一、微专业简介
人工智能是新一轮科技革命和产业变革的重要驱动力量。2025年8月26日，国务院印发《关于深入实施“人工智能＋”行动的意见》，明确实施“人工智能＋”行动的总体要求、发展目标和重点方向，为进一步推动人工智能与经济社会各行业各领域广泛深度融合，加快形成智能经济和智能社会新形态提供了方向指引。《人工智能应用与实践》微专业紧紧围绕国家战略、产业发展及湖北省经济社会发展需求，搭建紧密结合产业需求、推动学术与实践深度融合创新的人工智能育人平台。通过微专业课程学习与实践，培养既具备主修专业知识，又具有能运用人工智能技术进行学科专业交叉应用创新，具有创新思维、实践能力和解决复杂工程问题能力的应用型拔尖人才。
二、培养目标
以学生发展为中心，精准实施“一生一策”个性化人才培养新模式，全面融入“学生中心、产出导向、持续改进”工程教育理念，以人工智能为基础构建面向“四新”建设的“学科交叉、跨界融合、多元设计、个性发展”人才培养路径，依托“模块化、层次化、多元化”课程教学体系，支撑“实岗、实操、实践”人工智能领域高水平人才培养，坚持“能力导向、产教融合、兴趣教学”，培养适应国家战略发展需求和行业发展，系统掌握计算机科学和人工智能的理论和技术，在金融、管理、电子信息、人工智能等应用领域具有较强的知识获取能力、工程能力和创新创业能力的高水平应用型拔尖人才。
三、学制：1.5 年。总学分：15 分，学费：1200 元。
四、招生对象
1.招生对象应为我校2024级、2025级全日制在校本科生。学生主修专业不限。
2.主修专业的课程补考、重修以后无不及格现象，通识选修课除外；绩点高者优先。
3.招生计划 30 人。
五、课程设置及简介
课程名称 | 学分 | 学时 | 考核 方式 | 开课单位 | 开课时间 | |||||
总学时 | 理论学时 | 实践学时 | 线上学时 | 线下学时 | ||||||
Python与数据分析挖掘技术 | 3 | 48 | 24 | 24 | 16 | 32 | 考查 | 人工智能与大数据学院 | 25-26-2学期 | |
AIGC和大模型实践 | 3 | 48 | 16 | 32 | 32 | 16 | 考查 | 人工智能与大数据学院 | 25-26-2学期 | |
人工智能与大数据技术 | 3 | 48 | 16 | 32 | 16 | 32 | 考查 | 人工智能与大数据学院 | 26-27-1学期 | |
机器学习与深度学习 | 3 | 48 | 24 | 24 | 32 | 16 | 考查 | 人工智能与大数据学院 | 26-27-1学期 | |
智能视觉目标识别与分析 | 3 | 48 | 24 | 24 | 32 | 16 | 考查 | 人工智能与大数据学院 | 26-27-2学期 | |
其他修读要求
| 无 | |||||||||
《Python与数据分析挖掘技术》课程简介 | 课程旨在帮助学生掌握Python编程语言在数据挖掘中的应用，通过本课程，学生将学会如何构建完整的数据挖掘流程，掌握数据预处理、数据可视化、特征工程、数据挖掘常见算法应用的基础技能。通过课程学习，学生将具备在人工智能领域内运用数据挖掘技术的基本能力，能够独立构建数据挖掘流程，并应用于解决实际问题。学生将掌握从数据准备、可视化分析、特征工程、数据挖掘常见算法应用的完整流程，具备解决实际问题的能力。 | |||||||||
《AIGC和大模型实践》课程简介 | 课程旨在让学生深入了解人工智能内容生成（AIGC）技术与大规模预训练模型的应用与实践。课程内容涵盖AIGC的基本概念与技术原理，介绍深度生成模型的结构与训练方法，重点讲解和实践如何基于大规模预训练模型进行自然语言生成、图像生成、文本生成与多模态生成等应用。学生将学习如何使用开源大模型框架（如Transformers、Hugging Face等）进行模型训练、微调与应用，掌握生成式AI在文本生成、图像生成、语音生成、视频生成等领域的实际应用技术。通过实际项目和案例分析，培养学生运用AIGC技术和大模型解决工程问题的能力，为使用人工智能技术的创新研究与应用领域奠定坚实基础。 | |||||||||
