专业核心课程内容介绍

课程编码：0807216040 课程名称：算法与数据结构  总学时：48 周学时：4

内容简介：本课程主要介绍用计算机解决一系列问题，特别是非数值信息处理问题时所用的各种组织数据方法、存储数据结构方法以及在各种结构上执行操作算法。通过教学要求学生掌握各种数据结构的特点、存储表示、运算方法以及在计算机科学中最基本的应用，培养学生运用数学思维解决实际工程问题的能力，并为后续课程的学习打下良好的理论基础和实践基础。课程主要内容包括线性表及其运算，堆栈、队列及其应用，串的基本运算，树的操作及应用，图的操作及应用，查找和排序算法的应用。

课程编码：0807216041 课程名称：人工智能数学基础  总学时：32 周学时：4

内容简介：人工智能的数学基础非常广泛，除高等数学、线性代数、概率统计三门最基础的课程外，还有很多数学课程与之相关，例如离散数学、数值代数、微分方程、积分变换、现代几何学、随机过程、运筹学等。本课程由矩阵分析、相似性度量、函数与泛函分析、信息论与熵、正则化与范数、最优化理论与方法、核函数映射等多个模块构成。理论和工程实践相结合进行内容讲授，为学生进一步学习机器学习、深度学习打下基础。

课程编码：0807216043 课程名称：Python程序设计 总学时：48 周学时：4

内容简介：本课程旨在通过系统学习Python程序语言的基础知识和编程方法，使学生掌握Python语言的基本语法规则、程序控制结构、列表、元组、字典等高级数据类型、函数、面向对象编程、Python库与模块及其使用方法等，培养学生的编程能力、计算思维、分析问题和解决问题的能力，后续能够运用Python解决人工智能应用领域的实际问题。

课程编码：0807316021 课程名称：计算机组成原理  总学时：48 周学时：4

内容简介：本课程涉及到计算机硬件的各个方面，是理解计算机运行原理、设计计算机系统的基础。课程内容以冯·诺依曼机基本结构为主线，介绍计算机的基本组成和各部分结构与工作原理，主要讲授计算机系统概论、数值表示、数值运算、存储系统和结构、指令系统、中央处理器、流水线、输入输出系统和总线等内容。通过本课程的学习，学生将深入了解计算机硬件系统的各个方面，掌握计算机体系结构的基本原理和设计思想，培养学生的计算机系统设计与开发能力，为后续专业课程打好基础。

课程编码：0807316022 课程名称：机器学习 总学时：48  周学时：4

内容简介：本课程对机器学习的定义和应用实例进行了介绍，涵盖了监督学习、贝叶斯决策理论、参数方法、多元方法、聚类、非参数方法、决策树、线性判别式、多层感知器、局部模型、隐马尔可夫模型、分类算法评估和比较、组合多学习器以及增强学习等。要求学生通过本课程的学习可以实现对机器学习方法编程，以使用样本数据或以往的经验来解决给定的问题。

课程编码：0807316023 课程名称：深度学习 总学时：48  周学时：4

内容简介：本课程介绍神经网络的概念、神经网络的分类与学习方法、前向神经网络模型及其算法、改进的BP网络及其控制、反馈网络、Hopfield网络。深度学习是人工智能从概念到繁荣得以实现的主流技术，课程介绍深度学习的概念及相关技术，并介绍其在计算机视觉、语音识别、图像识别，自然语言理解、机器人学等相关案例。

课程编码：0807416039 课程名称：自然语言处理 总学时：48 周学时：4

内容简介：本课程涵盖词法、句法、语义分析等基础理论，搭建语言处理的逻辑框架，以及文本分类、信息抽取、机器翻译、问答系统等实用技术，让学生掌握从文本中提取关键信息的方法。通过学习，学生将掌握自然语言处理的完整流程与核心算法，掌握运用编程工具实现算法的能力，具备分析处理自然语言数据的思维，能独立设计并优化自然语言处理系统。

课程编码：0807416040 课程名称：计算机视觉与模式识别 总学时：48 周学时：4

内容简介：本课程涵盖成像原理、图像处理、特征提取、模式分类及深度学习应用等内容。通过理论教学与实践结合，学生将掌握图像处理与分析方法，理解模式识别算法原理，具备解决图像识别、目标检测等实际问题的能力。课程注重编程实现与实验操作，培养学生数据分析、算法设计及系统开发能力。

课程编码：0807416041 课程名称：大模型理论与实践 总学时：48 周学时：4

内容简介：本课程系统讲解大模型的核心技术、应用开发与行业实践，涵盖从基础理论到工程落地的全流程知识体系。课程内容包括大模型基础能力评估、核心算法、微调技术、部署优化及多模态开发等模块。通过实验与案例，学生将掌握大模型在文本生成、图像处理等领域的实际应用方法，并学习提示词工程、知识增强等交互技术，提升对模型输出的精准控制能力，培养学生具备大模型训练、微调、部署及跨模态任务处理能力，强化工程实践能力与问题解决能力。