一、微专业介绍
本微专业面向数字经济发展和人工智能产业应用需求，遵循产教融合、学科交叉、实践导向的培养理念，依托学校相关学科专业基础，围绕数据采集与分析、机器学习、大模型应用开发、检索增强生成和智能体开发等关键技术，构建由基础编程、数据分析、智能建模到智能应用开发与综合实践逐步递进的课程体系。
本微专业注重学生的编程基础培养与人工智能应用能力提升，通过Python编程与数据分析、数据采集与智能分析实践、机器学习与数据挖掘应用等课程，使学生掌握数据处理、分析和建模的基本方法；通过大模型应用开发与提示词工程、RAG与智能体应用开发等课程，使学生掌握大模型调用、知识库问答、智能工作流和智能体应用开发等实用技术；通过综合项目实践，引导学生将所学知识应用于不同专业领域的实际问题。
本微专业兼顾不同专业学生的知识基础，强调基础能力与应用能力并重、技术学习与项目实践结合，着力培养具备数据分析、智能应用开发和跨专业问题解决能力的复合型应用人才。
二、培养目标
本微专业面向经济社会数字化转型和人工智能应用发展需求，坚持基础性、实践性与应用性相结合，培养掌握数据科学与计算智能基本知识，具备数据处理、机器学习应用和大模型智能应用开发能力的复合型应用人才。
通过系统学习，学生能够使用Python进行基本编程、数据处理与分析，理解常见机器学习算法的基本原理与应用方法，掌握大模型调用、提示词设计、RAG知识库构建和智能体应用开发等关键技术，并能够结合自身专业背景，围绕实际业务需求开展数据分析、智能应用设计与项目实践。
通过课程学习与项目训练，培养学生的实践创新能力、跨学科协作能力、自主学习能力以及数据安全与人工智能伦理意识，使其能够适应数字化转型背景下各行业对数据分析和人工智能应用人才的需求。
三、培养要求
（1）数据科学基础：掌握Python编程、数据采集、数据清洗、数据分析与可视化等基础知识和方法，能够利用相关工具完成基本的数据处理与分析任务，并形成规范的数据分析成果。
（2）智能分析与建模：理解机器学习的基本原理和常见算法，能够根据实际问题选择适当的算法，完成模型训练、评价和基本优化，具备运用数据分析和机器学习方法解决实际问题的初步能力。
（3）智能应用设计与开发：掌握大模型应用开发、提示词工程、RAG检索增强生成和智能体开发的基本方法，能够构建基础知识库问答应用或具备工具调用、工作流执行能力的智能应用。
（4）综合实践与跨学科应用：能够结合自身专业背景，综合运用数据处理、机器学习和大模型应用开发等技术，完成具有明确应用场景的综合项目，具备需求分析、方案设计、项目实施和成果展示能力。
（5）职业规范与持续发展：具备团队协作、自主学习和技术创新意识，能够遵守数据安全、个人信息保护、知识产权及人工智能伦理等相关规范，具备适应技术发展和行业变化的基本能力。
四、招生对象及条件
本校2025级、2024级全日制信息与计算科学、应用统计学、人工智能、信息管理与信息系统等相关专业本科生，具有一定的数学、计算机基础知识。
计划招生人数：30-40人。
五、学制
一年。
六、授课方式
本微专业独立开班，周六、日以及寒暑假上课；
采用线上和线下相结合的方式进行教学。
七、学分认定与证书授予
学生修完微专业培养方案规定的课程，且成绩全部合格的，将获得由景德镇陶瓷大学颁发的“数据科学与计算智能”微专业结业证书，获得教育部“双千”计划学习成果认证（学信网可查）。
八、招生时间安排及报名方式
第一阶段 网络报名：
2026年10月30日24：00（最终以学校发布时间为准）之前符合报名条件的同学可使用微信扫描下图左侧的二维码报名，请审慎、认真报名。
报名后，扫描下图右侧的二维码，加入微专业学习微信群。
