸纳人才，更需要对已有的人才进行系统性的培养。这就是HR人事管理系统的关键场景。2023-07-11
HR人事管理系统对企业的重要作用是什么？
随着市场竞争的日趋激烈，人才已经成为企业的核心命脉，企业的发展离不开人才的提升。在这个过程中，如何更好的管理和使用人才，已经成为了每个企业都必须面对的问题，HR人事管理系统因此应运而生。那么，HR人事管理系统对企业的重要作用是什么呢？2023-07-11
公积金年度结息是什么意思？公积金年度结息有多少？
近期，很多小伙伴的公积金账户都多了一笔钱，有人到账上千元哦。那是公积金年度结息，到底公积金年度结息是什么意思？公积金年度结息有多少？2023-07-10
绩效软件上线步骤是怎么样的？这几步很关键！
目前，无论选择什么系统，都应该有相应的选择步骤，以免在选择过程中处于被动地位，由系统供应商有节奏。那么，绩效软件的选择步骤是什么呢？2023-07-10
什么是绩效软件？企业应该怎么挑选？
什么是绩效软件？企业应该怎么挑选？近年来，绩效管理成为企业关注的焦点，对员工激励、公司发展以及企业文化建设有着重要影响。随着员工数量的增加，实施有效的绩效评估变得越来越具有挑战性。在这种背景下，挑选适合自己企业的绩效软件至关重要。2023-07-06
eHR人事软件的收费模式是怎么样的？
eHR人事软件的收费模式是怎么样的？在现今的市场中，eHR人事软件的数量相当之多，包括国内外的、SAAS的、本地部署的等等。这些系统的数量之多是由于近几年创业投资的加入，导致行业内质量参差不齐，同时价格多样。此情况呼吁购买者在选择系统时，应准确确定eHR人事软件的收费模式，并基于企业需求和预算做出合适选择。2023-07-05
企业招聘流程和步骤一般是怎么样的？
企业招聘流程和步骤一般是怎么样的？招聘流程在公司人力资源方面占据关键地位。为规范公司招聘行为并保障相关权益，人力资源部需制定详细的招聘工作流程。绘制精确的流程图有助于传递和沟通招聘流程信息，成为必备技能。本文将就招聘流程图的绘制技巧及工具选择方面展开探讨，助力广大求职者和公司在招聘领域提升综合实力。2023-07-04
员工请假工资怎么算？官方回复了
到底员工请假工资怎么算？官方回复了人工智能专业人才培养方案
（专业代码：080717T）
一、培养目标
本专业培养德智体美劳全面发展，适应人工智能及相关领域发展需要，具有较高的学科与工程素养，掌握人工智能专业的基础理论，具有创新精神和实践能力，能熟练运用人工智能的基本模型、原理与方法，设计有效的技术解决方案，具有一定的从事智能系统应用研究与开发的能力，能在人工智能相关领域从事智能系统、智能信息处理、智能行为决策等方面的科学研究、开发设计、决策管理和工程应用等工作,符合国家战略及人工智能区域产业发展需求的应用型人才。要求学生在毕业5年左右达到：
目标1：道德修养。热爱祖国，拥护中国共产党的领导，树牢“四个意识”，坚定“四个自信”，坚决做到“两个拥护”，具有科学的世界观、人生观和价值观，具有责任心和社会责任感。热爱本专业，注重职业道德修养，具有强健体魄和良好的心理素质，能够积极服务人工智能区域产业发展。
目标2：知识能力。具备良好的数理基础，熟悉常见的数据统计模型，能够理解模型与待解决问题之间的对应关系；掌握机器学习基本数学理论和相关算法，选择合适的数学模型，运用相关的学习算法进行模型训练、数据分析与预测。
目标3：工程应用能力。能够熟练使用主流的深度学习框架进行应用系统的设计与开发；掌握智能控制相关专业知识，具有智能系统的设计与仿真，智能系统维护、系统运行、试验分析与应用的能力，并能从事机器学习算法，模式识别，智能系统应用、制造、控制和设计的相关工作。
目标4：团队合作、创新意识。具备以互联网、大数据及人工智能为核心的创造性思维能力，具备人工智能理论、技术、应用及交叉学科融合的科学研究能力以及对新知识、新技术的敏锐性；具有较强的表达能力和人际交往能力，以及团队协作意识。
目标5：终身学习。具有立足人工智能发展实际，熟悉相关技术前沿，能够通过企业实践、继续教育等方式持续提高专业素养和自身素质，具有适应发展及终身学习的能力。二、毕业要求
