一、培养目标

培养德智体美劳全面发展、具有创新精神且能独立从事科学研究的信息技术人才，具体要求如下：

1.拥护党的基本路线和方针政策、热爱祖国、遵纪守法、品行端正、诚实守信；具有较高的政治素质和良好的道德品质，恪守学术道德规范，具有严谨求实的科学态度；

2.具备本学科坚实的理论基础和系统的专业知识，掌握科学研究的基本方法和技能，能够在软件工程、数据科学或智能系统与管理等领域开展创新性研究和应用；

3.具有自主追踪、持续学习本学科领域前沿知识的能力；

4.熟练掌握一门外国语，能熟练阅读本学科领域的外文资料，并具有一定的外语写作能力；

5.具有良好的心理素质和健康的体魄。

二、研究方向

本专业设以下研究方向:

1.数据科学与大数据计算方向：本方向紧紧围绕京津冀大数据产业发展和雄安新区建设的重大战略需求，将大数据理论和技术与76net必赢官网经济、管理、法学等优势学科交叉融合，开展大数据分析平台建设与优化、挖掘与分析、大数据安全管理与隐私保护、异质大数据计算、大数据应用开发等方面的研究，为社会培养能够从事数据科学与技术应用的高层次复合型人才。

2.软件工程与服务计算方向：本方向研究软件需求、设计、构造、测试、维护、配置以及工程过程、工具方法、质量管理等问题；侧重开展服务计算的应用研究，主要面向云服务、Web服务等，解决软件技术平台和架构、软件服务交付以及与业务需求本身的整合问题。

3.图像视频处理与多媒体技术方向：本方向以人工智能技术为核心，开展图像识别、目标检测、目标跟踪、场景分析、超分辨率分析等理论和应用研究，并将研究成果应用于智能监控、人员管理、工业视觉检测、医学影像分析、军事目标检测与跟踪等领域。

4.计算与管理方向：本方向将计算技术与管理相结合，将计算机科学与技术学科同经济、管理、法学等优势学科交叉融合，展开区域经济分析、电子政务应用、管理模式创新、科技数据计算和挖掘等方面的研究。

三、学习年限

本专业硕士学位研究生的学制为3年，学习期限最长为5年(含休学)。按照正常学制，研究生入学后前三个学期为课程学习阶段，后三个学期为论文写作阶段。硕士学位研究生课程学习阶段的完成以修满规定的学分并达到研究生中期考核各项标准为依据。

四、培养方式

为适应时代的发展需要，研究生的培养方式和方法要坚持多样化的方针，既要充分发挥研究生导师的主导作用，又要建立和完善有利于发挥整个学术群体的集体指导作用的机制。

1.硕士研究生入学后进行师生双向互选，学科组协调，确定导师，制定培养计划；选拔优秀硕士生实施个性化培养方案。充分发挥导师指导研究生的主导作用。每位导师要对学生的思想品质、学业课程、知识结构、论文写作等各方面负责；要按制度定期找学生谈话，了解情况，协助主管部门及时解决学生中存在的各种问题。导师组要发挥集体智慧，相互沟通情况，交流教学经验。

2.改进课堂教学方法，在培养过程中要积极发挥研究生本人学习的积极性、主动性和创造性，要采取系统的课程学习与科学研究、讲授与讨论、课内教学与课外实践相结合等多种方式，要加强研究生的自学能力、表达能力和写作能力的培养和训练。

3.营造浓厚的学术氛围。通过聘请校内外专家作学术报告，为学生创造条件参加国内外高水平学术会议等多种形式开拓视野。组织学生自己开展学术研究活动，培养学生自我获取知识、探讨问题的能力及创新能力。

4.加强学术道德培养。引导学生写作符合学术规范的学术论文，导师严格审阅学生作业与学年论文等，杜绝抄袭现象发生，强化学术道德观念。

5.要严格进行考核，建立必要的筛选制度。各类课程的考核、考试、考查，毕业（学位）论文的学术水平、答辩程序等各个教学环节都要严格把关，确保硕士生的培养质量。

五、课程设置及学分要求

（一）课程设置与学分

本专业硕士学位研究生课程学习实行学分制，每人所修学分包括课程学分和其他学习项目学分，总学分达到38学分毕业，其中课程学分为35学分，含必修课、选修课和补修课三类，必修课28学分，选修课7学分，补修课不计学分。

