内蒙古大学软件工程0835硕士研究生培养方案模板Word文件下载.docx
《内蒙古大学软件工程0835硕士研究生培养方案模板Word文件下载.docx》由会员分享，可在线阅读，更多相关《内蒙古大学软件工程0835硕士研究生培养方案模板Word文件下载.docx（22页珍藏版）》请在冰豆网上搜索。
本学科硕士毕业生要求毕业前在本学科相关CSCD收录期刊或EI、SCI期刊及会议（或教授委员会认定的学术会议）发表（或已录用）学术论文1篇。
五、课程设置及学分要求
总学分和各类别课程学分要求：
研究生总学分32学分，其中公共学位课7学分，专业学位课12学分，专业选修课12学分，公共选修课1学分。
跨学科或同等学力考入的研究生应至少补修程序设计、数据结构两门本科课程。
补修课程列入培养计划并进行考核，但不计入总学分。
类别
课程名称
周学时
总学时
学分
开课学期
任课教师
（职称）
备注
公共学位课
外语（学硕）
4/64
4
2
研究生院安排
中国特色社会主义理论与实践研究（学硕）
2/32
1
自然辩证法概论（学硕理工科）
1/16
公共选修课
研究生学术道德与学术规范
讲座
研究生职业规划与创新创业
专业学位课
（必修12分）
应用数学基础
3/48
3
郭仁拥（教授）、刘帅（副教授）
算法分析与设计
王俊义（教授）、周建涛（教授）
高级软件工程
周建涛（教授）、王显荣（副教授）
数据库理论与技术
班志杰（副教授）、高维（讲师）
专业选修课
（含跨学科课程）
（12分）
计算机网络新技术
李茹（教授）、张俊星（教授）
人工智能
侯宏旭（教授）、飞龙（副教授）
数据挖掘
魏宏喜（副教授）
分布式计算
刘靖（副教授）、高永强（讲师）
高级软件测试
李华（教授）、孙涛（副教授）
形式化方法
刘靖（副教授）、邢熠（讲师）
Web原理与技术
赵俊峰（副教授）、马明（讲师）
云计算技术
高永强（讲师）、于磊（讲师）
并行计算
张学良（副教授）、刘彩霞（副教授）
六、论文环节
1．开题
研究生至少须阅读与毕业论文题目相关的文献30篇，其中外文文献不少于30%。
开题报告应论述学位论文选题依据、研究方案、预期目标与成果、工作计划等关键问题。
硕士研究生在第3学期末完成开题报告。
硕士生开题由学科各方向组织，由5名以上本学科或相关学科教授、副教授或有硕导资格的讲师参加。
导师无特殊情况应参加所指导学生的开题。
硕士研究生在第6学期仍未能完成开题，或者两次开题不通过的，按照学校相关规定中止学业。
2．中期考核
中期考核是检查研究生个人综合能力及学位论文进展状况、指导研究生把握学位论文方向、提高学位论文质量的必要环节。
学术学位硕士研究生中期考核一般在第4学期末进行。
本学科中期考核采用研究生书面进展报告与评议组评议的方式进行。
研究生对开题以后课题研究进展进行总结，重点阐述课题进展情况和阶段性成果。
评议重点依据研究生课程学习情况和学位论文进展情况对研究生继续培养潜力进行评价。
学院教授委员会（学位分委会）评议认为结果不具备继续培养潜力的，按照学校相关规定中止学业。
3．学术活动
研究生学习期间须参加各种学术活动，并填写学术活动记录表，记录学术活动内容和收获。
硕士生至少参加5次本学科及相关学科的国际或国内学术活动，并至少完成1次学科方向组内学术报告。
4．实践环节
学术学位硕士研究生在学期间需在校内外有条件的实践单位或部门进行实习、实践环节训练，实习实践时间由导师安排。
实践内容应为学科相关的技术性工作，工作量应该饱满。
七、学位论文
本学科硕士研究生课题研究时间不少于1年，硕士学位论文对所研究的课题应当有新见解；
硕士学位论文应文字通顺、内容饱满，逻辑性强，最低字数不少于2.5万字。
研究生完成了培养计划所要求学分，并通过论文答辩，则准予毕业；
经学院学位评定分委员会审核，报校学位评定委员会讨论通过后授予学位。
学位授予按照《内蒙古大学学位授予工作实施细则》及学位管理相关文件执行。
八、个人培养计划
个人培养计划是对研究生进行培养和毕业资格审查的主要依据。
个人培养计划一旦确定，就应严格遵守。
在实施培养计划过程中，如果确有特殊原因而提出修改者，应由本人提出申请、导师同意、学院主管负责人签字后报研究生院同意，方可进行修改。
学术学位研究生在入学后一个月内，在导师的指导下，根据培养方案制定个人培养计划；
包括课程设置、学期安排、学习与研究进度、论文开题时间、写作时间安排等。
九、主要课程教学大纲
应用数学基础课程教学大纲
课程中文名称：
应用数学基础
课程英文名称：
AppliedMathematicsBasis
课程编号：
*********
课程类别：