1思想道德与政治认同
1.1热爱祖国，具有为国家富强、民族昌盛奋斗的志向和责任感；践行“博闻强志、正道直行”的校训，具有敬业爱岗、艰苦奋斗、乐于奉献、遵纪守法、团结合作的品质；
1.2能够树立正确的世界观、人生观和价值观，增进对中国特色社会主义的思想认同、政治认同、理论认同和感情认同，具有良好的思想品德和社会公德。
2.工程知识2.1能够运用恰当的数学、物理模型对人工智能相关领域的工程问题进行数理分析、建模，满足工程计算的实际要求；
2.2能够掌握智能信息系统应用的相关理论知识，并能解决相关工程实际问题；2.3能够掌握机器学习的主流算法、模式识别的相关理论知识，并具有利用计算机对物理对象进行客观认识和改造的能力。
3.分析问题能力3.1能够运用数学、自然工程科学、人工智能专业知识对实际工程问题进行识别和有效分解，提出合理的解决方案；
3.2能够识别和表达复杂工程问题的关键环节和参数，通过文献查阅等多种方式对相关工程问题进行分析，以获得有效结论，并采用相关算法并论证其合理性。4.设计/开发解决方案4.1能够根据特定条件或需求的工程问题,能够运用数理知识对实际问题进行建模，能够结合电子技术和智能系统等多学科理论知识进行方案设计；
4.2能够运用机器学习相关方法、模式识别相关技术和智能系统应用的专业知识来解决相关工程领域的实际问题，并能应用于智慧农业、生物医药、智能家居、智慧城市建设等领域；
4.3能够应用程序语言解决科学计算问题；并熟练使用决策树、朴素贝叶斯、人工神经网络、Boosting
与Bagging等主流算法，设计算法实现流程应用到模式识别各种技术当中，解决实际工程问题。
5.研究
5.1能够基于科学原理并采用科学方法对人工智能领域的复杂问题进行研究、通过算法分析、建模和仿真等，得到有效的结论并论证。5.2能够针对智能系统软硬件设计、模式识别技术等复杂的工程问题设计实验方案、构建实验系统和测试平台。
5.3能够对实验结果进行合理分析、解释，通过实验数据分析、信息综合等手段得到合理有效的结论。
6.使用现代工具
6.1能够使用合理的数理分析和信息技术工具，熟练掌握其使用方法；选择与使用恰当的技术、资源、现代工程依据，进行预测和模拟。6.2掌握基本的计算机操作与应用，至少掌握一种软件开发语言，并能够运用到集成开发环境进行程序设计。
6.3掌握智能控制系统专业仪器、设备的基本原理、操作方法,能够在综合型工程中合理选择和使用仪器、设备。
7.工程与社会
7.1了解人工智能相关技术领域相关的技术标准、知识产权、产业政策和法律法规，理解不同社会文化对工程活动的影响。7.2能够合理分析和评价人工智能相关技术领域工程实践及其解决方案对社会、健康、安全、法律、文化的影响，以及这些制约因素对人工智能相关技术领域工程项目实施的影响，并理解应承担的责任。8.环境和可持续发展
8.1理解环境保护和可持续发展的理念和内涵，并理解其在人工智能相关技术领域实践中的重要性；8.2能够站在环境保护和可持续发展的角度思考人工智能相关技术领域实践的可持续性，评价人工智能相关技术领域产品周期中可能对人类和环境造成的损害和隐患。9.沟通与交流能力
9.1具有良好的口头表达能力，能够清晰、有条理地表达自己的观点，掌握基本的报告、设计文稿的撰写技能。9.2能够就复杂的工程问题，综合应用口头、书面、报告、图标等多种形式与业界同行及社会公众进行有效的沟通和交流。9.3具备一定的国际视野，能够使用英语进行跨文化交流和沟通。能够了解人工智能领域中的国外理论研究和实践动态。10.个人与团队10.1能够在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，充分发挥团队协作的优势；主动与其他团队成员共享信息、合作共事。10.2能够胜任负责人或团队成员的角色，能在团队协作中听取团队成员的意见和建议。11.项目管理11.1掌握人工智能相关技术领域工程项目中涉及的管理与经济决策方法。11.2了解人工智能类项目及产品设计开发的全周期、全流程的成本构成，理解其中涉及的工程管理与经济决策问题。11.3能够在多学科环境下，在设计开发解决方案的过程中，运用工程项目管理与经济决策方法优化人工智能系统设计及产品开发。12.终身学习12.1具有自主学习和终生学习的意识，能够认识到自我探索和终生学习的必要性，养成主动学习习惯并表现出不断探索的成效，能够自我评价。12.2能够通过文献查询、网络培训等多种渠道进行终身学习，有不断学习和适应发展的能力。13.职业规范13.1具有人文及科学素养，注重职业道德修养，能够在人工智能领域工程实践中自觉遵守职业道德。
