大连理工大学

　　一、培养目标

　　本专业培养能够从事人工智能领域方面的管理、设计及相关工程技术工作的高层次人才。紧密结合我国经济社会和科技发展需求，特别是服务东北经济振兴，面向企业（行业）工程实际，培育和践行社会主义核心价值观，坚持以立德树人为根本，培养具有扎实的相关专业领域理论基础，掌握人工智能领域的基本理论、基本知识和技能，具备突出的实际问题解决能力、良好职业素养的复合型高级应用人才。本专业工程类硕士专业学位获得者应具备如下的知识、能力和素质：

　　（1）基本素质要求：专业型工学在职研究生应热爱祖国，遵纪守法，具有服务国家和人民的高度社会责任感、良好的职业道德和创业精神、科学严谨和求真务实的学习态度和工作作风，身心健康。

　　（2）基本知识要求：专业型工学学位获得者应具有扎实的数学、控制、计算机等学科知识基础，掌握所从事人工智能领域研究的基本理论、基本知识和技能，熟悉专业领域的相关规范，具有独立担负人工智能领域工程规划、工程设计、工程实施、工程研究、工程开发、工程管理等专门技术工作的能力，具有良好的职业道德和敬业精神，具有科学严谨和求真务实的学习态度和工作作风。

　　（3）基本能力要求：专业型工学学位学位获得者应具备应用人工智能领域相关知识独立进行分析与解决人工智能工程问题的工作能力，能够跟踪人工智能及相关领域的新理论、新知识和新技术并进行工程技术创新的创新能力，熟练掌握一门外国语，具备国际视野和跨文化交流能力。

　　二、专业及研究方向简介

　　大连理工大学将校内多个人工智能相关学科的优势力量进行整合，于2019年成立“大连理工大学人工智能学院”，面向人工智能前沿领域，开展人才培养及科学研究工作。同年，学校获得首批人工智能本科专业，是全国首批建设人工智能专业的高校之一。人工智能学院依托于电子信息与电气工程学部多个省部级重点实验室和工程技术研究中心。师资力量雄厚，科研实力强，拥有一批在国内外同行中享有较高声誉的专家，形成了结构合理的学术梯队。近年来承担了来自国家、地方政府部门和企事业单位的重要科研项目多项，包括国家科技重大专项、国家重点研发计划，国家自然科学基金重点项目、面上项目等。人工智能学科是一门以智能行为自动化为目标的交叉学科，具有研究对象一般性、问题表征符号化、研究方法通用性的特点。人工智能是在控制科学与工程、计算机科学与技术、信息与通信工程、数学等众多学科的交叉与融合中逐渐发展完善起来的，属于典型的深度交叉学科。人工智能本质上是一种典型的在广泛跨学科研究的基础上，以各种物质结构、层次、运动形式等共同点为研究对象而形成的工具性、方法性较强的“横断交叉学科”，是引领未来的战略性技术。人工智能专业面向国家重大需求、面向相关学科前沿科学问题，开展理论、关键技术及应用方面的研究。近年来，本专业在复杂系统智能控制、计算机视觉、智能机器人系统、高维数值分析与优化等研究方向具有明显的特色和优势。重视国际学术交流产学研结合，先后与华为、百度、东软等国内外知名企业签订实习实践协议，与德国波茨坦大学哈索-普拉特纳数字工程研究院合作建成DUT-HPI教学基地，与美国、英国、日本、芬兰等多所高校建立长期稳定的合作关系。多次承办国内外学术会议，使本专业在国内外有了很大的影响，其发展速度之快为国内外同类专业的学校所关注。

　　主要研究方向及其内容：

　　（1）机器学习方向主要开展统计学习理论、深度强化学习、无监督学习、半监督学习、主动学习等理论与方法的研究,并对进行复杂场景下语音、图像、视觉等信息感知理解与处理方面的应用研究。

　　（2）多媒体与大数据挖掘方向研究领域为跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成、隐私保护学习等理论与方法的研究。

　　（3）自然语言理解与处理方向重点研究自然语言的语法逻辑、字符概念表征和深度语义分析等核心技术，主要包含自然语言处理基础、情感分析、机器翻译、知识图谱、信息检索、人机对话、文本挖掘等研究内容。

　　（4）智能控制理论与技术方向研究智能控制理论及其应用，注重新方法、新技术的研究与发展，重点面向智能控制理论与技术在智能工厂工业互联网系统、发动机主动安全控制、流程工业生产过程优化与决策、无人系统的控制与协同等领域的应用研究。

　　（5）智能系统与机器人方向开展面向非结构化、多样化开放环境的智能感知、建模、认知及自主适应理论与方法的研究，提升机器人等智能系统的长期自主性能和跨域协作能力。

　　（6）脑科学与类脑智能方向利用对大脑表征、转换和学习规则的深入研究和理解，来创造能力更强的类脑机器学习算法，主要研究神经信号新型检测、脑高级认知功能和计算模型、脑机接口与混合智能、类脑机器学习与神经计算等。

　　（7）智能感知与计算研究方向主要探索产生智能的潜在机制、模拟智能的学习方法、计算智能的基础理论以及多传感器的人机交互等智能感知基础理论，针对大规模多模态数据开展模式识别、视觉计算、机器学习、数据挖掘等方向的理论及应用研究。

　　（8）人工智能交叉方向开展人工智能交叉相关基础理论与技术应用研究。并重点面向工业、医疗、海洋领域，以高端装备智能制造、工业过程智能感知及优化决策，医疗机器人智能控制等为应用背景的，涵盖控制、计算机、通信、数学等跨学科交叉领域研究。