1.必修课

必修课包括公共课、基础理论课和专业课。

（1）公共课，包括政治理论课（新时代中国特色社会主义理论与实践）、英语课（学术英语-理工），共2门课，4学分。

（2）基础理论课，包括机器学习与深度学习、算法分析、科技论文阅读与写作、方法课（矩阵分析、组合优化和面向对象方法学），共6门课，14学分。

（3）专业课

专业课共5门：大数据管理技术、图像分析与识别、高级数据库技术、分布式系统与云计算、嵌入式原理与设计，10学分。

2.选修课

选修课包括研究方向课程和拓宽知识面的课程，本专业研究生必须从《习近平新时代中国特色社会主义思想专题研究》、《马克思恩格斯列宁经典著作选读》、《马克思主义与社会科学方法论》和《自然辩证法概论》四门选修课中选修1门，《习近平谈治国理政》研读为必选选修课，其他选修课可在导师的指导下选择，每人必须选够7学分。

3.补修课

补修课是跨学科或以同等学力考取本专业的研究生未修过而必须补修的本科生课程。补修课设2门（计算机操作系统、数据库原理），不计学分，但成绩必须达到合格要求。应补修未补修或补修成绩不合格者，视为研究生中期考核不合格处理。

4.社会实践和学年论文共3学分，具体要求见第六条规定。

5.创新学分

设置创新学分，以第一作者（或导师第一、本人第二）在中文核心期刊或国际期刊上发表高水平论文来置换一定数量的学年论文学分，具体参照学校相关文件规定。

课程设置、学分、学时及开课学期等详见附表《课程计划表》。

（二）学习成绩考核

硕士研究生课程学习成绩的考核方式分为闭卷笔试、课程论文等方式。其中，全校公共课和基础理论课原则上采用闭卷笔试方式；其他课程的考核方式根据课程性质和教学情况，在闭卷笔试与课程论文方式之间灵活选择。学术训练课程必须以课程论文或课程设计报告做为结课成果，以答辩形式考核。同等学力和跨学科考入的研究生需补修该专业大学本科的相关基础课程，应按本科生考试的有关规定随本科生一同考试。

考核方式一经确定，不得随意更改，需按规定的方式考核。

硕士研究生课程考核成绩由平时成绩与期末成绩组成，按百分制评定。平时成绩占30％，期末成绩占70％。平时成绩考核可采取期中考试、作业、读书报告、文献综述、随堂测验、课堂讨论等方式进行。

课程学习成绩的合格标准为：学位课程成绩达到70分或“良－”为合格，其余课程成绩达到60分或“及格”为合格；各门课程成绩达到90分为优秀。成绩不合格者，按学校相关规定执行。

六、其他学习项目安排

为提高硕士生的创新能力和实践能力，在学习期间还要求学生从事一定的社会实践或社会调查及科学研究。

研究生的社会实践或社会调查及学年论文，要求在前三个学期完成。完成社会实践或社会调查记1学分；完成学年论文（2篇）记2学分。

发表学术论文的要求，按我校硕士学位授予条件的规定执行。

七、中期考核

中期考核工作由各导师组负责组织，成立由导师组组长和导师组成的研究生中期考核小组，一般不少于5人，另设秘书1人，负责记录及整理考核材料。中期考核在第四学期开学初完成。

八、毕业（学位）论文

毕业（学位）论文是研究生培养的重要组成部分，是对研究生进行科学研究或承担专门技术工作的全面训练，是培养研究生创新精神和创新能力以及综合运用所学知识发现问题、分析问题、和解决问题能力的主要环节。

毕业（学位）论文工作在中期考核通过之后进行。

研究生开始撰写毕业（学位）论文之前必须进行开题报告，时间一般安排在第二学年的第二学期，其主要内容包括论文选题的理由或意义、国内外关于该课题的研究状况和趋势、课题研究方案及技术路线、工作进度、主要参考书目等。经导师组和有关教授论证通过后，可按照研究工作计划着手调研与撰写。论文的调研、资料收集、论文知道、工作检查由导师具体负责。

硕士毕业（学位）论文撰写时间一般不少于一年，论文字数为3万字左右。对硕士毕业（学位）论文的质量要求是：

选题与本专业对口，并有明确的针对性；

能体现出基础理论和专业水平，具有一定的前沿性和先进性；

有自己独立的见解；

有一定的理论价值和实践意义。

硕士研究生在论文答辩前，须进行预答辩。

预答辩通过后，毕业（学位）论文的评审、答辩和学位授予，按我校硕士学位授予的相关规定执行。符合条件者，准予毕业，并授予工学硕士学位。

必读书目

[美]Roger A. Horn，[美]Charles R. Johnson著，张明尧，张凡 译，《矩阵分析》,机械工业出版社，2014

张贤达著，《矩阵分析与应用》，清华大学出版社，2013

[德]Bernhard Korte，[德]Jens Vygen著，越民义，林诒勋，姚恩瑜 等 译，《现代数学译丛组最优化：理论与算法》，科学出版社，2014

麻志毅 著，《面向对象分析与设计》，机械工业出版社，2013

周志华 著，《机器学习》，清华大学出版社，2016

李航 著，《统计学方法》，清华大学出版社，2019

[法]Aurélien Géron著，王静源,贾玮,边蕤,邱俊涛 译，《机器学习实战：基于Scikit-Learn和TensorFlow》，机械工业出版社，2018

