人工智能技术应用(510209)
一、专业名称及代码
专业名称:人工智能技术应用
专业代码:510209
专业所属专业群:大数据技术专业群
二、入学基本要求
中等职业学校毕业、普通高级中学毕业或具备同等学力。
三、修业年限
3年,可实行弹性学制2-5年。
四、职业面向
表1 职业面向信息表
所属专业大类 (代码) |
所属专业类(代码) |
对应行业 (代码) |
主要职业类别(代码) |
主要岗位类别 (群)或技术领域 |
电子与信息大类(51) |
计算机类(5102) |
软件与信息技术服务业(65)、互联网和相关服务(64) |
人工智能工程技术人员S(2-02-38-01)、人工智能训练师S (4-04-05-05) |
数据采集与处理、算法模型训练与测试、大模型部署与应用、智能体开发与应用、人工智能应用开发、智能机器人工程师、人工智能系统集成与运维...... |
五、职业技能等级证书
表2 职业技能等级证书一览表
序号 |
证书名称 |
等级 |
颁证单位 |
备注(必考或选考) |
1 |
Python技术应用工程师 |
中、高级 |
工业和信息化部 |
选考 |
2 |
人工智能应用工程师 |
中、高级 |
工业和信息化部 |
选考 |
3 |
1+X人工智能数据处理 |
中、高级 |
科大讯飞股份有限公司 |
选考 |
4 |
1+X计算机视觉应用开发 |
中、高级 |
北京百度网讯科技有限公司 |
选考 |
5 |
人工智能工程技术人员 |
初级 |
获人社部备案的评价机构 |
选考 |
6 |
人工智能训练师 |
三、四级 |
获人社部备案的评价机构 |
选考 |
六、培养目标
本专业聚焦算力产业链的上游人工智能领域,聚焦国家战略“东数西算”工程,适应珠三角和粤港澳大湾经济发展需要,培养理想信念坚定,德、智、体、美、劳全面发展,具有一定的科学文化水平,良好的人文素养、职业道德和创新意识,精益求精的工匠精神,较强的就业能力和可持续发展的能力,掌握本专业知识和技术技能,具备职业综合素质和行动能力,面向软件与信息技术服务、互联网和相关服务等行业的人工智能工程技术人员、人工智能训练师等职业,能够从事数据采集与处理、算法模型训练与测试、人工智能应用开发、人工智能系统集成与运维等工作的高技能人才。
七、培养规格
本专业的毕业生应在素质、知识和能力等方面达到以下要求:
(一) 素质要求
(1)思想政治素质:树立马克思主义的世界观、人生观、价值观,拥护中国共产党的领导,拥护社会主义制度,热爱祖国,热爱中华民族,具有中国特色社会主义道路自信、理论自信、制度自信、文化自信,积极践行社会主义核心价值观。
(2)职业素质:具有良好的职业态度和职业道德修养,具有正确的择业观和创业观。坚持职业操守,爱岗敬业、诚实守信、办事公道、服务群众、奉献社会:具备从事职业活动所必需的基本能力和管理素质;脚踏实地、严谨求实、勇于创新;具备终身学习的理念和素养。
(3)专业素质:具有扎实的编程技能和算法基础,熟练掌握主流编程语言及常用算法;具有数据分析和处理能力,能够从海量数据中提取有价值的信息;具有工程实践能力,能够将理论应用到实际项目中。
(4)人文素养与科学素质:具有融合传统文化精华、当代中西文化潮流的宽阔视野:文理交融的科学思维能力和科学精神;具有健康、高雅、勤勉的生活工作情趣;具有适应社会核心价值体系的审美立场和方法能力;奠定个性鲜明、善于合作的个人成长成才的素质基础。
(5)身心素质:具有健康的体魄、心理和健全的人格,掌握基本运动知识和1~2项运动技能,养成良好的健身与卫生习惯,以及良好的行为习惯。