13.2具备职业责任心和社会责任感，注重学术道德，遵守学术规范。毕业要求与培养目标的对应关系矩阵
培养目标1
培养目标2
培养目标3
培养目标4
培养目标5
毕业要求1
—
—
—
毕业要求2
—
—
—
毕业要求3
—
—
—
—
毕业要求4
—
—
—
—
毕业要求5
—
—
—
—
毕业要求6
—
—
—
毕业要求7
—
—
—
—
毕业要求8
—
—
—
毕业要求9
—
—
—
—
毕业要求10
—
—
毕业要求11
—
—
—
—
—
毕业要求12
—
—
毕业要求13
—
—
三、学制与学位
学制：4年。
毕业条件：修满课程设置与教学计划规定的所有课程（含实践教学环节），考试合格；参加课外创新创业训练活动，最低获得6学分。
学位：符合《商洛学院学士学位授予工作细则》要求，授予工学学士学位。
四、主干学科
智能科学与技术、电子科学与技术、控制科学与工程
五、主要课程
Python语言程序设计、电路理论、算法与数据结构、电子技术基础、自动控制原理、机器学习、模式识别、神经网络与深度学习、人工智能导论、自然语言处理、计算机图形学、智能控制理论、数字图像处理、智能数据挖掘等。
六、课程体系结构及学时学分比例构成
课程
公共基础课
专业基础课
专业主干课
合计
模块
必修课
选修课
必修课
必修课
选修课
学
理论学时
718
96
672
96
128
1710
时
分
实践学时
280
0
224
48
32
584
配
总学时
998
96
896
144
160
2294
学
理论学分
43.5
6
42
6
8
105.5
分
分
（比例）
24.10%
3.30%
23.40%
3.30%
4.50%
58.60%
配
实践学分
23.5
0
28
21
2
74.5
及
（比例）
13.10%
0.00%
15.50%
11.70%
1.10%
41.40%
比
总学分
67
6
70
27
10
180
例
（比例）
37.20%
3.30%
38.90%
15.00%
5.60%
100.00%
七、毕业要求的实现矩阵（课程设置与毕业要求指标点关联度）
序号
课程名称
毕业要求1
毕业要求2
毕业要求3
毕业要求4
毕业要求5
毕业
要求6
毕业要求7
毕业要求8
毕业
要求9
毕业
要求10
毕业
要求11
毕业
要求12
毕业
要求13
1.1
1.2
2.1
2.2
2.3
3.1
3.2
4.1
4.2
4.3
5.1
5.2
5.3
6.1
6.2
6.3
7.1
7.2
8.1
8.2
9.1
9.2
9.3
10.1
10.2
11.1
11.2
11.3
12.1
12.2
13.1
13.2
1
思想道德修养
与法律基础
H
H
H
H
M
H
H
2
中国近现代史
纲要
H
H
M
M
M
M
M
3
马克思主义
基本原理
H
H
H
M
M
4
毛泽东思想和中国特色社会主义理论体系概论
H
H
M
M
M
M
M
5
大学英语
M
M
H
6
大学体育
H
H
H
7
大学生心理健康教育
M
H
H
M
H
8
大学计算机基础
H
H
M
H
M
9
高等数学
H
H
H
H
10
大学物理
M
M
H
H
H
H
M
M
11
形势与政策
H
H
H
H
H
M
H
12
入学教育
H
H
M
H
H
H
13
军事理论
H
H
H
M
H
H
14
军事技能
H
M
H
M
H
H
15
大学生职业发展与就业指导
H
H
M
M
H
H
H
16
认知实习
H
H
H
H
M
H
H