[美]Thomas H. Cormen，[美]Charles E. Leiserson，[美]Ronald L. Rivest，[美]Clifford Stein著，殷建平，徐云，王刚 等 译，《算法导论》，机械工业出版社，2012

张虎芳 著，《科技文献检索与科教论文写作》，中国石化出版社，2017

曹杰，李树青 著，《大数据管理与应用导论》，科学出版社，2018

[美]Rafael C. Gonzalez著，阮秋琦 译，《数字图像处理》，机械工业出版社，2020

[美]安德里安·凯勒，[美]加里·布拉德斯 著，《学习OpenCV 3(中文版)》，清华大学出版社，2018

汤庸，叶小平，陈洁敏 等 编，《高级数据库技术与应用》，高等教育出版社，2015

[英]George Coulouris，[英]Jean Dollimore，[英]Tim Kindberg，[英]Gordon Blair著，金蓓弘，马应龙 等 译，《分布式系统：概念与设计(原书第5版)》，机械工业出版社，2013

Brendan，Burns著，赵军平，王天青 译，《分布式系统应用设计[Designing Distributed Systems]》，中国电力出版社，2019

[美]Thomas ERL，[英]Zaigham Mahmood，[巴西]Ricardo Puttini著，龚奕利，贺莲，胡创 译，《云计算：概念、技术与架构[Cloud Computing Concepts, Technology & Architecture]》，机械工业出版社，2014

张凯龙 著，《嵌入式系统体系、原理与设计》，清华大学出版社，2017

[美]Christopher Manning著，王斌，李鹏 译，《信息检索导论》，人民邮电出版社，2019

宗成庆，夏睿，张家俊 著，《文本数据挖掘》，清华大学出版社，2019

姜启源，谢金星，叶俊 著，《数学建模》，高等教育出版社，2018

[美]Frank R. Giordano，[美]William P. Fox，[美]Steven B. Horton著，叶其孝，姜启源 等 译，《数学建模》，机械工业出版社，2014

[美]克莱尔 等 著，潘红宇 等 译，《时间序列分析(R语言)》，机械工业出版社，2011

詹姆斯·D·汉密尔顿(James D. Hamilton)著，《时间序列分析(套装上下册)[Time Series Analysis]》，中国人民大学出版社，2015

李云鹏 著，《移动开发架构设计实战》，电子工业出版社，2019

黄昕，赵伟，王本友，吕慧伟，杨敏 著，《推荐系统与深度学习：新时代·技术新未来》，清华大学出版社，2018

王昊奋，漆桂林，陈华钧 编，《知识图谱：方法、实践与应用》，电子工业出版社，2019

王宇韬，房宇亮，肖金鑫 等 著，《Python金融大数据挖掘与分析全流程详解》，机械工业出版社，2019

梁郑丽,贾晓丰 著，《决策支持系统理论与实践[Theory and Practice of Decision Support System]》，清华大学出版社，2014

史忠植 著，《高级人工智能(第三版)》，科学出版社，2018

黄振东 著，《从零开始学区块链：数字货币与互联网金融新格局》，清华大学出版社，2017

何昊 著，《区块链架构之美——从比特币、以太坊、超级账本看区块链架构设计》，电子工业出版社，2021

华为区块链技术开发团队 著，《区块链技术及应用》，清华大学出版社，2019

江国强 著，《EDA技术与应用》，电子工业出版社，2017

刘少强 著，《现代传感器技术：面向物联网应用(第2版)》，电子工业出版社，2016

李晓莹，张新荣，任海果 编，《传感器与测试技术(第2版)》，高等教育出版社，2019

林子雨 著，《大数据技术原理与应用(第2版)》，人民邮电出版社，2017

袁满，吴晓宇，黄刚，张岩，杜睿山 著，《移动计算》，哈尔滨工业大学出版社，2015

[印]Debashis，De著，郎为民，张锋军，姚晋芳，周正 等 译，《移动云计算：架构、算法与应用》，人民邮电出版社，2017

刘媛妮，赵国锋，李昕，李杨，程新洲 著，《数据虚拟化多源异构数据集成之道》，人民邮电出版，2019

柯熙政，丁德强 著，《多模式多尺度数据融合理论及其应用》，科学出版社，2020

[美]Ian，Goodfellow，[加]Yoshua，Bengio，[加]Aaron著，《深度学习(异步图书出品)[deep learning]》，人民邮电出版社，2017