学科、专业简介
本学位点于2018年获批,自2019年开始招生。学位点依托bat365官网登录入口/网络空间安全学院,设有4个研究方向:自然语言处理、网络与信息安全、大数据技术与应用、智能计算与服务计算。学位点具有广州市非通用语种智能处理实验室和网络空间内容安全广东省工程技术研究中心等学科平台,在多语种自然语言处理和网络信息内容安全形成研究特色,旨在培养工程能力强、具有较强的网络信息内容安全和自然语言处理及大数据分析能力的高层次工程硕士研究生人才。
一、培养目标
本学位点旨在培养适应国家建设需要,德智体全面发展的具有一定创新能力的应用型、复合型高层次工程技术和工程管理人才,具体如下:
1、培养热爱祖国,遵纪守法,崇尚科学,恪守学术道德,具有科学严谨和求真务实的学习态度和工作作风;
2、掌握本学科的基础理论和专门知识,具有较强工程技术和独立开展实验的能力;
3、具有运用外语进行资料查阅和论文写作的能力;
4、身心健康、具有承担本学科各项专业工作的良好体魄和素养。
二、培养方向
1.自然语言处理
本培养方向主要围绕数据挖掘、机器学习、语言信息处理等人工智能算法及其在文本理解、社交媒体分析、商业数据分析等领域中的应用开展研究,主要课程为高等数理统计、人工智能技术、统计自然语言处理、大数据原理与实践、数据挖掘进阶、社会计算与社交网络分析等。
2.网络与信息安全
本培养方向主要开展新型加密算法、数字取证、网络入侵检测、网络谣言传播机理等方面的研究和工程应用,主要课程为高等数理统计、人工智能技术、网络安全技术、数据挖掘进阶、网络取证、网络舆情案例分析等。
3.大数据技术与应用
本培养方向主要围绕大数据采集、建模、分析,大数据技术的基本理论,大数据技术的应用与开发等方面开展研究与工程应用,主要课程为高等数理统计、人工智能技术、大数据原理与实践、数据挖掘进阶、机器学习、知识图谱及应用等。
4.智能计算与服务计算
本培养方向主要围绕大规模复杂优化问题的智能计算方法、面向服务的软件工程、软件开发技术等开展研究和工程应用,主要课程为高等数理统计、人工智能技术、软件服务工程与实践、数据挖掘进阶、智能优化方法等。
三、学习年限
本学位点硕士研究生学习年限为2年,硕士生学习年限最长不超过4年(含休学和保留学籍),其中累计在校学习时间不少于1年。
四、课程设置及学分
本学位点注重理论与实践相结合,侧重应用性、实践性。课程体系由公共学位课、专业学位课、非学位课三种类别组成。实行学分制,修读总学分为32学分,其中学位公共课8学分(必修),学位必修课7学分,学位选修课10学分,前沿讲座1学分,专业实践6学分。前沿讲座和专业实践为必修环节。
类别 |
课程编号 |
课程名称 |
学分 |
总学时 |
开课 学期 |
考核 方式 |
适应领域(方向) |
1 |
2 |
3 |
|
|
学位 公共课程 |
00002101 |
中国特色社会主义理论与实践研究 |
2 |
36 |
|
√ |
|
论文/考试 |
全部 |
00002102 |
自然辩证法概论 |
1 |
18 |
√ |
|
|
论文/考试 |
全部 |
10002103 |
工程伦理 |
1 |
18 |
|
√ |
|
论文/考试 |
全部 |
10002104 |
英语一 |
2 |
36 |
√ |
|
|
论文/考试 |
全部 |
10002105 |
英语二 |
2 |
36 |
|
√ |
|
论文/考试 |
学位必修课程 |
10612206 |
论文写作指导 |
2 |
36 |
√ |
|
|
论文/考试 |
全部 |
10622201 |
高等数理统计 |
2 |
36 |
√ |
|
|
论文/考试 |
全部 |
10612208 |
数据挖掘进阶 |
3 |
54 |
√ |
|
|
论文/考试 |
全部 |
学位 选修课程 |
10612207 |
机器学习 |
3 |
54 |
√ |
|
|
论文/考试 |
方向1,2,3,4 至少选四门课程 |
10612325 |