17
创新创业教育
与训练
H
H
M
M
M
H
H
H
18
公益劳动
M
H
M
H
M
序号
课程名称
毕业要求1
毕业要求2
毕业要求3
毕业要求4
毕业要求5
毕业
要求6
毕业要求7
毕业要求8
毕业
要求9
毕业
要求10
毕业
要求11
毕业
要求12
毕业
要求13
1.1
1.2
2.1
2.2
2.3
3.1
3.2
4.1
4.2
4.3
5.1
5.2
5.3
6.1
6.2
6.3
7.1
7.2
8.1
8.2
9.1
9.2
9.3
10.1
10.2
11.1
11.2
11.3
12.1
12.2
13.1
13.2
19
社会实践
H
M
M
M
H
20
C语言程序设计
H
H
M
H
M
21
电路理论
H
H
H
H
M
22
Python语言
程序设计
H
M
H
H
H
M
H
23
线性代数
H
H
H
H
24
离散数学
H
H
H
M
M
25
算法与数据
结构
H
H
M
M
H
26
人工智能导论
H
H
H
M
M
M
27
电子技术基础
H
H
H
H
M
28
概率论与
数理统计
H
H
H
H
M
29
自动控制理论
H
H
M
H
M
30
机器学习
H
H
H
H
H
M
M
31
模式识别
H
H
M
M
H
H
32
智能数据挖掘
H
M
H
H
H
M
33
人工智能
应用实践
M
H
H
H
H
M
34
神经网络
与深度学习
H
H
H
M
M
35
微机原理与
应用
H
H
M
H
M
36
数字图像处理
H
H
H
H
M
37
专业英语
M
H
H
M
M
38
金工实习
H
H
H
H
M
M
39
综合实习
M
H
H
H
H
H
H
H
H
M
H
M
M
H
H
40
自然语言处理
H
H
H
H
M
M
序号
课程名称
毕业要求1
毕业要求2
毕业要求3
毕业要求4
毕业要求5
毕业
要求6
毕业要求7
毕业要求8
毕业
要求9
毕业
要求10
毕业
要求11
毕业
要求12
毕业
要求13
1.1
1.2
2.1
2.2
2.3
3.1
3.2
4.1
4.2
4.3
5.1
5.2
5.3
6.1
6.2
6.3
7.1
7.2
8.1
8.2
9.1
9.2
9.3
10.1
10.2
11.1
11.2
11.3
12.1
12.2
13.1
13.2
41
大数据原理
与应用
H
H
H
M
M
M
42
计算机视觉
H
H
H
M
M
43
机器人程序设计思维与实践
M
H
H
H
H
M
44
毕业论文
H
H
H
H
H
H
H
H
H
H
M
H
M
(设计)
45
毕业教育
H
H
H
H
H
M
M
H
46
人机交互学
H
H
H
M
M
47
智能控制理论
H
H
H
M
M
48
无线传感网络
H
H
H
M
49
语音信号处理
H
H
H
M
M
50
嵌入式系统
H
H
H
M
51
智能优化算法
及应用
M
M
H
H
M
52
机器人应用
H
H
H
M
M
技术
53
分布式结构
H
H
M
M
H
54
生物特征识别
H
H
H
H
M
55
计算机图形学
H
H
H
H
M
56
智慧城市导论
M
H
M
M
M
57
项目管理
与案例分析
M
M
H
H
H
H
注：关联强度采用H、M、L分别表示，其中H表示强相关(80%)；M表示中等相关(50%)；L表示弱相关(20%)。
八、课程设置及学时学分分配表
（一）公共基础课模块课程设置及学时学分分配表
课程
编号
课程名称
课程
类别
学
分
学分分配
学时
(周数)
学时分配
开课
学期
考核
方式
理
论
实
践
理
论
实
验
实
践
20010001
思想道德修养
与法律基础
必修
3
2
1
48
32
16
1
试
20020001
大学英语1
必修
3.5
3.5
56
56
1
试
20110001
大学体育1
必修
1
1
36
4
32
1
试
20030001
大学计算机基础
必修
3
1
2
42
14
28
1
试
20030002
高等数学1
必修
4
4
64
64
1
试