专业学位课
学分：
学时：
48
课程简介
应用数学基础是学术型硕士研究生（三年制）第一学年一学期的必修课程。
本课程是一门研究和分析计算机学科领域中常用的数学知识和方法的课程。
本课程从计算机学科工程与科研的角度出发，以计算机科学各子领域所涉及到的基本数学问题为主要研究对象，主要的研究内容包括经典的数学建模方法、矩阵论、数值计算等常用数学方法。
本课程的重点在于使学生掌握处理计算机领域问题的常用数学方法，并使用这些数学方法处理计算机科学问题。
通过本课程的学习，学生应掌握如下内容：
（1）掌握合理的近似方法在计算机上进行复杂数学计算；
（2）使用合理的数学方法对常见的经典类型问题进行建模；
（3）对常用的特征提取、抽象问题给出合理的数学解释。
本课程前导课为本科课程（高等数学、线性代数、计算方法、离散数学）。
教学内容
及学时安排
（一）数学建模方法（22学时）
1、常用模型（2学时）
2、微分方程模型（4学时）
3、稳定性模型（4学时）
4、博弈模型（4学时）
5、Markov过程（4学时）
6、动力学模型（4学时）
（二）矩阵论（20学时）
1、矩阵与线性变换的关系（4学时）
2、范数及应用（4学时）
3、矩阵分解（与数值计算合并讲解，共10学时）
4、特征值估计（4学时）
5、逆矩阵（2学时）
（三）数值计算（6学时）
1、误差分析（2学时）
2、矩阵分解（与矩阵论合并讲解，共10学时）
3、方程的递归求解（2学时）
考核方式
平时成绩（20%）+期末成绩（80%）
平时成绩：
出勤（10%）+2次作业（10%）
期末考核：
笔试、闭卷120分钟（80%）
参考书目
1.M.M.Meerschaert,MathematicalModeling,4thEdition[M],AcademicPress,2013.
2.张凯院.矩阵论[M].科学出版社,2013.
3.RichardL.Burden,J.DouglasFaires,NumericalAnalysis,9thEdition[M],Brooks/Cole,CengageLearning,2011.
4.马知恩.传染病动力学的数学建模与研究[M].科学出版社,2004.
5.韩中庚.数学建模方法及其应用[M].高等教育出版社,2005.
算法分析与设计课程教学大纲
算法分析与设计
AlgorithmsDesignandAnalysis
本课程目的是在学习了数据结构和基本算法的基础上，进一步学习算法的设计方法、技巧和原理，以及算法的分析方法和原理。
使学生掌握优化策略、分治策略、动态规划、概率算法、并行算法、搜索法、智能算法等算法设计与分析方法，学习和掌握算法复杂度理论基础。
第一章引言（4学时）
1.1简介课程主要内容见简介
1.2预备知识数学、概率、集合、数理逻辑、数据结构等
1.3算法及其特征
1.4证明方法反证法，数学归纳法
1.5算法分析时间、空间复杂度，最优性
第二章贪心算法（4学时）
2.1找零钱
2.2贪心算法的一般特征
2.3最小生成树
2.4最短路径
2.5背包问题
2.6日常安排
第三章分而治之法（6学时）
3.1简介：
大数乘法
3.2通用模板
3.3二分法查找
3.4排序
3.5递归算法的分析
3.6查找中值
3.7矩阵乘法
3.8竞赛安排
第四章动态规划（8学时）
4.1例子
4.2找零钱
4.3最优性原则
4.4背包问题
4.5最短路径
4.6矩阵连乘问题
4.7最长公共子序列问题
4.8凸多边形三角剖分问题
第五章搜索法（6学时）
5.1引论
5.2DFS搜索
5.3BFS算法
5.4回溯法
5.5分支界限法
5.6极小化原则
5.7A*算法
第六章概率算法（4学时）
6.1引言
6.2随机数产生器
6.3数值概率算法
6.4MontCarlo算法
6.5LasVegas算法
第七章并行算法（4学时）
7.1并行计算模型
7.2一些基本技术
7.3工作量与效率
7.4图的例子
7.5表达式求值
7.6并行排序网络
第八章算法复杂性理论（4学时）
8.1图灵机
8.2停机问题
8.3P类问题和NP类问题
8.4问题的转换
8.5Cook定理
8.6NP-Complate问题
8.7复杂度类
8.8近似算法
第九章智能型算法（6学时）
9.1遗传算法
9.2什么是遗传算法
9.3TSP问题
9.4模拟退火算法
小组讨论2学时
笔试：
2学时，占总分的60%；
作业：
占总分的40%；
评分等级：
100分制。
1FundamentalsofAlgorithmics，清华大学出版社，G.Brassard/邱仲潘等译，2005年.
