计算机科学与技术
学术型代码 0812学术型常见路径;智能方向多挂靠计算机一级学科
清华大学专业组(浏览分组):计算机与软件相关
用数学与数据让机器感知、学习与决策,兼顾系统落地。
人工智能专业关注「如何让计算机从数据与经验中学习,完成感知、理解与决策」。低年级需要更扎实的数学与编程:微积分、线性代数、概率统计、离散结构,以及程序设计与数据结构,为后续机器学习打底。中高年级核心通常包括机器学习、深度学习、计算机视觉、自然语言处理、知识表示与推理、强化学习等;同时会学习操作系统、数据库、并行与分布式等,理解模型如何训练、部署与服务。伦理、隐私与安全议题也越来越常见,帮助学生思考技术边界。
实验多以项目与论文复现为主:图像分类、对话系统、推荐或机器人仿真等。学生既要会调模型,也要会评估指标、分析失败案例。本站内容为公开资料的家长向参考整理,非官方培养方案全文。
若孩子数学兴趣强、愿意读论文做实验,并接受快速迭代的技术节奏,AI 方向更匹配;具体培养以学校当年文件为准。
标注为「课程模块」的条目为占位模块,不是逐门课清单;完整课表以学校当年培养方案为准。
第一学期
| 课程 | 类型 | 学分 |
|---|---|---|
| 微积分A(1) | 必修 | 5 |
| 线性代数 | 必修 | 4 |
| 程序设计基础 | 必修 | 3 |
| 人工智能导论 | 必修 | 2 |
| 思想道德与法治 | 通识 | 3 |
| 大学英语 | 通识 | 2 |
第二学期
| 课程 | 类型 | 学分 |
|---|---|---|
| 微积分A(2) | 必修 | 5 |
| 离散数学 | 必修 | 3 |
| 面向对象程序设计 | 必修 | 3 |
| 概率论与数理统计 | 必修 | 3 |
| 中国近现代史纲要 | 通识 | 3 |
| 计算与智能认知模块 | 课程模块 | — |
第一学期
| 课程 | 类型 | 学分 |
|---|---|---|
| 数据结构 | 必修 | 4 |
| 算法设计与分析 | 必修 | 3 |
| 数学分析选讲 / 高等代数选讲 | 必修 | 3 |
| 数字逻辑与计算机组成 | 必修 | 3 |
| 马克思主义基本原理 | 通识 | 3 |
第二学期
| 课程 | 类型 | 学分 |
|---|---|---|
| 机器学习 | 必修 | 3 |
| 最优化方法 | 必修 | 2 |
| 操作系统 | 必修 | 3 |
| 数据库系统 | 必修 | 3 |
| 机器学习实验 | 实践 | 1 |
第一学期
| 课程 | 类型 | 学分 |
|---|---|---|
| 深度学习 | 必修 | 3 |
| 计算机视觉 | 必修 | 3 |
| 自然语言处理 | 必修 | 3 |
| 计算机网络 | 必修 | 3 |
| 知识表示与推理 | 选修 | 2 |
第二学期
| 课程 | 类型 | 学分 |
|---|---|---|
| 强化学习 | 必修 | 2 |
| 大规模机器学习与系统 | 必修 | 2 |
| 多模态智能 | 选修 | 2 |
| 人工智能伦理与安全 | 必修 | 2 |
| 智能系统综合实践 | 实践 | 3 |
| 方向选修模块(视觉/语言/决策/系统) | 课程模块 | — |
第一学期
| 课程 | 类型 | 学分 |
|---|---|---|
| 生成式模型与大模型基础 | 选修 | 2 |
| 机器人与具身智能导论 | 选修 | 2 |
| 科研训练 / 毕业设计(1) | 实践 | 4 |
| 前沿论文研讨 | 选修 | 1 |
第二学期
| 课程 | 类型 | 学分 |
|---|---|---|
| 毕业设计(2) | 实践 | 8 |
| 专业选修(智能方向深化) | 选修 | 2 |
以下为常见报考方向示例,常见≠保证录取;具体目录以研招网与目标院校当年简章为准。
学术型常见路径;智能方向多挂靠计算机一级学科
部分高校设置智能科学相关学术型或交叉培养,以当年目录为准
专硕示例:人工智能、计算机技术等领域代码以研招网当年目录为准
典型行业、岗位与雇主类型,供家长建立大致图景;非具体单位承诺。
人工智能与算法研发
互联网与数字平台
智能制造与自动驾驶相关
金融科技与风控
科研与高等教育
机器学习 / 算法工程师
特征、模型训练、评估与线上迭代
深度学习 / 大模型应用工程师
训练推理工程、微调与应用落地
计算机视觉 / 语音算法工程师
感知类任务与场景落地
数据科学 / 应用算法岗位
业务指标导向的建模与分析
研究助理 / 继续深造
实验室科研、读研读博或出国继续学习
人工智能与算法研发机构
category
大型互联网与平台公司
category
智能硬件与制造企业研发中心
category
高校与科研院所
category