河北大学2021级电子信息专业全日制专业学位硕士研究生培养方案
一、电子信息简介
电子信息学科代码为0854。研究对象是软件系统，是研究以系统化、规范化、可定量的过程化方法来开发和维护软件系统的工程领域。知识体系主要包括软件需求、软件设计、软件构造、软件测试、软件维护、软件配置管理、软件工程管理、软件工程过程、软件工程方法和工具、软件质量等知识域。主要研究方向包括软件工程理论与方法、软件工程技术、软件服务工程和领域软件工程等。
进入 21 世纪，以互联网为核心的网络与应用得到快速发展，信息技术的应用模式发生了巨大变化。在开放、动态、复杂的网络环境下，灵活、可信、协同的计算资源、数据资源、软件资源、服务资源等各种信息资源的共享和利用、无处不在的普适计算、主动可信的服务计算等，均对软件工程提出了巨大挑战。围绕服务计算、云计算、社会计算、可信计算、移动互联网、物联网、信息物理融合系统、大数据等新型计算和应用模式，展开应用导向的软件系统研究成为主流趋势。另一方面，软件领域经过数十年的研究与实践，积累了海量的软件及相关数据，整理和分析这些数据，发现和总结软件制品、人员、工具、活动的特点及其所反映的软件领域实践效果，成为近几年软件系统的研究热点，这不仅能够提炼与完善软件工程理论、方法和技术，还能支撑软件及工程领域在新型计算和应用模式中的进一步发展。
河北大学软件工程专业2010年获批“软件工程”工程硕士专业学位授予权；2011年获批“软件工程”一级学科硕士学位授予权。其前身可追溯至1993年成立的计算机应用技术二级学科，并于2003年获批“计算机软件与理论”二级学科。以此为背景的电子信息学科形成了自己的专业优势特色，主要研究方向有：软件设计与管理、云计算与分布式处理、大数据机器学习、深度学习、粒计算与知识获取、WEB数据挖掘等。
二、研究方向
本学科点包括六个研究方向，这六个研究方向在研究内容和研究方法上既相互独立，又相互交叉和补充，着力提现大数据背景下软件工程研究的前瞻性和人才需求的迫切性。
1、软件设计与管理
该研究方向围绕软件开发设计过程中的相关问题展开研究，主要集中在研究软件设计模式、软件质量管理和软件缺陷预测，并将最新的人工智能技术应用于这些研究。具体地，在软件设计模式研究中，主要以游戏软件的设计为研究对象，研究如何将人工智能技术应用到软件的设计开发中，以提高游戏软件的智能水平；在软件质量管理研究中，侧重研究基于预测模型的软件质量管理，包括针对软件质量管理的预测模型构建、测试与评价；在软件缺陷预测研究中，侧重研究基于非平衡学习的软件缺陷倾向预测，特别是基于非平衡大数据分类的预测方法。
2、云计算与分布式处理
该方向是目前最热门的研究方向之一，主要研究基于云计算的大数据处理分治策略、大数据开源框架HADOOP和SPARK、这两种大数据开源框架的编程及相关应用研究，例如基于HADOOP和SPARK的大数据分类及其比较研究、基于生成模型的非平衡大数据平衡化研究、多模态大数据融合研究等。
3、大数据机器学习
该方向主要研究经典的机器学习算法在大数据环境下的可扩展性及大数据预处理。具体地，在机器学习算法可扩展性方面，主要研究如何改造或改进经典的机器学习算法，使之适应大数据环境，也研究如何设计面向大数据环境的新机器学习算法。在大数据预处理方面，主要研究面向大数据的样例选择、大数据主动学习和面向大数据的特征选择。
4、深度学习
该方向也是目前最热门的研究方向之一，深度学习在计算机视觉、语音识别、自然语言处理等多个领域都有非常成功的应用。该方向以应用为导向，主要研究常用的深度学习模型（如自动编码器、卷积神经网络、生成对抗网络等）的训练与应用。在应用研究中，主要研究深度学习在计算机视觉中的应用，包括视频检索、对象检测、目标跟踪等。此外，该方向还研究深度生成模型在非平衡大数据分类中的应用。
5、粒计算与知识获取
粒计算是一种模拟人类思维解决复杂问题的新方法，它通过把复杂的问题抽象并划分为若干简单的问题进行求解，是人工智能领域近年来的一个研究热点。该方向主要研究粒度划分的层次、粒结构及基于粒计算的知识获取方法。
6、WEB数据挖掘
随着WWW的快速发展，互联网上出现了大量有价值的信息（如微博、论坛、网络新闻等）。该方向主要研究如何快速、方便、准确地从海量互联网信息中挖掘有价值的知识。具体地，包括热门话题检测、事件演变趋势分析、社区发现等研究内容。
三、培养目标
1. 树立正确的中国特色社会主义核心价值观，具有坚定的理想信念，高尚的道德情操，优良的学术作风，高度的社会责任感。
2. 掌握电子信息学科坚实的基础理论和系统的专门知识，掌握电子信息学科的科学研究方法及必要的现代实验方法和技能，熟悉本学科的前沿研究领域，具有独立从事科学研究或独立担负专门技术工作、写出具有创见的学术论文并利用所学知识解决实际问题的能力。