(6)创新创业素质:关心本专业领域的发展动态,具有服务他人、服务社会的情怀;积极参与,乐于分享,敢于担当,具有良好的沟通能力与领导力;掌握创新思维基本技法,具有良好的分析能力、主动解决问题的意识与建构策略方案的能力;勇于奋斗、乐观向上,具有自我管理能力、职业生涯规划的意识,有较强的集体意识和团队合作精神。
(7)劳动素质:弘扬劳动光荣、技能宝贵、创造伟大的时代精神,热爱劳动人民、珍惜劳动成果、树立劳动观念、积极投身劳动,具备与本专业职业发展相适应的劳动素养、劳动技能;提高个人安全防护意识,树立消防安全观念;培养绿色低碳理念、倡导低碳生活。
(二) 知识要求
(1)掌握必备的思想政治理论、科学文化基础知识和中华优秀传统文化知识;
(2)熟悉与本专业相关的法律法规以及环境保护、安全消防、文明生产等知识;
(3)掌握程序设计、Python应用开发、Linux操作系统、数据库技术、计算机网络技术等方面的专业基础理论知识,具有程序设计、数据库设计能力;
(4)掌握主流机器学习算法和深度学习模型,具有模型选择、搭建、训练、测试和评估能力;
(5)掌握使用深度学习框架进行神经网络模型搭建的技能,具有深度学习框架的安装、模型训练、模型推理能力;
(6)掌握利用计算机视觉、智能语音、自然语言处理等技术,具有根据典型应用场景进行人工智能应用集成设计和开发的能力;
(7)掌握人工智能系统的部署、调测、运维等知识与技能,具有部署与运维人工智能系统的能力。
(三) 能力要求
(1)具有探究学习、终身学习、分析问题和解决问题的能力;
(2)具有良好的语言、文字表达能力和沟通能力;
(3)具有良好的团队合作与抗压能力;
(4)具有程序设计、数据库设计的能力;
(5)具有安装、配置和使用Linux操作系统,能用Linux常用命令操作计算机的能力;
(6)具有数据采集、数据清洗、数据标注、数据特征分析、数据挖掘脚本的能力;
(7)具备模型选择、搭建、训练、测试和评估能力;
(8)具备深度学习框架的安装、模型训练、推理部署的能力;
(9)具备利用计算机视觉、智能语音、自然语言处理等技术,根据典型应用场景进行人工智能应用集成设计和开发的能力;
(10)在主流计算机语言中熟练使用人工智能典型模型的能力;
(11)能够针对人工智能相关工程问题,开发、选择与使用恰当技术对人工智能领域复杂工程问题的预测与模拟。
八、课程设置及要求
(一)课程设置
1.公共基础课程
(1)公共基础必修课程
包括军事理论、军事技能、大学生心理健康教育、体育I、体育II、体育III、大学语文、形势与政策、国家安全教育、思想道德与法治、毛泽东思想和中国特色社会主义理论体系概论、习近平新时代中国特色社会主义思想概论、大学生职业生涯规划与就业指导、创新创业教育、劳动教育、人工智能基础及应用、大学英语、高等数学C等课程。
(2)公共基础选修课程
包括中国共产党党史、中华优秀传统文化、学年劳动实践周(社会实践)、其他类公共任选课。其中学年劳动实践周(社会实践)的课程内容形式可选,学分须修够。
2.专业(技能)课程
(1)专业群基础课程
主要包括:信创技术基础、程序设计基础、Linux系统应用、信创数据库技术、Web前端开发基础等领域的内容。
(2)专业核心课程
主要包括:人工智能数据服务、数据标注、机器学习原理与实践、智能体应用开发、边缘智能应用技术、深度学习应用开发、计算机视觉应用开发等领域的内容。
表3 专业核心课程主要教学内容与要求
序号 |
课程涉及的主要领域 |
典型工作任务描述 |
主要教学内容与要求 |
1 |
人工智能数据服务 |
课程核心知识模块与典型学习任务: 模块1:数据采集与清洗工程化 模块2:统计分析技术应用 模块3:可视化开发全流程 |