20120001
入学教育
/
/
(2)
1
查
20120002
军事理论
2
2
36
36
1
查
20120003
军事技能
2
2
(2)
1
查
20010002
中国近现代史纲要
必修
3
2
1
48
32
16
2
试
20020002
大学英语2
必修
4
4
64
64
2
试
20110002
大学体育2
必修
1
1
36
4
32
2
试
20030003
高等数学2
必修
6
6
96
96
2
试
20040001
大学物理
必修
4
3
1
64
48
16
2
试
20040002
认知实习
必修
2
2
(2)
2
查
20010003
马克思主义基本原理
必修
3
2
1
48
32
16
3
试
20020003
大学英语3
必修
4
4
64
64
3
试
20110003
大学体育3
必修
1
1
36
4
32
3
试
20120004
大学生心理健康教育
必修
2
1
1
32
20
12
3
查
20010004
毛泽东思想和中国
特色社会主义理论
体系概论
必修
5
4
1
80
64
16
4
试
20020004
大学英语4
必修
2
2
32
32
4
查
20110004
大学体育4
必修
1
1
36
4
32
4
试
20010005
形势与政策
必修
2
2
32
32
1-8
查
20120005
大学生职业发展
与就业指导
必修
1
1
32
32
1、3
5、6
查
20040003
创新创业教育与训练
必修
7
1
6
16
16
1-8
查
20040004
公益劳动
必修
0.5
0.5
(2)
1-8
查
20130002
社会实践
必修
/
/
(2)
1-7
查
20120401
公共选修课
选修
6
6
96
96
2-6
查
小计
73
49.5
23.5
1094
(10)
814
44
236
（二）专业基础课模块课程设置及学时学分分配表
课程编号
课程名称
课程
类别
学分
学分分配
学时
(周数)
学时分配
开课
学期
考核方式
理论
实践
理论
实验
实践
20045101
C语言程序设计
必修
4
2
2
64
32
32
1
试
20045102
电路理论
必修
3
2
1
48
32
16
2
试
20035101
线性代数
必修
2
2
32
32
2
试
20045103
金工实习
必修
2
2
(2)
2
查
20045104
算法与数据结构
必修
3
2
1
48
32
16
2
试
20045105
离散数学
必修
3
3
48
48
3
试
20045106
人工智能导论
必修
2
2
32
32
3
试
20045107
Python语言
程序设计*
必修
4
2
2
64
32
32
3
试
20045108
电子技术基础
必修
5
4
1
80
64
16
3
试
20035102
概率论与
数理统计
必修
2
2
32
32
3
试
20045109
自动控制原理
必修
4
3
1
64
48
16
4
试
20045110
机器学习*
必修
4
3
1
64
48
16
4
试
20045111
模式识别*
必修
4
3
1
64
48
16
4
试
20045112
智能数据挖掘
必修
4
3
1
64
48
16
5
试
20045113
人工智能
应用实践**
(校企合作课程)
必修
2
2
(2)
5
查
20045114
神经网络与
深度学习*
必修
4
3
1
64
48
16
5
试
20045115
微机原理与应用
必修
3
2
1
48
32
16
5
试
20045116
数字图像处理
必修
3
2
1
48
32
16
6
试
20045117
专业英语
必修
2
2
32
32
6
查
20045118
综合实习
必修
10
10
(10)
7
查
小计
70
42
28
896(14)
672
144
80
备注
1、课程名称上标“*”表示该门课程的实践部分为课程设计
2、课程名称上标“**”表示该门课程为实训课程
（三）专业主干课模块课程设置及学时学分分配表