2计算机算法导引－设计与分析，清华大学出版社，卢开澄编著，2006年。
3ComputerAlgorithms-IntroductiontoDesignandAnalysis（ThirdEdition）影印本，北京，高等教育出版社，SaraBaase,AllenVanGelder。
4算法设计与分析导论，机械工业出版社，R.C.T.Lee,S.S.Tseng,R.C.Chang,Y.T.Tsai/王卫东译，2008年。
5.算法设计与分析，清华大学出版社，王晓东，2003年。
6．Christos，H.Papadimitriou，CombinationalOptimization:
AlgorithmsandComplexity，Pretice-Hall,INC，1982。
高级软件工程课程教学大纲
高级软件工程
AdvancedSoftwareEngineering
通过对软件工程基本原理、基本概念、基本过程、传统方法学、面向对象方法学、软件质量、项目管理的教学，进一步加强学生对软件工程的修养，提高/培养学生的系统分析、设计能力及项目管理能力，使学生掌握软件工程领域的最新概念、原理、技术、方法及研究热点，为从事大型软件工程项目开发和软件工程理论研究奠定良好的理论基础和技术基础。
讲授部分：
共44学时
一、软件工程概述
1.1软件工程回顾（4学时）
1.2软件工程方法学（2学时）
二、高级软件工程概述
2.1软件发展现状（1学时）
2.2基于构件的软件（4学时）
2.3网络软件（3学时）
2.4软件工程新进展（1学时）
三、软件需求分析和建模
3.1需求工程（3学时）
3.2UML（3学时）
3.3形式化方法建模（1学时）
四、软件设计和软件体系结构
4.1软件设计（1学时）
4.2软件体系结构（8学时）
软件体系结构风格概述
经典软件体系结构风格
客户/服务器风格
三层客户/服务器风格
浏览器/服务器风格
公共对象请求代理体系结构
正交软件体系结构
基于层次消息总线的体系结构
异构结构风格
SIS体系结构风格
特定领域软件体系结构
五、软件在线演化（2学时）
5.1软件演化概述
5.2软件需求演化
5.3软件演化的分类
5.4软件静态演化技术
5.5软件动态演化技术
5.6可演化软件的设计
六、工作流技术（5学时）
6.1基本工作流
6.2柔性工作流
6.3网格工作流
6.4云工作流
七、中间件技术（4学时）
7.1中间件历史
7.2中间件概念
7.3中间件技术发展
八、云计算（2学时）
8.1网络计算模式的发展
8.2新兴计算模式
8.3云计算
案例教学答辩：
共4学时，安排在第8周和第16周。
实验内容：
按软件工程的要求，按小组（3－4人），完成一个系统。
要求：
期中、期末两次答辩；
期末提交所有文档和程序。
成绩计算方法：
1.课堂表现5％
2.期中答辩10％
3．期末答辩10％
4．提交材料和论文25％
5.期末笔试50％
100分制
1．《软件工程》，张海藩，清华大学出版社。
2．《高级软件工程》，方木云，清华大学出版社。
3．《统一建模语言UML》，袁涛，清华大学出版社。
4.《软件体系结构》，张友生，清华大学出版社。
5．《工作流管理技术基础》，范玉顺，清华大学出版社。
6．《中间件技术原理与应用》，张云勇，清华大学出版社。
7．《云计算》，刘鹏，电子工业出版社。
数据库理论与技术课程教学大纲
数据库理论与技术
DatabaseTheoriesandTechniques
数据库系统是对数据进行存储、管理、处理和维护的软件系统，是现代计算环境中的一个核心成分。
随着计算机硬件、软件技术的飞速发展和计算机系统在各行各业的广泛应用，数据库技术的发展尤其迅速，引人注目。
有关数据库系统的理论和技术是计算机科学技术教育中必不可少的部分。
数据库管理已经从一种专门的计算机应用发展为现代计算环境中的一个重要成分，因此，有关数据库系统的知识已成为计算机科学教育中的一个核心的部分。
本课程涉及数据库管理的基本概念。
这些概念包括数据库设计、数据库语言、数据库系统实现等多个方面。
从第3章开始，每章2学时
第1章引言