①掌握数据采集、清洗、处理与分 析的基础知识与常用工具。 ②掌握NumPy库、Pandas库、Matplotlib 库及其使用方法。 ③熟悉使用Python等开发语言处理 数据,实现数据处理与分析。 |
2 |
数据标注 |
课程核心知识模块与典型学习任务: 模块1:数据预处理与规范制定 模块2:多模态数据标注实践 模块3:标注质量管控与优化 模块4:工程化交付与项目管理 |
①熟悉数据标注定义及分类、应用领域。 ②掌握常用数据标注工具的使用。 ③掌握文本标注、图像标注、视频标注的基本方法和实施技巧。 ④熟悉数据标注员的职业素养 |
3 |
机器学习原理与实践 |
课程核心知识模块与典型学习任务: 模块1:机器学习基础理论与数学基础 模块2:模型开发全流程实战 模块3:工业级系统部署与优化 模块4:前沿技术与跨领域应用 |
①掌握机器学习的概念。 ②掌握关联规则概念和使用。 ③掌握回归模型概念和使用。 ④掌握简单分类算法概念和使用。 ⑤掌握高级分类算法概念和使用。 ⑥掌握聚类算法概念和使用。 |
4 |
智能体应用开发 |
课程核心知识模块与典型学习任务: 模块1:智能体架构设计 模块2:四大能力工程化实现 模块3:全栈开发与部署 模块4:伦理与调优专项 |
①掌握智能体基础与架构设计。 ②掌握开发平台与工具链实战。 ③掌握核心开发技能。 ④掌握行业应用项目实践。 ⑤掌握测试、部署与伦理。 |
5 |
边缘智能应用技术 |
课程核心知识模块与典型学习任务: 模块1:边缘设备与开发环境构建 模块2:边缘算法开发与优化 模块3:边云协同与系统集成 模块4:工业场景综合应用 |
①了解边缘智能的概念、发展历程、应用领域和发展趋势。 ②理解边缘计算、人工智能、物联网等相关技术在边缘智能中的作用和相互关系。 ③熟悉常见的边缘智能应用场景,如智能交通、智能家居、智能工业等,并了解其应用需求和解决方案。 ④掌握边缘智能的关键技术,包括边缘设备管理、数据处理与分析、模型训练与推理、安全与隐私保护等。 |
6 |
深度学习应用开发 |
课程核心知识模块与典型学习任务: 模块1:框架基础开发与模型构建 模块2:性能优化与高级训练技术 模块3:工业级部署与全栈开发 模块4:前沿架构与领域应用 |
①了解目前流行的深度学习框架PaddlePaddle、TensorFlow、PyTorch。 ②熟悉模型的构建、训练、验证和评估流程。 ③理解网络层设计、激活函数、损失函数和优化算法的应用。 ④掌握使用框架实现深度学习任务的方法,能结合实例完成模型的调试、部署和优化。 |
7 |
计算机视觉应用开发 |
课程核心知识模块与典型学习任务: 模块1:计算机视觉基础理论 模块2:特征提取与匹配 模块3:目标检测与识别 模块4:图像分割与三维重建 模块5:视频分析与生成模型 |
①了解图像表示、滤波、边缘检测等基础理论。 ②理解图像分割、形态学操作、目标检测等经典算法。 ③掌握深度卷积神经网络(CNN)、YOLO、R-CNN、U-Net等深度学习技术。 ④能利用TensorFlow、PyTorch、OpenCV等工具进行实战项目。 |
(3)专业拓展课程
主要包括:人工智能应用导论、计算机网络技术、人工智能系统部署与运维、人工智能综合项目开发、Python运维开发、计算机视觉应用开发实训、智能语音处理及应用开发、信创AI应用开发、高斯数据库、欧拉操作系统、AIGC辅助软件开发、专升本C程序设计与算法、NoSQL数据库、PowerBi数据分析等领域的内容。
(二)实践性教学环节
实践性教学应贯穿于人才培养全过程。实践性教学主要包括实验、实习实训、社会实践活动等形式,公共基础课程和专业课程等都要加强实践性教学。
