“人工智能本科-生物学博士”
本博融通项目培养方案
(一)学科专业简介:
本融通方案为人工智能本科-生物学博士本博融通项目培养方案。依托复旦大学计算与智能创新学院人工智能本科专业和betway必威西汉姆联官方网站生物学博士学科培养交叉创新型生命大数据领军人才。
人工智能是指通过计算机系统模拟人类智能的能力,使其能够执行诸如学习、推理、问题求解、感知、决策等任务。复旦大学人工智能专业,响应国家新一代人工智能战略发展和上海科创中心建设需要,紧密对接国家人工智能人才培养的战略规划,聚焦人工智能的基础理论创新和重点关键技术突破,充分依托综合性大学优势,汇聚整合校内优势资源,培养具有扎实的理论基础、关键技术创新和系统设计能力,并了解人工智能应用场景和价值创造机制的多层次复合型高水平的人工智能专门人才,为人工智能领域科技创新突破和产业健康持续发展提供强有力的人才支撑。
生物学(Biology)是研究生命现象和生命活动规律的自然科学。它以所有生物(包括动物、植物、微生物、病毒等)为研究对象,探索其结构、功能、生长、发育、起源、进化、遗传、分布以及与环境的相互作用和上述各项的基本原理和分子机制,以及整体生命系统的运行机制,促进人类对健康、疾病、环境保护、资源利用等问题的解决。生物学是二十、二十一世纪发展最迅猛的科技领域之一,也是国际科技竞争的重要焦点。betway必威西汉姆联官方网站先后获批基础科学人才培养基地(1991年,全国首批),生物科学和生物技术人才培养基地(2002年,全国首批),国家级实验教学示范中心(2006年,全国首批),国家基础学科拔尖学生培养试验计划1.0基地(2009年,召集单位)和2.0基地(2019年),并于2023年首批入选教育部高层次人才培养中心,一级学科生物学为第五轮教育部学科评估A+学科。2024年度软科中国最好学科排名生物学学科第一。学院拥有五个国家级平台:复杂性状的遗传调控全国重点实验室(原遗传工程国家重点实验室)、上海长江河口湿地生态系统国家野外科学观测研究站、生物学国家高层次人才培养中心和生物科学国家级实验教学示范中心以及四个省部级平台,是国内顶尖、国际一流的生物学人才培养和科研高地,一直致力于为健康中国绿色中国提供智慧、力量、解决方案以及所需的领军人才。
(二)培养目标:
旨在培育具有深厚人工智能底蕴与生命健康应用交叉的高端精英人才。学生将系统掌握人工智能领域的核心理论、专业知识及实操技能,同时在数理科学、生命科学、医药大数据等多个维度实现跨领域融合的综合素养。要求学生精通至少一门外语,具备杰出的解决问题、独立研究等能力。通过人工智能与生物学的本博融通培养,构建起循序渐进、层层深入的学习路径,助力其成长为交叉创新型生命大数据领军人才。学生应具有良好的思想道德素质和科学的世界观,具有人文情怀,具备突出的科学素养与创新思维、开阔的国际视野和跨文化环境下的交流与合作能力,能够洞察并服务国家重大战略需求,成为计算生物学方向领军人才。博士毕业时,具有独立从事人工智能生命科学研究的能力和严谨求实的科学态度和作风,在一个或几个国际前沿方向中有较深入的研究,并取得创造性的成果。
(三)培养方案说明:
本融通方案整体按照《计算与智能创新学院人工智能本博融通培养方案》(以下简称人工智能本博方案)进行,在人工智能本科融通到生物学博士研究生阶段因学科交叉产生特定的课程需求和科研实践项目需求,下面仅就区别之处详细说明。
1. 【修业要求】
学业退出说明:研究生阶段因为已经转段到生物学博士培养阶段,所以如果此时退出(含主动退出或者考核不通过退出),那么可以选择直接退学或者退出后修读生物学学术硕士培养方案。
2. 【学分要求】
1) 本融通方案的专业进阶路径:至少修满 155 学分。
2) 本融通方案的修读学生本博期间必须修满教学计划规定的 155 学分,包括通识教育课程 39 学分、专业培养课程 76 学分(根据本融通方案选择必修的本研课程,见【课程设置与修读要求】表一)、专业进阶路径24学分(含专业进阶I 修读 15 学分、本博融通进阶修读 9 学分(该模块相当于专业进阶II模块,根据本融通方案选择相应的课程,见【课程设置与修读要求】表二)、融合创新能力培养 16 学分。
3. 【学位要求】
研究生学位:
1) 达到博士学位要求者授予理学博士学位。
(1) 博士学位申请人提出学位论文答辩申请时,必须已修满本融通项目培养方案规定的学分;所有修读课程成绩合格,其中学位课程平均绩点原则上不低于 2.5。
(2) 学术成果达到复旦大学生物学学位评定分委员会有关规定,方可申请博士学位。学位审核各环节按《复旦大学学位授予工作细则》执行,同时应符合《复旦大学研究生课程和教学管理规定》等相关规定的要求。
2) 研究生学段退出本计划的学生,需按照生物学硕士培养方案修读(由融通到的一级学科规定),如达到硕士学位要求者授予理学硕士学位。
(1) 硕士学位申请人提出学位论文答辩申请时,必须已修满生物学硕士培养方案规定的学分;所有修读课程成绩合格,其中学位课程平均绩点原则上不低于 2.5。