课程
编号
课程名称
课程类别
学分
学分分配
学时
(周数)
学时分配
开课
学期
考核方式
理
论
实
践
理
论
实
验
实
践
20045201
大数据原理
与应用
必修
3
2
1
48
32
16
5
试
20045301
人机交互学
选修
2
2
32
32
5
查
20045302
智能控制理论
选修
2
2
32
32
5
查
20045202
自然语言处理
必修
3
2
1
48
32
16
6
试
20045203
计算机视觉*
必修
3
2
1
48
32
16
6
试
20045204
机器人程序设计思维与实践**
(校企合作课程)
必修
2
2
(2)
6
查
20045303
无线传感网络
（方向1）
方向1
选修
2
2
32
32
6
试
20045304
嵌入式系统*
（方向1-校企合作课程）
选修
2
1
1
32
16
16
6
试
20045305
语音信号处理
（方向2）
选修
2
2
32
32
6
试
20045306
智能优化算法
及应用*(方向2-
校企合作课程)
选修
2
1
1
32
16
16
6
试
20045307
机器人应用技术*（方向1）
选修
2
1
1
32
16
16
7
查
20045308
智慧城市导论
（方向1）
选修
2
2
32
32
7
查
20045309
项目管理与案例分析（方向1）
选修
2
2
32
32
7
查
20045310
生物特征识别*
（方向2）
选修
2
1
1
32
16
16
7
查
20045311
计算机图形学
（方向2）
选修
2
2
32
32
7
查
20045312
分布式结构
（方向2）
选修
2
2
32
32
7
查
20045205
毕业论文(设计)
必修
16
16
(16)
8
查
20045206
毕业教育
必修
/
/
(2)
8
查
小计
37
14
23
304
(20)
224
32
48
备注
1、从第5学期起开始设置专业选修课，其中第5学期至少选修一门选修课，2学分。
2、第6学期起设选修方向，其中方向1为智能系统应用方向，方向2为机器学习与模式识别方向。第6、7学期每学期各方向至少定向选修两门选修课，4学分，三个学期共计至少选修10学分(其中至少包含2个实践学分)。
3、课程名称上标带“*”表示该门课程的实践部分为课程设计。
4、课程名称上标带“**”表示该门课程为实训课程。
九、专业教学进程表
学年
学期
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
备注
一
1
☆★
☆★
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
∷
∷
×
×
×
×
×
×
2
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
⊙
⊙
∷
∷
◇
◇
×
×
×
×
二
3
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
*
*
∷
∷
×
×
×
×
×
×
4
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
*
*
∷
∷
∧
∧
×
×
×
×
三
5
√
√
√
√
√
√
√
√
√
√
√
√
√
√
√
*
﹟
﹟
∷
∷
∨
∨
×
×
×
×
6
√
√
√
√
√
√
√
√
√
√
√
√
√
√
*
*
﹟
﹟
∷
∷
×
×
×
×
×
×
四
7
◆
◆
◆
◆
◆
◆
◆
◆
◆
◆
√
√
√
√
√
√
√
*
∷
∷
×
×
×
×
×
×
8
～
～
～
～
～
～
～
～
～
～
～
～
～
～
～
～
〓
〓
×
×
×
×
×
×
×
×
图例说明：入学教育☆ 军事训练★ 课堂教学√ 期末考试∷ 寒暑假期× 公益劳动∧ 社会实践∨
认知实习⊙ 课程设计* 综合实习◆ 金工实习◇ 课程实训﹟ 技能训练♂ 毕业教育〓
毕业论文设计～