《人工智能与大数据技术》课程简介 | 课程旨在培养学生掌握人工智能和大数据技术的基本原理、方法和应用，重点介绍人工智能与大数据的结合，如何通过数据分析和机器学习等技术，从海量数据中挖掘有价值的信息，解决实际问题。课程内容包括大数据基础知识、数据处理与分析、机器学习与深度学习算法、计算机视觉技术、人工智能在大数据中的应用等。学生将学习如何利用现代数据科学工具，如Python、TensorFlow、PaddlePaddle等深度学习框架进行数据清洗、特征工程、模型构建、评估与优化，并掌握在各行业中的实际应用场景。通过理论讲解与实践操作，学生将具备在大数据环境下应用人工智能技术的能力，为未来在智能化、数据驱动的工作领域中打下坚实基础。 | |||||||||
《机器学习与深度学习》课程简介 | 课程旨在让学生系统地掌握机器学习与深度学习的基本理论、算法原理和实践技能，能够运用所学知识解决实际问题，培养学生在数据分析、模式识别、人工智能等领域的创新能力和实践能力，为学生进一步从事相关领域的研究和开发工作奠定坚实基础。 通过课程学习，使学生理解聚类、回归、分类、标注相关算法并掌握它们的应用方法；理解概率类模型并掌握它们的应用方法；理解神经网络类模型并掌握它们的应用方法；理解深度学习模型并掌握它们的应用方法。课程以深度学习框架为基础，介绍了机器学习与深度学习的基础知识与常用方法，以实例的方式学习机器学习、深度学习操作的原理及其具体实践步骤。通过机器学习与深度学习的实例，使学生更好掌握机器学习与深度学习相关知识与技能，做到理论与实践相结合，方法与应用相结合。 | |||||||||
《智能视觉目标识别与分析》课程简介 | 课程围绕计算机视觉、图像处理和深度学习等关键技术展开，并侧重于智能驾驶和高精度导航等相关应用的介绍，赋予汽车智能驾驶系统看懂周围世界的能力。 本课程的理论学习主要包括：计算机视觉的基础知识、图像处理技术以及深度学习在视觉感知中的应用。学生将系统学习图像获取与表示、图像预处理、特征提取与描述、图像分割、目标检测与识别等核心内容；在深度学习部分，课程深入讲解卷积神经网络的基本架构及其在分类、检测、语义分割等任务中的典型应用，并结合车辆视觉感知需求，介绍相关模型的设计与优化策略。 本课程的实践项目主要包括：车道线提取、行人识别和车辆检测等。在车道线提取的实践中，学生将使用卷积神经网络、边缘检测和霍夫变换等方法，识别图像中的车道线，并分析不同光照、天气条件下的提取效果。针对道路行人识别实践项目中，学生将学习如何利用深度学习模型对图像中的目标物进行实时检测与定位。 | |||||||||
六、学习要求
1.全体修读学生应遵守本微专业教学管理规定，按照授课教师要求提交作业并参加考试。
2.学费为每学分80元。修读微专业的学生在2025年12月26日之前一次性缴清学费。
3.微专业报名后不得中途退出。
七、其他说明
1.修读微专业的学生不变更主修专业学籍，学生管理仍由主修专业所在学院负责。
2.微专业不延长学习年限。学生主修专业学业结束，无论毕业或者结业离校，微专业学习同时终止。
3.学生按照微专业人才培养方案的要求修读完成所有课程，经审核合格，发放盖有学校公章的微专业修读证书。学生主修专业毕业或结业时未修满微专业人才培养方案要求的课程学分，其所修课程的成绩和学分仍保留在本人微专业成绩单中，不予发放微专业修读证书。微专业修读证书不进行国家统一的学历电子注册。应届毕业生办理就业手续时，应按主修专业开具就业报到证。
4.学生在校期间，经本人申请、开设单位审核后，其已修读合格的微专业课程经申请可最高置换2个学分的通识选修课程，但第二课堂学分已经置换通识选修课学分的学生不得再次申请置换。
5.微专业课程成绩形成微专业成绩单，进行档案留存。微专业考核不合格的课程，不计入主修专业不合格课程门数，不影响评先评优、毕业资格；微专业考核不合格的课程，可以补考。
6.微专业开班后，学生不需要进行选课，直接进教务系统查看本人微专业课表。
八、联系方式
1.咨询电话： 18627019801 （吴老师)
2.咨询QQ群： 144855789 (群号，二维码)
3.报名方式：有意报名的学生请于2025年12月19日之前将主修专业所在学院同意修读微专业并加盖公章的《武汉商学院微专业报名表》交至 南区南二楼 215办公室李老师。