3. 至少掌握一门外国语，能熟练阅读本专业的外文资料，具有撰写学术论文和进行国际学术交流的能力。
4. 具有良好的团队意识和团队合作精神。
5. 具有健康的身体和良好的心理素质。具有环境适应能力，注重人文精神与科学精神的结合；具有积极乐观的生活态度和价值观，善于处理人与人、人与社会及人与自然的关系，能够正确对待成功与失败。
6. 培养德智体美劳全面发展的社会主义事业接班人。
四、学制及学习年限
本学科所属专业研究生学制为3年，学习年限最长不超过6年。
五、中期筛选
研究生完成培养方案规定的课程学习、考核成绩合格、获得规定的学分后，按照学校相关文件组织开展中期筛选工作。
六、实践活动
根据电子信息领域的特点，要求研究生在完成课程学习阶段后进入工程领域的专业实践环节，累计时间不少于四个月，具体要求如下：
1、实践目的：通过实际工程问题解决，全面了解软件工程专业理论基础、方法和技术途径。
2、实践的组织形式：由导师（校内导师+企业导师）结合自身所承担的课题或研究项目安排学生的专业实践环节，或进入硕士点与相关企事业研究单位共建的专业实践基地进行实践。
3、实践指导形式：实践工作由导师（导师组）或企事业单位经过学位点聘任的资深技术人员或业务主管负责指导，学生应直接参与项目设计开发。
4、实践的内容和考核标准：实践内容应包括技术方案设计、软件开发、项目管理等工作。专业实践活动结束后，研究生应提交专业实践技术报告或专业实践工作总结。
七、论文工作
研究生必须在导师指导下独立完成学位（毕业）论文。学位（毕业）论文应着眼于解决实际问题，重在反映学生运用所学理论与知识综合解决实践问题的能力，不得抄袭和剽窃他人成果。研究生学位（毕业）论文的研究工作必须经过开题、预答辩、评审、答辩等环节。
专业学位硕士研究生学位（毕业）论文的选题应贯彻理论联系实际的原则，论文开题一般应在第三个学期前完成，开题报告能够清晰表述研究内容及其应用价值。在论文工作基本完成后，要进行论文预答辩，对学位（毕业）论文初稿进行全面、细致、充分的预审。在答辩前，应组织同行专家对论文进行评审，具体按照《河北大学研究生学位论文评审管理办法》相关要求进行。通过论文评审的专业学位硕士研究生，可申请论文答辩，论文答辩按照《河北大学学位条例实施细则》等文件规定执行。
八、毕业条件
1. 课程学习。研究生在规定修业年限内完成培养方案规定的课程学习，考核成绩合格，获得规定的学分。
2. 实践活动。研究生完成培养方案规定的实践活动。
3. 提前毕业。符合《河北大学关于硕士研究生申请提前毕业的规定》（校研字〔2015〕5号）相关要求的，可申请提前毕业。
4. 论文答辩。学位（毕业）论文经专家评审合格、通过学位（毕业）答辩，符合毕业资格审查后，准予毕业。
九、学位授予
研究生通过毕业资格审查，符合《中华人民共和国学位条例》的有关规定，达到学校学位授予标准，经学校学位评定委员会审核，授予硕士学位。
十、学分及课程设置
电子信息（学科代码0854）学位最低修读学分为26分，其中学位课12学分，非学位课14学分。
本专业硕士研究生的课程学习在第二学期末结束。课程考试可以采用笔试、写读书报告或论文的形式。考试成绩按百分成绩评定。研究生课程考试不设补考环节，考试成绩低于60分的需重修。
电子信息（学科代码0854）学位全日制专业学位硕士研究生课程设置一览表
| 课程类别 | 课程说明 | 课程号 | 学分 | 学期 | 备注 | |
|---|---|---|---|---|---|---|
| 学位课(14学分) | 公共必修课 | 新时代中国特色社会主义理论与实践 | TS0000001 | 2 | 1 | 考试 |
| 通用学术英语 | TS0000002 | 2 | 1 | 考试 | ||
| 专业必修课 | 文献阅读与论文写作 | ZS0908001 | 2 | 2 | 考查 | |
| 大数据机器学习 | ZS0908002 | 3 | 1 | 考试 | ||
| 高级软件工程 | ZS0908003 | 3 | 1 | 考试 | ||
| 非学位课(14学分) | 公共通识课 | 《习近平谈治国理政》研读 | TT0000101 | 1 | 2 | 通修/考查 |
| 自然辩证法概论 | TS0000102 | 1 | 2 | 通修/考查 | ||
| 体育 | TT0000102 | 1 | 1 | 选修/考查 | ||
| 美育 | TT0000103 | 1 | 1 | 选修/考查 | ||
| 软件设计与管理方向课 | 算法设计与分析 | XS0908201 | 2 | 1 | 选修/考查 | |
| 该方向研究生至少修读2学分 | 高级数据库系统 | XS0908202 | 2 | 2 | 选修/考查 | |