1.实训
在校内外进行程序设计、人工智能数据服务、数据标注、智能体应用开发、边缘智能应用技术、深度学习应用开发、计算机视觉应用开发等实训,包括单项技能实训、综合能力实训、生产性实训;基于产业学院、现代学徒制、订单培养或其他校企创新协同育人等“校企精准对接、精准育人”模式而开设的企业特色课程等。
2.实习
在互联网和相关服务行业的人工智能技术应用企业进行人工智能系统部署与运维、人工智能综合项目开发、Python运维开发、计算机视觉应用开发实训、智能语音处理及应用开发、信创AI应用开发等实习,包括认识实习和岗位实习。
九、教学进程总体安排
(一)教学进度表
详见附录“2025级人工智能技术应用专业教学进度表(三年制)”。
(二)各类课程课时、学分总体安排
表4 课程学时情况明细表
序号 |
课程类型 |
课程 门数 |
学分 |
教学学时 |
总学时 |
理论学时 |
实践学时 |
1 |
公共基础 课程 |
公共基础必修课程 |
18 |
41 |
798 |
512 |
286 |
2 |
公共基础选修课程 |
4 |
7 |
124 |
80 |
44 |
3 |
专业(技能)课程 |
专业群基础课程 |
5 |
16 |
286 |
168 |
222 |
4 |
专业核心课课程 |
7 |
25.5 |
464 |
168 |
296 |
5 |
专业拓展课程 |
8 |
34.5 |
624 |
76 |
624 |
6 |
岗位实习 |
1 |
15 |
390 |
|
390 |
总 计 |
45 |
139 |
2686 |
1004 |
1862 |
表5 各类课程类别占比情况表
类别 |
学时 |
专业总学时 |
占比情况 |
公共基础课程 |
922 |
2686 |
34% |
选修课程 |
748 |
28% |
实践类课程 |
1786 |
66% |
十、师资队伍
按照“四有好老师”“四个相统一”“四个引路人”的要求建设专业教师队伍,将师德师风作为教师队伍建设的第一标准。
(一)队伍结构
学生数与本专业专任教师数比例不高于25∶1,“双师型”教师占专业课教师数比例不低于60%,高级职称专任教师的比例不低于20%,专任教师队伍要考虑职称、年龄、工作经验,形成合理的梯队结构。
能够整合校内外优质人才资源,选聘企业高级技术人员担任行业导师,组建校企合作、专兼结合的教师团队,建立定期开展专业(学科)教研机制。
(二)专业带头人
原则上应具有本专业及相关专业副高及以上职称和较强的实践能力,能够较好地把握国内外软件与信息技术服务、互联网和相关服务等行业、专业发展,能广泛联系行业企业,了解行业企业对本专业人才的需求实际,主持专业建设、开展教育教学改革、教科研工作和社会服务能力强,在本专业改革发展中起引领作用。
(三)专任教师
具有高校教师资格;原则上具有计算机科学与技术、通信工程、自动化、电子信息科学等相关专业本科及以上学历;具有一定年限的相应工作经历或者实践经验,达到相应的技术技能水平;具有本专业理论和实践能力;能够落实课程思政要求,挖掘专业课程中的思政教育元素和资源;能够运用信息技术开展混合式教学等教法改革;能够跟踪新经济、新技术发展前沿,开展技术研发与社会服务;专业教师每年至少1个月在企业或生产性实训基地锻炼,每5年累计不少于6个月的企业实践经历。
表6 人工智能技术应用专任教师一览表
序号 |
姓名 |
性别 |
学历 |
职称 |
双师 |
承担主要课程 |
1 |
高永周 |
男 |
本科 |
高级工程师 |
是 |
信创技术基础、人工智能应用导论 |
2 |
张捷 |
男 |
