PROGRAM CS-01 / 本科专业模板
智能科学与技术
学习如何设计、理解并审视智能系统。从机器学习与系统工程出发，把可解释性、人机协作和社会责任带入每一次技术选择。
专业概览
让智能可以被构建，
也可以被解释。
本专业以数学与计算为基础，连接数据、系统、人机交互与技术伦理。学习者不仅训练模型，也要追问数据如何形成、结果如何验证、系统影响由谁承担。
计算系统与智能学院
学院面向算法、计算系统、数据工程与人机协作组织课程。专业之间共享系统基础与责任技术课程。
本科四年制模板设定
页面展示的是虚构培养结构，不代表真实专业备案、学位授予、认证或招生资格。
可信 · 可解释 · 协作
从预测准确度延伸到可复核证据、使用者理解和真实场景中的系统边界。
培养目标
掌握方法，
更理解方法的边界。
培养目标以可观察的学习行为表述，不承诺就业、职业资格或升学结果。每项目标通过课程作品、实验记录与综合项目持续验证。
建立计算模型
能够把开放问题转化为可计算任务，选择合适的表示、算法与评估方法，并解释关键假设。
实现可靠系统
理解数据、模型、接口与基础设施之间的联系，识别性能、安全和维护中的工程权衡。
形成可复核证据
记录数据来源、实验条件与误差范围，让结果可以被复现、质疑和修正。
设计人机协作
从真实使用者和具体情境出发，评估智能功能何时提供帮助、何时造成额外负担。
判断影响边界
识别隐私、偏差、可及性与责任分配问题，为系统建立清晰的用途说明和退出机制。
开展公共表达
用不同受众能够理解的语言说明技术目标、证据与限制，并回应公开评议。
四年路径
从理解计算，
到承担系统责任。
路径不是固定课表。它展示能力如何递进：第一年建立基础，第二年掌握模型与系统，第三年进入复杂场景，第四年完成公开成果。
建立语言
学习数学、程序设计、证据推理和学术表达，完成个人数据观察档案。
- 计算与编程基础
- 离散结构与概率
- 证据推理工作坊
掌握方法
进入机器学习、数据系统和算法分析，复现一个模型并形成完整实验记录。
- 机器学习原理
- 数据系统基础
- 模型评估实验
进入场景
在实验室轮转和跨学院项目中处理真实限制，完成一次人机协作原型评议。
- 可解释智能
- 人机协作设计
- 智能系统工程
公开成果
围绕公共议题完成综合项目，提交系统、研究报告、影响说明和迭代档案。
- 综合设计研究
- 技术影响评估
- 公开展示答辩
核心课程
十门课程，
组成一条完整证据链。
课程名称、编号、学期与内容均为原创模板示例。它们呈现专业页面可承载的信息层级，不对应任何真实高校课程。
基础 / 秋
计算与编程基础
从问题分解到程序实现
算法思维 · 测试 · 代码表达
基础 / 春
概率、数据与不确定性
理解随机性与估计边界
概率模型 · 统计推断 · 误差沟通
核心 / 秋
数据结构与算法分析
效率、正确性与工程选择
抽象结构 · 复杂度 · 算法验证
核心 / 秋
机器学习原理
从训练目标到泛化评估
监督学习 · 表示 · 模型选择
核心 / 春
人机协作设计
让智能进入真实使用情境
用户研究 · 交互原型 · 可及性
进阶 / 秋
可解释智能
说明预测依据与适用边界
解释方法 · 反事实 · 证据呈现
进阶 / 秋
智能系统工程
连接模型、服务与运行环境
部署 · 监测 · 故障与回滚
进阶 / 春
算法治理与影响评估
识别制度情境中的技术影响
影响说明 · 风险分级 · 责任机制
综合 / 秋
智能研究方法
构建可复核的实验与论证
研究设计 · 复现 · 开放记录
综合 / 全年
智能系统综合项目
完成公开可评议的毕业成果
原型 · 报告 · 影响边界 · 答辩
项目实践
技术原型之外，
还要交代为何这样设计。
项目按“问题定义—证据采集—模型或系统—影响说明—公开评议”组织。示例不涉及真实合作单位、真实使用者或真实数据。
城市公共事件的可解释时间图谱
将开放演示数据组织为事件序列，比较多种解释方式，并为不同使用者设计结果阅读界面。
- 序列建模
- 知识图谱
- 责任可视化
校园能源建议系统的影响边界
构建低风险建议原型，重点记录数据缺口、误判后果、人工确认和系统退出机制。
- 数据管道
- 不确定性
- 影响说明卡
面向公共空间的包容性交互助手
通过情境观察与可用性测试，探索语音、文本和视觉提示如何服务不同需求的使用者。
- 多模态交互
- 无障碍
- 人机协作
只使用授权或演示数据
项目需记录数据来源、许可范围和删除方式，不采集与学习目标无关的个人信息。
在开发早期讨论影响
技术、设计与治理视角共同审阅问题定义，而不是等系统完成后才补充伦理说明。
把限制写进成果本身
展示不仅报告“做到了什么”，也清楚说明“没有做到什么”和“何时不应使用”。
毕业成果
一项成果，
四种互相验证的形式。
毕业不是单一作品展示。系统原型、研究报告、影响说明和过程档案共同构成可复核的学习证据。
不是只看准确率
问题价值、证据质量、系统可靠性、解释清晰度、使用者体验与责任判断共同进入成果评议。
保留跨学院选修记录
学习档案可呈现数字治理、设计、人文或城市议题课程如何改变技术判断。
模板不作就业承诺
此处可由真实办学主体依法替换为升学、就业与校友发展信息，并提供统计口径和年份。
专业声明：本页专业名称、培养方案、课程、项目、教师角色、数据及成果均为虚构模板演示，不对应任何真实高校，不构成招生、学历、认证、就业或合作承诺。
ADMISSIONS / 2027 DEMO从一个好问题，
查看招生培养 ↗从一个好问题，
开始你的大学。
了解虚构的本科申请流程、材料清单与线上开放日演示日程。