(2) 学术成果达到复旦大学生物学学位评定分委员会有关规定,方可申请相应硕士学位。学位审核各环节按《复旦大学学位授予工作细则》执行,同时应符合《复旦大学研究生课程和教学管理规定》、《复旦大学博士研究生培养分流退出实施办法》等相关规定的要求。
4. 【课程体系与科研训练体系】
1) 在科研训练体系中课题组轮转,综合实践,前沿探索按照人工智能本博项目的统一方案进行;
2) 课题组轮转将生科院相关课题组纳入轮转候选范围;
3) 综合实践则和人工智能本博项目其他学生一起展开围绕AI的系统实践;
4) 前沿探索可以由生科院相关老师带领本项目学生做研究,生命科学学院将确保其科研实践期内科研课题有足够的计算和人工智能的体现;
5) 该项目的学生在大三结束时已经转段到生物学博士方向,但是人工智能本科学位需要大四结束才能认定发放。为达到该本交叉融通项目的培养目的,转段成功的学生必须在生命科学学院计算生物学类课题组完成应用计算和AI解决生物学问题的课题作为本科毕业论文,以保障学生本科毕业学位论文符合人工智能本科学位要求;
6) 融入研究生阶段后则应在计算生物学学方向课题组展开博士科研项目,以达到生物学博士(计算生物学方向)学位论文要求。
5. 【课程设置与修读要求】
1) 专业核心教育课程
a) 总56学分,其中含13学分本研课程;
b) 本交叉融通项目学生获得人工智能本科学位需获得该模块中除却本研课程以外的所有必修学分;
c) 本交叉融通项目学生生物学博士研究生阶段需修读表一中的所有必修课程(13学分);
2) 专业进阶路径课程
本项目学生的生物学博士研究生阶段需按照“本博融通进阶”课程及学分要求修读表二中的课程,至少修读 9 学分;
表一:专业核心教育课程中“人工智能本科-生物学博士”本博融通项目的本研课程(即该项目研究生学位课程)
课程名称 | 学分 | 周学时 | 修读要求 | 课程代码 | 含实践学分 | 含美育学分 | 含劳动教育总学时 | 开课学期 | 研究生课程类别 | 备注 | 课程负责人 |
生物化学B | 3 | 3 | 必修 | BIOL130063 | 0 | 0 | 0 | 4 | 学位课 | 本研课程,融通到生物学博士的本项目学生必修,非本科学位必修 | 俞瑜 |
微生物学 | 3 | 3 | 必修 | BIOL130010 | 0 | 0 | 0 | 5 | 学位课 | 钟江 | |
遗传学 | 3 | 3 | 必修 | BIOL130012 | 0 | 0 | 0 | 5 | 学位课 | 吴燕华 | |
生物统计学方法及应用 | 2 | 2 | 必修 | BIOL620058 | 0 | 0 | 0 | 秋 | 学位课 | 田卫东 | |
组学数据分析和AI应用 | 2 | 2 | 必修 | AIT531022 | 0 | 0 | 0 | 秋 | 学位课 | 田卫东 |
表二:专业进阶路径中“人工智能本科-生物学博士”本博融通项目的本博融通进阶课程。
课程名称 | 学分 | 周学时 | 修读要求 | 课程代码 | 含实践学分 | 含美育学分 | 含劳动教育总学时 | 开课学期 | 研究生课程类别 | 备注 | 课程负责人 |
生物信息学 | 3 | 3 | 必修 | BIOL130046 | 0 | 0 | 0 | 春、秋 |
| AI-BIO必修 | 戚继,田卫东 |
生物信息学实验 | 2 | 2 | 必修 | BIOL130195 | 2 | 0 | 0 | 春、秋 |
| AI-BIO必修 | 曹志伟 |
生物药物研发与人工智能 | 2 | 2 | 必修 | AIT631015 | 0.5 | 0 | 0 | 春 |
| AI大课,AI-BIO必修 | 印春华 |
大数据与精准医学 | 2 | 2 | 选修 | BIOL130194 | 0 | 0 | 0 | 秋 |
| 郑媛婷 | |
脑科学导论 | 3 | 3 | 选修 | AIS310018 |
|
|
| 秋 | / | AI大课 | 俞洪波 |
类脑智能与人工通用智能 | 2 | 2 | 选修 | COMP130213 |
|
|
| 5 | / |
|
|
计算机网络 | 3 | 3+2 | 选修 | COMP130136 | 1 |
|
| 5 | / |
|
|
编译 | 3 | 3+2 | 选修 | COMP130014 | 1 |
|
| 6 | / |
|
|
软件工程 | 3 | 3 | 选修 | COMP130015 | 0 |
|
| 6 | / |
|
|
数字图象处理 | 3 | 3 | 选修 | COMP130032 | 1 |
|
| 6 | / |
|
|
虚拟现实技术导引 | 3 | 3 | 选修 | COMP130211 | 1 |
|
| 6 | / |
|
|
人机交互 | 3 | 3 | 选修 | COMP130197 | 1 |
|
| 6 | / |
|
|
数据挖掘技术 | 3 | 3 | 选修 | COMP130148 | 1 |
|
| 6 | / |
|
|
社交网络挖掘 | 3 | 3 | 选修 | DATA130007 | 1 |
|
| 6或7 | / |
|
|