智能技術碩士

課程簡介

  • 課程期限

    本課程正常修業期限為2,最長修業期限為3年。

  • 授課方式

    面授課程

  • 授課語言

    中文/英文

  • 學術領域 / 知識範疇

    系統工程

  • 課程介紹

    本課程安排建立在人工智能、資訊、控制和管理等多門學科交叉的基礎上,致力於培養數理基礎紮實,具有多學科知識背景和創新才能,能夠綜合應用多學科知識、獨立從事智能技術領域科學研究和從事系統智能化產業應用和開發的創新型人才。

學習計劃

入學資格

具有計算機科學與技術、數學、統計學、資訊科學、管理科學與工程、機械工程、控制科學與工程、環境科學、土木工程、電氣工程、物理學、力學、材料科學、航空航天、化學及相近學科各類專業的學士學位獲得者。

 

研究方向

物理信息系統及信息安全、智能製造及智能機器人、智能材料及感知、智能控制及系統智能、工業大數據與計算智能

 

課程設置

表(一):必修科目 (15學分)

科目編號

科目名稱

學分

MMIZ01

智能控制技術

3

MMIZ02

優化方法基礎

3

MMIZ03

人工智能基礎

3

MMIZ04

數值分析

3

MMIZ05

統計學導論

3

 

表(二):選修科目(六門選修兩門,大學有權取消開辦修讀人數不足之科目) (6學分)

科目編號

科目名稱

學分

MMIE01

管理學導論

3

MMIE02

物聯網基礎

3

MMIE03

模式識別

3

MMIE04

系統仿真

3

MMIE05

算法理論基礎

3

MMIE06

模糊系統

3

 

表(三):其他必修科目(4學分)

科目編號

科目名稱

學分

MMIZ06

文獻綜述與選題報告

3

MMIZ07

學術專題項目

1

 

表(四):學位論文 (12學分)

科目編號

科目名稱

學分

MMIZ10

論文

12


科目簡介

必修科目

智能控制技術(3 學分)

本科目是控制理論發展的新階段,主要用來解決那些用傳統方法難以解決的複雜系統的控制問題。以智能控制為核心的智能控制系統具備一定的智能行為,如:自學習、自我調整、自組織等。本課程介紹的主要內容包括智能控制的基本概念、模糊控制理論基礎、模糊控制系統、人工神經元網路模型、神經網路控制論和集成智能控制系統。

 

優化方法基礎(3 學分)

本科目是對各種工程優化問題研究其建模方法和有效的問題求解方法。課程的主要內容包括:線性規劃、非線性規劃、整數規劃、網路規劃、動態規劃、各種智能優化方法、優化問題建模及應用。

 

人工智能基礎(3 學分)

本課程介紹人工智能的廣泛概述和歷史。課程涵蓋了人工智能的以下主要領域:通過問題空間搜索、知識推理、規則規劃、數據學習(機器學習和強化學習)以及應用。其中應用方面可以分為三個類別,包括溝通(例如自然語言處理,機器翻譯)、感知(例如視覺、語音、感應)和行動(例如機器人)。

 

數值分析(3 學分)

本課程分析了在科學和工程中有效數值解決問題的基本技巧。主題涵蓋了根的尋找、插值、函數逼近、數值積分、數值微分,以及線性代數中的直接和迭代方法。學生可掌握基本的數值分析學科,能夠對某些數學問題進行傳統的數值方法求解,並具備使用計算機解決數學問題和進行研究的基本知識和技能,同時能通過算法設計和計算機編程為未來的學習和工作打下必要的基礎。

 

統計學導論(3 學分)

本科目主要闡述統計學的基本概念、基本理論和基本方法。主要內容包括:統計學的基本框架、統計資料的整理、收集與顯示、資料分佈特徵的描述、概率基礎、參數估計、統計決策、統計綜合評價、及Excel在統計中的應用等,對收集到的觀察資料進行定量分析和總結,為相關決策提供依據和參考。

選修科目

管理學導論(3 學分)

本科目是研究管理理論、方法和管理實踐活動的一般規律的科學。本課程介紹計畫、組織、領導與控制等管理學的基本知識、基本原理。還介紹戰略管理、生產運作管理、行銷管理、資訊管理、物流管理、人力資源管理及財務管理等專業管理內容等。

 

物聯網基礎(3 學分)

本科目主要介紹物聯網基本概念及技術,包括射頻識別技術,智能感知技術,網路協同技術,服務優化技術。

 

模式識別(3 學分)

本科目是指對表徵事物或現象的各種形式的資訊進行處理和分析,以對事物或現象進行描述、辨認、分類和解釋的過程。本課程結合當前的理論與實踐的基礎上,討論了貝葉斯分類、貝葉斯網路、線性和非線性分類器設計、動態程式設計和用於順序資料的隱瑪律可夫模型、特徵生成、特徵選取技術、學習理論的基本概念以及聚類概念與演算法。

 

系統仿真(3 學分)

本科目詳細介紹系統模擬的基本概念、基本原理、基本方法,同時對電腦實現技術的基本方法進行了闡述,主要內容包括系統模擬的基本概念和原理,模擬中的基礎數學理論,詳細介紹離散事件的建模方法,行人建模方法,物流系統模擬等。

 

算法理論基礎(3 學分)

本科目是一門研究演算法設計和分析演算法計算複雜性的一門課程,主要內容包括各種基本的演算法設計方法、演算法計算複雜性分析方法、可以用多項式計算複雜性求解的問題、演算法複雜性理論、NP-hard問題、NP-hard問題的證明、近似求解方法。

 

模糊系統(3 學分)

本科目介紹的主要內容包括模糊集合理論、模糊邏輯、模糊推理和模糊控制等。


學習要求

1.第1-2學期學生需完成表(一)中的5門必修科目,共計15學分。 2.第1-2學期學生需根據研究方向及專業基礎,在表(二)中開設的選修科目中選修2門,共計6學分。 3.第1-4學期內參加至少六次表(一)中的學術活動,獲得1學分。 4.第3-4學期內完成表(三)中的文獻綜述與選題報告,獲得3學分。 5.學生在確認完授課科目後,需撰寫開題報告並完成開題答辯。完成開題答辯後,方可繼續碩士論文的研究和寫作。

學習時間

1.論文寫作時間原則上爲6個月,累計寫作、修改時間不得少於3個月。 2.課堂教學一般安排於周一至周五晚間、或週六。

畢業資格

學生須符合下列各項規定,並經大學學術及教學委員會通過可獲頒發本大學之智能技術碩士學位﹕ 1.在所屬課程之修業期內完成及通過學習計劃的要求,各科目成績(不含學位論文成績)累計平均積點不低於2.50*; 2.遵守大學的修讀守則; 3.繳清指定費用及歸還所借的大學財物。 如學生及格完成上述課程設置表(一)至表(三)的科目,累計平均積點不低於2.50,但不在規定期限內通過論文答辯,則只可取得結業證書。 備注:所有課程大綱及學習計劃,按澳門特別行政區公報所載爲准。