智能技术硕士

课程简介

  • 课程期限

    本课程正常修业期限为2,最长修业期限为3年。

  • 授课方式

    面授课程

  • 授课语言

    中文/英文

  • 学术领域 / 知识范畴

    系统工程

  • 课程介绍

    本课程安排建立在人工智能、资讯、控制和管理等多门学科交叉的基础上,致力于培养数理基础扎实,具有多学科知识背景和创新才能,能够综合应用多学科知识、独立从事智能技术领域科学研究和从事系统智能化产业应用和开发的创新型人才。

学习计划

入学资格

具有计算器科学与技术、数学、统计学、资讯科学、管理科学与工程、机械工程、控制科学与工程、环境科学、土木工程、电气工程、物理学、力学、材料科学、航空航天、化学及相近学科各类专业的学士学位获得者。

 

研究方向

物理信息系统及信息安全、智能制造及智能机器人、智能材料及感知、智能控制及系统智能、工业大数据与计算智能

 

课程设置

():必修科目 (15学分)

科目编号

科目名称

学分

MMIZ01

智能控制技术

3

MMIZ02

优化方法基础

3

MMIZ03

人工智能基础

3

MMIZ04

数值分析

3

MMIZ05

统计学导论

3

 

():选修科目(六门选修两门,大学有权取消开办修读人数不足之科目) (6学分)

科目编号

科目名称

学分

MMIE01

管理学导论

3

MMIE02

物联网基础

3

MMIE03

模式识别

3

MMIE04

系统仿真

3

MMIE05

算法理论基础

3

MMIE06

模糊系统

3

 

():其他必修科目(4学分)

科目编号

科目名称

学分

MMIZ06

文献综述与选题报告

3

MMIZ07

学术专题项目

1

 

():学位论文 (12学分)

科目编号

科目名称

学分

MMIZ10

论文

12






科目简介

必修科目

智能控制技术(3 学分)

本科目是控制理论发展的新阶段,主要用来解决那些用传统方法难以解决的复杂系统的控制问题。以智能控制为核心的智能控制系统具备一定的智能行为,:自学习、自适应、自组织等。本课程介绍的主要内容包括智能控制的基本概念、模糊控制理论基础、模糊控制系统、人工神经元网络模型、神经网络控制论和集成智能控制系统。

 

优化方法基础(3 学分)

本科目是对各种工程优化问题研究其建模方法和有效的问题求解方法。课程的主要内容包括:线性规划、非线性规划、整数规划、网络规划、动态规划、各种智能优化方法、优化问题建模及应用。

 

人工智能基础3 学分)

本课程介绍人工智能的广泛概述和历史。课程涵盖了人工智能的以下主要领域:通过问题空间搜索、知识推理、规则规划、数据学习(机器学习和强化学习)以及应用。其中应用方面可以分为三个类别,包括沟通(例如自然语言处理,机器翻译)、感知(例如视觉、语音、感应)和行动(例如机器人)。

 

数值分析3 学分)

本课程分析了在科学和工程中有效数值解决问题的基本技巧。主题涵盖了根的寻找、插值、函数逼近、数值积分、数值微分,以及线性代数中的直接和迭代方法。学生可掌握基本的数值分析学科,能够对某些数学问题进行传统的数值方法求解,并具备使用计算器解决数学问题和进行研究的基本知识和技能,同时能通过算法设计和计算器编程为未来的学习和工作打下必要的基础。

 

统计学导论3 学分)

本科目主要阐述统计学的基本概念、基本理论和基本方法。主要内容包括:统计学的基本框架、统计资料的整理、收集与显示、数据分布特征的描述、概率基础、参数估计、统计决策、统计综合评价、及Excel在统计中的应用等,对收集到的观察数据进行定量分析和总结,为相关决策提供依据和参考。

 

 

选修科目

管理学导论(3 学分)

本科目是研究管理理论、方法和管理实践活动的一般规律的科学。本课程介绍计划、组织、领导与控制等管理学的基本知识、基本原理。还介绍战略管理、生产运作管理、营销管理、资讯管理、物流管理、人力资源管理及财务管理等专业管理内容等。

 

物联网基础(3 学分)

本科目主要介绍物联网基本概念及技术,包括射频识别技术,智能感知技术,网络协同技术,服务优化技术。

 

模式识别3 学分)

本科目是指对表征事物或现象的各种形式的资讯进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程。本课程结合当前的理论与实践的基础上,讨论了贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、动态程序设计和用于顺序数据的隐马尔可夫模型、特征生成、特征选取技术、学习理论的基本概念以及聚类概念与演算法。

 

系统仿真3 学分)

本科目详细介绍系统模拟的基本概念、基本原理、基本方法,同时对电脑实现技术的基本方法进行了阐述,主要内容包括系统模拟的基本概念和原理,模拟中的基础数学理论,详细介绍离散事件的建模方法,行人建模方法,物流系统模拟等。

 

算法理论基础(3 学分)

本科目是一门研究演算法设计和分析演算法计算复杂性的一门课程,主要内容包括各种基本的演算法设计方法、演算法计算复杂性分析方法、可以用多项式计算复杂性求解的问题、演算法复杂性理论、NP-hard问题、NP-hard问题的证明、近似求解方法。

 

模糊系统3 学分)

本科目介绍的主要内容包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等。


学习要求

1.第1-2学期学生需完成表(一)中的5门必修科目,共计15学分。 2.第1-2学期学生需根据研究方向及专业基础,在表(二)中开设的选修科目中选修2门,共计6学分。 3.第1-4学期内参加至少六次表(一)中的学术活动,获得1学分。 4.第3-4学期内完成表(三)中的文献综述与选题报告,获得3学分。 5.学生在确认完授课科目后,需撰写开题报告并完成开题答辩。完成开题答辩后,方可继续硕士论文的研究和写作。

学习时间

1.论文写作时间原则上为6个月,累计写作、修改时间不得少于3个月。 2.课堂教学一般安排于周一至周五晚间、或周六。

毕业资格

学生须符合下列各项规定,并经大学学术及教学委员会通过可获颁发本大学之智能技术硕士学位﹕ 1.在所属课程之修业期内完成及通过学习计划的要求,各科目成绩(不含学位论文成绩)累计平均积点不低于2.50*; 2.遵守大学的修读守则; 3.缴清指定费用及归还所借的大学财物。 如学生及格完成上述课程设置表(一)至表(三)的科目,累计平均积点不低于2.50,但不在规定期限内通过论文答辩,则只可取得结业证书。 备注:所有课程大纲及学习计划,按澳门特别行政区公报所载为准。