研究生 |
教授 |
是 |
机器学习原理与实践、人深度学习应用开发 |
3 |
程彩凤 |
女 |
研究生 |
副教授 |
是 |
数据库技术、Web前端开发、数据标注 |
4 |
崔炜 |
男 |
研究生 |
副教授 |
是 |
深度学习应用开发、计算机视觉应用开发 |
5 |
张彦虎 |
男 |
研究生 |
教授 |
是 |
机器学习原理与实践,深度学习应用开发 |
6 |
吴斌 |
男 |
研究生 |
讲师 |
是 |
计算机视觉应用开发、边缘智能应用技术 |
7 |
林德树 |
男 |
研究生 |
讲师 |
是 |
机器学习原理与实践、深度学习应用开发 |
8 |
曹晶华 |
女 |
研究生 |
副教授 |
是 |
智能体应用开发、深度学习应用开发 |
9 |
曹光忠 |
男 |
研究生 |
副教授 |
是 |
程序设计基础、人工智能数据服务 |
10 |
罗亚玲 |
女 |
研究生 |
讲师 |
是 |
机器学习、人工智能应用导论 |
(四) 兼职教师
主要从本专业相关行业企业的高技能人才中聘任,应具有扎实的专业知识和丰富的实际工作经验,一般应具有中级及以上专业技术职务(职称)或高级工及以上职业技能等级,了解教育教学规律,能承担专业课程教学、实习实训指导和学生职业发展规划指导等专业教学任务。根据需要聘请技能大师、劳动模范、能工巧匠等高技能人才,根据国家有关要求制定针对兼职教师聘任与管理的具体实施办法。
表7 人工智能技术应用专业兼职教师一览表
序号 |
姓名 |
性别 |
职称 |
企业名称 |
承担主要课程 |
1 |
杜锦林 |
男 |
高级 |
腾讯科技(深圳)有限公司 |
智能体应用开发 |
2 |
王海涛 |
男 |
高级 |
广东新大陆时代科技有限公司 |
边缘智能技术开发实战 |
3 |
何智坚 |
男 |
高级 |
广东韶关数据产业投资发展有限公司 |
数据标准 |
4 |
黄永健 |
男 |
中级 |
广东轩辕网络科技股份有限公司 |
人工智能应用综合实战 |
5 |
李楚威 |
男 |
中级 |
广东轩辕网络科技股份有限公司 |
计算机视觉应用开发实训 |
6 |
古政 |
男 |
中级 |
深圳市程序猿教育科技有限公司 |
企业特色课程 |
十一、教学条件
主要包括教学设施、教学资源、教学方法、学习评价、质量保障等方面。
(一)教学设施
实训基地建设是工学结合人才培养模式改革的支撑。按照“四化(环境建设多元化、 实践场所职业化、课程教学理实化、实践项目企业化)、三平台(职业训练平台、教学研发平台、交流服务平台)、一目标(高技能人才培养)”的原则,以适应工学课程“教、学、做”的教学需要,建设满足课程需要的“四化”多功能专业实训室、满足生产性实训需要的生产型教学公司以及岗位实习需要的校外实习、实训基地,即“产学教一体”的校内外实训基地。
根据人工智能技术应用专业人才培养的实际需求,结合人工智能开发工程师岗位工作过程的课程体系,以人才培养、职业培训、技能鉴定、技术服务为纽带,构建校企结合、优势互补、资源共享、双赢共进的校内生产性实训基地和校外实训基地,并建立有利于教学与实践融合的实训管理制度,以保障基于工作过程的人才培养模式的实施,突出体现专业的职业性、开放性,培养学生的核心能力。
同时加强基地软环境建设,校企共同设计和开发教学、实训项目,共同编写实训指南,引进企业标准和企业文化,使校内生产性实训室更加接近企业真实工作环境,能更好地开展以企业真实项目为情境单元的“教、学、做一体化”的教学及项目实践,培养学生从初学到熟练职业能力;同时使学生在校内实训过程中受到企业文化的熏陶,培养学生的职业素养。