第2章关系模型介绍
第3章SQL
第4章中级SQL
第5章高级SQL
第6章形式化关系查询语言
第7章数据库设计和ER模型
第8章关系数据库设计
第9章应用设计和开发
第10章存储和文件结构
第11章索引与散列
第12章查询处理
第13章查询优化
第14章事务
第15章并发控制
第16章恢复系统
第17章数据库系统体系结构
第18章并行数据库
第19章分布式数据库
第20章数据仓库与数据挖掘
第21章信息检索
第22章基于对象的数据库
第23章XML
第24章高级应用开发
第25章时空数据和移动性
第26章高级事务处理
实验+笔试
实验进行分组，5人一组。
每组成员进行明确分工，每组做两次报告，根据报告情况打分。
实验占50%，笔试占50%。
[1]数据库系统概念（第6版），AbrahamSiberschatz等著，杨冬青等译，机械工业出版社
[2]数据库系统实现（第2版），HectorCarcia-Molina等著，杨冬青等译，机械工业出版社
[3]数据库系统基础教程（第3版），JeffreyD.Ullman等著，岳丽华等译，机械工业出版社
[4]数据库系统概念（第6版影印版），AbrahamSiberschatz等著，高等教育出版社
人工智能课程教学大纲
人工智能
ArtificialIntelligence
专业选修课
本课程是计算机科学技术专业研究生的学位专业课。
通过本课程的学习，
要求学生掌握人工智能的基本概念、基本原理、实用的开发方法和技术；
了解人工智能研究与应用的最新成果和发展方向。
第一章绪论（3学时）
教学内容：
了解人工智能的产生与发展，深刻理解人工智能的定义与基础，初步了解人工智能的研究方法、研究与应用领域，理解人工智能的研究方法、应用领域和发展趋势。
第二章人工智能逻辑基础（6学时）
深刻理解和掌握一阶谓词逻辑、归结（消解）原理，理解和掌握Horn子句的概念和用法。
第三章问题求解的基本原理（9学时）
理解状态空间与问题求解的方法、盲目搜索方法，深刻理解和掌握启发式搜索、局部搜索方法和博弈树搜索方法，掌握问题规约法。
第四章知识表示与推理（6学时）
深刻理解和掌握三种主要的知识表示方法：
产生式规则、语义网络、框架。
理解面向对象表示方法。
第五章
不确定推理和非单调推理方法（9学时）
了解不确定推理方法的基本概念、理解不确定证据、结论和知识的表示，深刻理解和掌握三种不确定推理方法：
可信度因子模型、主观Bayes方法、证据理论，了解模糊推理和非单调推理。
第六章神经网络和机器学习（15学时）
了解人工神经网络、机器学习的基本概念、机器学习的原理与方法，深刻理解神经网络、机械学习、归纳学习、解释学习、类比学习、神经网络学习的概念和原理。
第七章人工智能应用与进展（3学时）
了解专家系统、自然语言处理、分布式人工智能的基本概念，了解人工智能的应用领域、工具和新方法。
最终成绩有平时成绩+期末成绩组成。
平时成绩占50分，包括课堂交流、作业、考勤；
期末成绩占50分，闭卷考试。
1.史忠植，人工智能，机械工业出版社，2016年
2.N.J.Nilsson.ArtificialIntelligence:
ANewSynthesis.MorganKanfmann,1998;
机械工业出社，1999。
3.石纯一，黄昌宁等，《人工智能原理》，清华大学出版社，1993年
4.蔡自兴，徐光佑，《人工智能及其应用》（第二版），清华大学出版社，1997年
数据挖掘课程教学大纲
数据挖掘
DataMining
数据挖掘是一个从存储在数据库、数据仓库或其他介质的数据集中发现人们感兴趣的知识的过程。
本课程的目的是使学生掌握数据挖掘的基本概念、相关技术及其在不同数据处理和不同规则提取中的应用现状、应用前景和研究方向。
教学内容主要包括：
（1）数据挖掘的基本概念，功能，处理过程及应用领域；
（2）数据预处理，包括数据样本的缺失处理、数据清理和数据降维；
（3）针对不同的挖掘任务，介绍各种算法，包括概念描述、关联规则分析、数据分类、数据预测和聚类；
（4）各技术的应用实例及前景，使学生对本课程知识有深入的理论与应用的了解。
升级会员 