智能科学与技术专业介绍---桂林电子科技大学

一、培养目标

本专业培养的学生要具备坚实的数学、电子技术、信息和智能科学基础知识，掌握计算机，智能系统，信息

处理、自动控制、系统优化的基本技能，能综合运用所学知识与技能分析和解决实际工程问题。

毕业生能在科研、教育、企业、事业和行政管理等部门从事智能信息处理、智能控制、智能人机交互和智能

系统集成等方面的教学、科研和开发应用工作，成为能掌握智能信息技术和专业技能的复合型高级工程技术人才。

 

二、培养要求

 

本专业学生主要学习电子技术、智能控制理论、智能信息处理、智能图象处理、计算机集成等方面的基

础理论、基本知识和基本技能，受到较好的工程设计与实践的基本训练，具有系统分析、设计、开发与研究

的基本能力。 毕业生应获得以下几方面的知识和能力：

1、系统地掌握本专业领域宽广的技术基础理论知识，以适应电子信息、智能信息处理与技术、空间信

息处理等方面广泛的工作范围；

2、掌握信息获取、处理的基本理论和智能处理的一般方法，具有设计，集成，应用及计算机模拟信息

系统的基本能力；

3、具有较强的外语应用能力，掌握文献检索、资料查询的基本方法，具备一定的语义理解与分析能力

和实际工作能力；

4、具有较强的自学能力、动手能力、创新意识和较高的综合素质；

5、具有较扎实的科学基础，较好的人文科学基础和外语与现代技术的综合能力；

6、了解信息系统及智能科学与技术领域的学科前沿、最新进展和发展动态；

7、了解电子设备和信息系统及网络技术的理论前沿，具有研究，开发新系统，新技术的初步能力。

三、主干学科、主要课程和主要实践性教学环节

主干学科：控制科学与工程、计算机科学与技术、信息与通信工程、电气工程。

 

主干课程：电路分析基础、模拟电子技术、数字电子技术、信号与系统分析、数字信号处理、自动控制原理、人工智能、模式识别、计算机控制技术、运筹学、机器学习。

 

主要实践性教学环节：

包括电子工程实习、电路分析基础A实验、模拟电子技术A实验、数字电子技术A实验、课程设计、生产实习、毕业设计等。一般要求实践教学环节不少于35周。

 

主要专业实验：单片机原理及接口技术实验、检测与转换技术实验、智能卡技术实验、工业机器人实验、信号与系统分析实验、数字信号处理实验、自动控制原理实验、电力电子技术实验、电气控制与PLC技术实验等。

 

主要课程介绍：

 

电路分析基础，“电路分析”是普通高等院校电类及相关专业开设的一门重要的专业技术基础课程之一。介绍了电路的基本概念和基本定律、直流电阻电路的分析与计算、正弦交流电路、互感电路、三相正弦交流电路、线性电路过渡过程的时域分析、非正弦周期电流电路、二端口网络、磁路和铁芯线圈电路、电路的计算机辅助设计等。

 

自动控制理论是研究自动控制共同规律的技术科学。它的发展初期，是以反馈理论为基础的自动调节原理，主要用于工业控制，二战期间为了设计和制造飞机及船用自动驾驶仪，火炮定位系统，雷达跟踪系统以及其他基于反馈原理的军用设备，进一步促进并完善了自动控制理论的发展。到战后，以形成完整的自动控制理论体系，这就是以传递函数为基础的经典控制理论，它主要研究单输入-单输出，线形定常数系统的分析和设计问题。

 

计算机控制技术是一门以电子技术、自动控制技术、计算机应用技术为基础，以计算机控制技术为核心，综合可编程控制技术、单片机技术、计算机网络技术，从而实现生产技术的精密化、生产设备的信息化、生产过程的自动化及机电控制系统的最佳化的专门学科。企业对具备较强的计算机控制技术应用能力专门人才需求很大。

 

人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能相当是该专业

 

数字信号处理是将信号以数字方式表示并处理的理论和技术。数字信号处理与模拟信号处理是信号处理的子集。数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现。而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器（DSP）和专用集成电路（ASIC）等。数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。广义来说，数字信号处理是研究用数字方法对信号进行分析、变换、滤波、检测、调制、解调以及快速算法的一门技术学科。但很多人认为：数字信号处理主要是研究有关数字滤波技术、离散变换快速算法和谱分析方法。随着数字电路与系统技术以及计算机技术的发展，数字信号处理技术也相应地得到发展，其应用领域十分广泛。

 

机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。

 

运筹学是管理类专业的一门重要专业基础课。它是本世纪40年代初发展起来的一门新兴学科，其主要目的是在决策时为管理人员提供科学依据，是实现有效管理、正确决策和现代化管理的重要方法之一，其决策理论在计算机科学及模式识别的算法实现方面也有较多的应用。

 

模式识别(Pattern Recognition)是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。(计算机)模式识别在20世纪60年代初迅速发展并成为一门新学科。模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（Supervised Classification）和无监督的分类(Unsupervised Classification)两种。二者的主要差别在于，各实验样本所属的类别是否预先已知。一般说来，有监督的分类往往需要提供大量已知类别的样本，但在实际问题中，这是存在一定困难的，因此研究无监督的分类就变得十分有必要了。

 

电路分析基础、模拟电子技术、数字电子技术、信号与系统分析属于专业基础必修课，在此不再详细介绍。

智能科学专业就业前景如何？

学生的思考：

来自http://www.zhihu.com/question/19826388
这个专业说好听了是紧跟时代潮流，中肯的说，是非常的demanding！说不好听了，就是把一大堆硕士生和博士生的课程加上本科生应该学的课程都放在本科四年学。

假设你说的这个专业是像我说的（这个我觉得很有必要看一下那个学校的教学大纲，看看是不是像我说的开那些相关课程），那么大学前两年其实是在上数学专业的专业课，比如线性代数（高等代数），高等数学（数学分析），概率论，统计等等，同时由于是计算机专业，所以也要学数据结构，编程语言等等。这些课程对后续一些“智能”相关的课程都非常重要，如果基础打不好，后面学起来会很费劲。等到大二下学期，估计就开始上专业课了，就是机器学习啊，数据挖掘啊，数据仓库啊，模式识别啊，自然语言处理啊，信息检索啊，等等非常有难度的课程，因为比较难，所以老师都是简单介绍，因为，在短短的几十个学时的课时是无法讲明白上述任何一门课的内容的，再加上这些课程同时都来，我说demanding一定都不为过。

谈到就业，还是看个人，如果你恰好对上面的领域很感兴趣，而且个人又知道自己想做什么，那么凭借个人的努力，你会学到很多东西，而且觉得这个专业很有意思。而且近年来，国内互联网公司发展蓬勃，很多公司的业务都是需要数据挖掘、机器学习、自然语言处理、信息检索相关的知识的。

现实的说，本科生靠这个专业找工作有些费劲吧，我觉得本科毕业然后找一个好一些的学校读个自己喜欢的方向的研究生，这样延续下来本科的学习，同时又有深度了，就业就容易些了。

一些粗浅建议，个人见解，希望有所帮助。