通过政府、大(中)型企业集团、行业协会等平台,紧密联系行业企业,多渠道筹措资金,多形式开展合作。在校外实训基地建设中,积极寻求与国内外、区域内大型知名企业开展深层次、紧密型合作,建立与自己的规模相适应的稳定的校外实训基地,充分满足本专业所有学生综合实践能力及半年以上的岗位实习的需要。发挥企业在人才培养中的作用,由企业提供场地、办公设备、项目和技术指导人员,企业技术人员与教师共同组织和带领学生完成真实项目设计、施工、调试与维护,使学生真正进入企业项目实战,形成校企共建、共管的格局。
校外实训基地的主要功能:有利于学生掌握岗位技能、提高实践能力;满足学生半年以上岗位实习的需要,从而实现学生在基地顶岗后就业,有利于学校及时了解社会对人才培养的要求,及时发现问题,有针对性地开展教育教学改革。
校外实训基地有健全的规章制度及基于职业标准的员工日常行为规范,有利于学生在实训期间便养成遵纪守法的习惯,能真正地领悟到团队合作精神,同时能培养学生解决实际问题的能力。
岗位实习环节是教学课程体系的重要组成部分,一般安排在第六学期,是学生步入职场的开始,制定适合本地实际与岗位实习有关的各项管理制度。在专兼职教师的共同指导下,以实际工作项目为主要实习任务。学生通过在企业真实环境中的实践,积累工作经验,具备职业素质及综合能力,达到“准职业人”的标准,从而完成从学校到企业的过渡。
表8 人工智能技术应用专业主要校内实践基地一览表
序号 |
名称 |
工位 |
面积 (平方米) |
功能 |
1 |
Web应用开发实训室 |
118 |
125 |
主要承担Web前端开发基础、数据标注、人工智能应用导论、数据库技术等课程教学 |
2 |
程序设计基础实训室 |
110 |
125 |
主要承担程序设计基础、智能体应用开发、人工智能数据服务等课程教学 |
3 |
网站开发综合实训室 |
118 |
126 |
主要承担Linux系统应用、嵌入式Linux、计算机网络、信创技术基础等课程教学 |
4 |
大数据实训中心 |
100 |
135 |
主要承担机器学习、深度学习技术、计算机视觉应用开发、容器云计算技术等课程教学 |
5 |
人工智能创新实践中心 |
48 |
100 |
主要承担数据标注、人工智能应用导论、机器学习、深度学习技术、计算机视觉应用开发、容器云计算技术等课程教学 |
表9 人工智能技术应用专业校外实践基地一览表
序号 |
合作企业 |
校外实践基地名称 |
用途 |
合作深度 |
1 |
广东华韶数智有限公司 |
粤北大数据产业学院校外实训基地 |
系统运维 |
“园中校”合作模式 |
2 |
广东泰迪智能科技股份有限公司 |
泰迪科技大数据分析校外实训基地 |
大数据分析 |
工作室合作模式 |
3 |
广东轩辕网络科技股份有限公司 |
轩辕网络人工智能校外实训基地 |
深度学习实战 |
教学见习合作模式 |
(二)教学资源
1、开发基于工作过程的课程教材
基于工作过程课程教材的开发,使学习者可以在学习情境中进行职业从业资格的训练,使其具有从容应对职业、生计、社会等行动领域的能力。
2、选用优秀的高职高专规划教材
教材是实现人才培养目标的主要载体,是教学的基本依据。选用高质量的教材是培养高质量优秀人才的基本保证。近年来许多出版社在“教育部高职高专规划教材”和“21世纪高职高专教材”的组织建设中,出版了一批反映高职高专教育特色的优秀教材、精品教材。在进行教材选用时,应整体研究制定教材选用标准,使在教学中实际应用的教材能明显反映行业特征,并具时代性、应用性、先进性和普适性。
3、选用国家精品课程教学资源
