一、微专业简介

人工智能应用微专业紧密对接新能源汽车、机器人、先进计算等新兴产业需求，服务于人工智能技术研发、智能系统应用及传统产业智能化升级领域，培养具备跨学科素养、掌握核心技术的应用型人才。课程体系以“小而精、高聚焦”为原则，设置《大模型与智能交互应用》《数据思维与智能分析》《数字图像处理》《机器学习与深度学习》《自然语言处理》《工业机器人应用》6门核心课程，涵盖智能算法理论、数据处理技术、多模态信息分析（图像/语言）及工业场景智能化应用等模块，采用线上线下混合式教学，强化理论与实践融合。

能力培养上，通过系统化学习，学生将掌握人工智能算法设计与实现、数据清洗与可视化分析、图像识别模型开发、自然语言处理技术应用及工业机器人编程控制等核心技能，具备跨学科解决复杂工程问题的能力，能够在互联网、智能制造、智慧医疗等领域从事技术开发、系统集成及应用管理工作，满足“新工科”背景下产业对复合型人才的需求。

二、开设课程

（一）开设课程一览表

（二）课程具体介绍

1.大模型与智能交互应用

【课程概述】本课程解析大模型架构、训练及多模态交互、对话系统等前沿技术。通过场景化实践（如智能客服），零基础获得智能交互应用开发能力。课程旨在培养胜任AI产品经理、系统工程师等新兴岗位，支持AI、自然语言处理方向考研深造，为跨专业学生抢占AI赛道、提升竞争力提供核心支持。

2.数据思维与智能分析

【课程概述】本课程零基础讲授Python数据分析全链路技术，依托领域案例提升智能决策力。掌握企业亟需的数据处理与建模技能，赋能跨专业就业（数据分析师、AI产品运营等）与深造（人工智能/商业分析考研），构筑智能时代竞争力。

3.数字图像处理

【课程概述】本课程讲授图像预处理、特征提取、目标检测三大核心模块，通过OpenCV实战开发工业视觉等应用。培养视觉模型开发能力，胜任智能制造/智慧医疗领域研发与管理岗；同步夯实人工智能、机器人等考研方向算法基础，构筑"技术+行业"复合竞争力。

4.机器学习与深度学习

【课程概述】本课程解析监督学习、神经网络等核心算法，通过PyTorch实战图像识别、工业预测等项目。完成特征工程→模型调优→轻量化部署全流程训练，掌握算法设计与工程优化能力。赋能学生胜任算法工程师岗位，并为AI相关考研方向提供方法论支撑，培养AI跨领域创新能力。

5.自然语言处理

【课程概述】本课程讲解文本分类、情感分析、机器翻译核心技术，结合Transformer、BERT等主流模型实战智能客服、文献挖掘场景。完成文本向量化→序列标注→对话生成全流程训练，掌握语义理解与语言智能应用能力。赋能学生胜任对话系统开发/多语言处理岗，并为AI相关考研方向奠基。

6.工业机器人应用

【课程概述】本课程深度融合工业场景，通过运动规划→视觉编程→数字孪生实战，培养"AI+制造"设备控制与系统集成能力。掌握ROS开发、产线调试等刚需技能，胜任机器人应用工程师/技改专家岗；构建智能控制方法论，支撑机器人工程/智能制造考研方向，塑造"AI+制造"双核复合人才。

三、招生计划

计划招生人数：开设1个班级，30人。

四、招生要求

面向全校大二、大三年级各专业本科生，不限学科背景，鼓励对人工智能技术有浓厚兴趣、有志于在智能科技领域探索的学生报名，尤其欢迎具备理工科基础或希望跨学科学习的学生加入。前置课程要求如下：

（1）数学基础课程：已修完并掌握《高等数学》《线性代数》等数学核心课程，具备扎实的微积分、矩阵运算及概率统计基础，能够支撑人工智能算法设计与模型分析的理论学习。

（2）计算机基础课程：完成《大学计算机基础》或《高级语言程序设计》（或其他编程语言课程）学习，熟悉计算机系统基本操作、数据结构基础及编程逻辑，具备基本的算法思维与数据处理能力，能够适应人工智能技术实践环节的工具应用与项目开发需求。

五、微专业联系人及联系方式

联系人：张释文

电话：19522339816

邮箱：20243002@zzut.edu.cn

微专业招生咨询QQ群：1054025211

宣传照片

1.基础设施与场所

2.依托河南省人工智能大模型及应用工程研究中心与河南省智能科学与技术重点学科