第二阶段 录取
2026年11月8日（最终以学校发布时间为准）统一公布校内学生录取名单。
第三阶段 开课：
2026-2027年秋季学期由微专业组织开课。
九、咨询方式
报名相关问题请咨询徐老师（QQ：471469214）。
十、微专业课程费用
以景德镇陶瓷大学公布的学费为准。
十一、课程设置及学时分配表
序号 |
课程名称 |
课程简介 |
1 |
Python编程与数据分析 |
本课程面向不同专业背景的学生，重点培养Python编程和数据分析基础能力。课程主要介绍Python开发环境、基本语法、数据类型、流程控制、函数、常用数据结构、文件读写和异常处理等内容，并结合NumPy、pandas及数据可视化工具，开展数据读取、清洗、转换、统计分析与结果展示等实践。课程采用案例讲解与上机训练相结合的方式，帮助学生建立基本编程思维，掌握常见数据处理方法，为后续机器学习和大模型应用开发奠定基础。 |
2 |
数据采集与智能分析实践 |
本课程主要介绍常见数据来源、数据采集方法、数据整理与预处理技术，以及探索性数据分析和可视化的基本方法。课程围绕实际任务，组织学生完成数据获取、数据清洗、缺失值和异常值处理、统计分析、图表绘制与分析报告编制等实践内容。通过案例训练，使学生理解从原始数据到分析结果的基本流程，提升数据整理、分析和结果表达能力，为机器学习建模及RAG知识库数据准备提供支持。 |
3 |
机器学习与数据挖掘应用 |
本课程是一门注重算法理解与实践应用相结合的专业核心课程。主要介绍机器学习与数据挖掘的基本概念、监督学习与无监督学习方法，以及分类、回归、聚类和集成学习等常见算法。课程结合scikit-learn等工具，开展数据集划分、特征处理、模型训练、效果评价和参数调优等实践。通过案例驱动的教学方式，使学生掌握常见机器学习任务的实现流程，能够根据具体问题选择适当的模型，并对模型结果进行基本分析和评价。 |
4 |
大模型应用开发与提示词工程 |
本课程围绕生成式人工智能和大语言模型的应用开发展开，主要介绍大语言模型的基本概念、提示词设计方法、大模型API调用、上下文管理、结构化输出和生成结果评价等内容。课程通过文本生成、信息提取、内容总结、智能问答和辅助办公等实践任务，引导学生掌握大模型应用开发的基本流程，能够根据具体需求设计提示词、调用模型服务并开发具有基本交互能力的智能应用。同时，课程关注生成内容的准确性、数据安全和人工智能伦理，引导学生规范使用大模型技术。 |
5 |
RAG与智能体应用开发 |
本课程重点介绍检索增强生成和智能体应用开发的基本原理与实践方法。课程主要包括文档读取与切分、文本向量化、Embedding模型、向量数据库、知识检索、上下文组织、生成结果优化与评价等RAG关键技术，并进一步介绍智能体的任务规划、工具调用、记忆管理和工作流编排等内容。通过开发知识库问答系统、专业知识助手和工具调用型智能应用等项目，使学生掌握从知识数据准备、检索生成流程构建到智能体应用集成的基本方法，提升学生利用大模型解决实际问题的能力。 |
6 |
数据科学与智能应用综合实践 |
本课程是综合运用前序课程知识与技能的实践环节，以项目任务为牵引，鼓励学生结合自身专业背景和实际需求，选择数据分析、机器学习应用、大模型知识库问答或智能体开发等方向开展项目实践。学生按照需求分析、数据准备、技术方案设计、应用开发、功能测试和成果展示等步骤完成项目，形成可运行或可演示的应用成果，并提交项目说明文档、测试记录和总结报告。课程重点培养学生综合运用数据科学与计算智能技术解决实际问题的能力，以及项目实施、团队协作和创新实践能力。 |
景德镇陶瓷大学信息工程学院
2026年10月