充分利用现有国家精品课程的一流的教学内容和一流的教学资源,开展专业课程的教学活动,将国家精品课程的建设成果有效地应用到专业课程的教学中,以获得最佳的教学效果。
4、数字教学资源配置基本要求
建设、配备与本专业有关的音视频素材、教学课件、数字化教学案例库、虚拟仿真软件等专业教学资源库,种类丰富、形式多样、使用便捷、动态更新、满足教学。
(三)教学方法
结合学情分析,因材施教,综合应用多种教学方法。
1、讲授法
通过简明、生动的口头语言向学生传授知识、发展学生智力。通过叙述、描绘、解释、推论传授知识,引导学生分析和认识问题。
2、讨论法
围绕知识目标和能力目标,在学习平台创建讨论主题,或者即时通讯工具,一对一、一对多讨论,或者线下课堂就某个具体问题进行讨论,让学生在获得知识的同时,激发学习兴趣,提高学习独立性。
3、演示法
教师课堂演示项目功能,或者学生演示分组实践项目、创新训练项目,让学生通过观察获得感性认识。
4、练习法
教学内容配备练习题,实践项目,创新拓展项目,学生带着问题,反复进行知识目标的训练,形成岗位技能、技巧和行为习惯。
5、实验法
对于某个具体功能要求,没有统一的答案,实现过程可能每个人都不一样,学生根据自己的理解去探索,反复实验达成目标。
6、启发法
以学习问题导入,将学生注意力集中到学习情境中,激发学生学习兴趣,明确学习目标。实践教学过程中适时引导,提高学习效率,培养良好思维习惯,提升自我学习能力。
(四)学习评价
根据不同课程的特点,分为笔试、机试、考查三种,笔试注重实用性,机试以技能培养为中心,考查以考核学生综合应用能力为主。实现过程评价和课程评价的方式进行课程的考核,根据相应的课程考核标准进行知识与技能的综合考评。
笔试总成绩计算公式为:笔试成绩*0.8+平时成绩*0.2,机试总成绩计算公式为:笔试成绩*0.8+平时成绩*0.2或笔试成绩*0.4+实验成绩*0.4+平时成绩*0.2,考查课总成绩计算机公式为:考查成绩*1。总成绩60分以上为合格。
(五)质量保障
1、学校和二级院系应建立专业建设和教学质量诊断与改进机制,健全专业教学质量监控管理制度,完善课堂教学、教学评价、实习实训以及专业调研、人才培养方案更新、资源建设等方面质量标准建设,通过教学实施、过程监控、质量评价和持续改进,达成人才培养规格。
2、学校和二级院系应完善教学管理机制,加强日常教学组织运行与管理,定期开展课程建设水平和教学质量诊断与改进,建立健全巡课、听课、评教、评学等制度,建立与企业联动的实践教学环节督导制度,严明教学纪律,强化教学组织功能,定期开展公开课、示范课等教研活动。
3、学校应建立毕业生跟踪反馈机制及社会评价机制,并对生源情况、在校生学业水平、毕业生就业情况等进行分析,定期评价人才培养质量和培养目标达成情况。
4、专业教研组织应充分利用评价分析结果有效改进专业教学,持续提高人才培养质量。
十二、毕业要求
在学制规定的年限内完成规定的教学活动,修满本专业人才培养方案规定的141.5学分,全部课程考核合格(不含公共任选课程),毕业时素质、知识和能力达到本方案“培养目标和规格”的要求,可获得毕业证书。鼓励学生考取一项本专业职业资格证书或社会公认相关技能证书(详见表2 职业技能等级证书一览表)。符合学校相关管理办法要求的,可进行学分认定或成绩置换。
表10 应修总学分学时统计表
课程类型 |
学分 |
学时 |
公共基础必修课程 |
41 |
798 |
公共基础选修课程 |
7 |
124 |
专业群基础课程 |
16 |
286 |
专业核心课程 |
25.5 |
464 |
专业拓展课程 |
34.5 |
624 |
岗位实习 |
15 |
390 |
总学分/学时 |
139 |
2686 |
十三、附录