一、培养目标
本专业培养拥护党的基本路线，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，掌握扎实的信息科学技术、外语应用能力，编程语言基础、人工智能数据采集、分析与处理技术、机器学习基础、深度学习框架及相关法律法规等知识，能够从事人工智能相关的系统运维、数据采集、数据处理、数据分析、Python应用设计、人工智能产品技术服务等工作的高素质技术技能型人才。
二、招生对象及修业年限
（一）入学基本要求：高中阶段教育毕业生或具有同等学力者
（二）基本修业年限：三年
三、主要课程
人工智能导论、Python程序设计基础、Linux操作系统、人工智能数学基础、数据结构、数据库应用技术、机器学习基础与应用、数据采集与处理技术、深度学习技术等专业课程。
四、毕业生就业方向
| 工作岗位 | 典型工作任务 | 职业能力要求 | 对应职业能力课程 |
| 人工智能训练师 | 标注和加工业务的原始数据；分析提炼专业领域特征，训练和评测人工智能产品相关算法、功能和性能；设计人工智能产品的交互流程和应用解决方案；监控、分析、管理人工智能产品应用数据；调整、优化人工智能产品参数和配置。 | 能够熟练掌握智能应用数据指标定义；能够理解已有的数据报表，使用分析工具得出的分析结论；能够对优化建议进行操作执行，达成优化目标；能够分析预处理后的业务数据/信息，明确业务目标与人工智能产品技术指标的内在联系；能够结合人工智能技术的要求对处理后的数据进行质检，保障数据质量符合人工智能产品要求；能够结合人工智能技术的要求，整理业务数据采集与处理的规则文档；能够结合业务数据采集与处理的流程和结果，提出效果优化建议；能够运用工具，分析业务数据/信息内在的关联，依据关联信息提出优化方案；能够运用工具，对业务数据/信息进行基础分析和分类；能够运用工具，分析算法中错误结果产生的原因；能够运用工具，对算法的错误结果进行纠正。 | Python程序设计基础 人工智能专业英语 人工智能数学基础 人工智能导论 数据库应用技术 机器学习基础与应用 数据采集与处理技术 智能数据分析 深度学习技术 |
| 人工智能数据分析工程师 | 从各种数据源中收集、转换和清洗数据，以确保数据的质量和完整性。使用统计学和机器学习等技术对数据进行分析和建模，挖掘出数据背后的规律和趋势，形成分析报告，提供数据支持决策；管理和维护企业的数据资产，包括数据仓库、数据字典和数据文档等，确保数据的有效性和安全性。 | 具有通过爬虫等工具实现常见业务数据采集流程的能力，能够构建业务数据集；具有对业务数据进行审核的能力，能够对不合格的数据进行预处理操作；具有梳理业务数据处理规范的能力，能够对模型所需数据的类型与结构提出处理意见；具有运用工具，对杂乱数据进行分析的能力，能够输出内在关联及特征；具有根据数据内在关联和特征进行数据定义和归类的能力，能够完成数据聚类操作；具有对标注数据准确性和完整性审核的能力，能够撰写审核报告；具有对审核过程中发现的错误进行纠正的能力，能够根据审核结果完成数据筛选；具有根据数据服务需求进行数据服务策略制定的能力；具有根据数据服务策略完成数据服务标准、接口定制的能力；具有数据服务平台开发与维护的能力。 | Python程序设计基础 人工智能专业英语 人工智能数学基础 人工智能导论 数据结构 数据库应用技术 机器学习基础与应用 数据采集与处理技术 智能数据分析 |
| 人工智能运维工程师 | 人工智能平台、系统软件的部署、调测、维护等售后支持工作；负责与客户进行技术交流和产品的演示；负责维护、更新、编写平台或系统软件的技术支持手册、系统部署文档；应用性能分析与监控；应用配置和调优。 | 能在服务器环境下，安装服务器操作系统，并完成服务器端数据库、应用程序、运行依赖组件的安装与配置，解决安装过程出现的常见异常问题；能运行脚本，初始化特征库、管理员账户信息等数据，解决初始化过程出现的异常问题；能根据数据库管理要求，使用 SQL 语句，完成数据库实例、用户、权限等的创建和管理，并配置备份、还原数据库策略；能使用模型转换工具，将训练得到的模型文件转换为适应边缘端推理的格式；能启动应用程序，验证模型是否正常运行；能根据应用运行日志，分析置信度、推理时延等重要运行指标；能使用工具分析应用运行状态和性能指标。 | Linux 操作系统 人工智能数学基础 数据库应用技术 机器学习基础与应用 人工智能导论 |