高级人工智能技术 |
2 |
36 |
|
√ |
|
论文/考试 |
10703203 |
网络安全技术 |
2 |
36 |
|
√ |
|
论文/考试 |
10612321 |
信息抽取与检索 |
2 |
36 |
√ |
|
|
论文/考试 |
10743301 |
软件服务工程与实践 |
2 |
36 |
|
√ |
|
论文/考试 |
10612324 |
社会计算与社交网络分析 |
2 |
36 |
|
√ |
|
论文/考试 |
10712316 |
统计自然语言处理 |
3 |
54 |
|
√ |
|
论文/考试 |
10702309 |
网络舆情案例分析 |
2 |
36 |
|
√ |
|
论文/考试 |
10713306 |
网络取证与实践 |
2 |
36 |
|
√ |
|
论文/考试 |
10713307 |
漏洞挖掘与实践 |
2 |
36 |
|
√ |
|
论文/考试 |
10703204 |
大数据原理与实践 |
2 |
36 |
√ |
|
|
论文/考试 |
10713309 |
计算机视觉 |
2 |
36 |
|
√ |
|
论文/考试 |
10713310 |
移动互联网开发技术 |
2 |
36 |
|
√ |
|
论文/考试 |
10702310 |
知识图谱及应用 |
3 |
54 |
|
√ |
|
论文/考试 |
10713312 |
区块链技术及应用 |
2 |
36 |
|
√ |
|
论文/考试 |
10702313 |
智能优化方法 |
2 |
36 |
|
√ |
|
论文/考试 |
专业实践 |
10713601 |
工程实践与科研训练 |
6 |
6个月以上 |
|
|
√ |
实习/实践报告 |
全部 |
学术活动 |
10622702 |
前沿讲座 |
1 |
10次以上 |
√ |
√ |
√ |
其它 |
全部 |
六、培养环节
1.培养计划
硕士生入学2个月内必须依据硕士生培养方案制定出个人培养计划。培养计划由导师、导师组和研究生共同商定。培养计划根据硕士生的不同基础,研究方向,按因材施教的原则对专业必修课和选修课或补修课程、开题报告、中期考核、参加教学、实践活动、科学研究及论文撰写等做出可行的具体安排。
2.开题报告
硕士生在最迟于第3学期进入论文选题阶段和完成开题报告。论文选题应坚持理论联系实际的原则,论文内容应来源于工作实践,面向计算机技术、软件工程领域的实际问题,具有良好的实践应用价值。开题报告应包括研究目的及意义、文献综述、主要研究内容、实验方法及技术路线、工作特色及难点、预期成果及可能创新点等。开题报告采用学生答辩的方式,并由以硕士生导师为主体组成的考核小组评审。开题报告未通过的,限两个月内重新开题,重新开题仍不通过者终止培养。在开题之前,硕士研究生必须阅读完规定的著作和专业文献,并撰写专业文献综述1篇,字数不少于3000。文献综述合格者方可申请开题。
3.学术活动
为拓宽研究生的学术视野,促进研究生关注和了解学科前沿的发展,要求每名硕士生听取学术报告不少于10次,达到此要求方可获得相应学分。
4.专业实践
实践教学是专业学位硕士研究生培养区别于学术型硕士研究生培养的重要环节。本学位点研究生在读期间,必须保证参加不少于12个月的实践教学,按实践教学的要求提交相关作品及其心得报告。实践教学可采用集中实践和分段实践相结合的方式。集中实践的时间不少于6个月,考核依据是所在实习/实践单位开出相关鉴定材料,及一份本人的实习/实践报告。分段实践可采用课程实践的方式,包含在本学科教师或企业专家开设的专业课程中,按照课程教学大纲要求完成。
5.论文答辩、学位授予按照国家和学校的有关规定执行。
七、培养方式
培养方式采取导师负责与导师组集体培养相结合的方法,对研究生综合考核、论文开题报告、论文工作检查等研究生教育的重要环节,应由导师组集体讨论。导师要因材施教,教书育人,严格要求,全面关心研究生的成长,要定期了解研究生的思想状况、学习和科研状况,并及时予以指导帮助。