| 软件体系结构 | XS0908203 | 2 | 2 | 选修/考查 | ||
| Python大数据开发实践 | XS0908204 | 2 | 2 | 选修/考查 | ||
| 云计算与分布式处理方向课 | 分布式计算框架 | XS0908205 | 2 | 2 | 选修/考查 | |
| 该方向研究生至少修读2学分 | 神经网络 | XS0908206 | 2 | 2 | 选修/考查 | |
| 智能决策系统 | XS0908207 | 2 | 2 | 选修/考查 | ||
| 矩阵论 | XS0908208 | 2 | 2 | 选修/考查 | ||
| Python大数据开发实践 | XS0908204 | 2 | 2 | 选修/考查 | ||
| 大数据机器学习方向选修课 | 大数据处理 | XS0908209 | 2 | 2 | 选修/考查 | |
| 该方向研究生至少修读2学分 | 凸优化理论及应用 | XS0908210 | 2 | 1 | 选修/考查 | |
| 支持向量机 | XS0908211 | 2 | 2 | 选修/考查 | ||
| 数字图像处理 | XS0908212 | 2 | 2 | 选修/考查 | ||
| 矩阵论 | XS0908208 | 2 | 2 | 选修/考查 | ||
| 数据分析 | XS0908213 | 2 | 1 | 选修/考查 | ||
| 模式识别 | XS0908214 | 2 | 2 | 选修/考查 | ||
| 深度学习方向课 | 深度学习 | XS0908215 | 2 | 2 | 选修/考查 | |
| 该方向研究生至少修读2学分 | 模式识别 | XS0908214 | 2 | 2 | 选修/考查 | |
| 神经网络 | XS0908206 | 2 | 2 | 选修/考查 | ||
| 强化学习 | XS0908216 | 2 | 1 | 选修/考查 | ||
| 智能决策系统 | XS0908207 | 2 | 2 | 选修/考查 | ||
| 数据分析 | XS0908213 | 2 | 1 | 选修/考查 | ||
| 支持向量机 | XS0908211 | 2 | 2 | 选修/考查 | ||
| Python深度学习实践 | XS0908217 | 2 | 2 | 选修/考查 | ||
| 凸优化理论及应用 | XS0908210 | 2 | 1 | 选修/考查 | ||
| 粒计算与知识获取方向课 | 矩阵论 | XS0908208 | 2 | 2 | 选修/考查 | |
| 该方向研究生至少修读2学分 | 模式识别 | XS0908214 | 2 | 2 | 选修/考查 | |
| 异常检测 | XS0908218 | 2 | 2 | 选修/考查 | ||
| 支持向量机 | XS0908211 | 2 | 2 | 选修/考查 | ||
| 现代智能优化算法 | XS0908219 | 2 | 2 | 选修/考查 | ||
| 数据分析 | XS0908213 | 2 | 1 | 选修/考查 | ||
| 粗糙集理论与应用 | XS0908220 | 2 | 1 | 选修/考查 | ||
| 多粒度知识获取与不确定性 | XS0908221 | 2 | 2 | 选修/考查 | ||
| WEB数据挖掘方向课 | 数据挖掘 | XS0908222 | 2 | 2 | 选修/考查 | |
| 该方向研究生至少修读2学分 | 计算机视觉基础 | XS0908223 | 2 | 2 | 选修/考查 | |
| 矩阵论 | XS0908208 | 2 | 2 | 选修/考查 | ||
| 人工智能方法 | XS0908224 | 2 | 2 | 选修/考查 | ||
| Python大数据开发实践 | XS0908204 | 2 | 2 | 选修/考查 | ||
| 必修环节 | 实践环节 | 入学教育与学术规范 | 1 | |||
| 中期筛选 | 3 | |||||
| 实习实践活动 | 4 | |||||
| 论文环节 | 论文开题 | 3 | 过程管理 | |||
| 论文预答辩 | 6 | 无学分 | ||||
| 论文评审 | 6 | |||||
| 论文答辩 | 6 |
课程修读说明：
1、学位课为一级学科下所有专业方向的必修课程。必修环节为研究生培养过程中必须完成的培养活动。
2、公共必修课中的外语课程按入学时的外国语考试科目修读相关语种。
3、公共通识课程中的通修为必选课程。
4、按专业方向设置的非学位课方向课应至少按录取专业所对应的方向完成其中一个方向的修读要求。
5、学生毕业总学分为：公共必修课+专业必修课+公共通识课+方向课。
6、非学位课可以跨方向选修，必须达到最低学分14分。