管理科学与工程学术学位硕士研究生培养方案.docx
- 文档编号:8802069
- 上传时间:2023-05-15
- 格式:DOCX
- 页数:27
- 大小:32.27KB
管理科学与工程学术学位硕士研究生培养方案.docx
《管理科学与工程学术学位硕士研究生培养方案.docx》由会员分享,可在线阅读,更多相关《管理科学与工程学术学位硕士研究生培养方案.docx(27页珍藏版)》请在冰点文库上搜索。
管理科学与工程学术学位硕士研究生培养方案
内蒙古大学管理科学与工程(0871)硕士研究生培养方案
一、学科、专业及研究方向简介
管理科学与工程是综合运用系统科学、管理科学、数学、经济和行为科学及工程方法,结合信息技术研究解决社会、经济、工程等方面的管理问题的一门学科。
研究方向一:
管理信息系统
管理信息系统研究方向以计算机网络平台为基础,针对因特网应用技术、网络数据库和信息系统优化进行研究。
本研究方向的主要目标是综合运用现代信息技术和信息系统理论,进行信息组织、分析、传播与开发的研究,以提高企业经营和社会经济管理的信息化水平。
本研究方向主要的研究内容有:
(1)基于Internet、Intranet的企业管理信息系统实现技术;
(2)管理信息系统、辅助决策支持系统、专家系统的研究;(3)信息系统分析、设计、实现和评价的理论与方法;(4)数据库与数据仓库的分析与设计。
研究方向二:
智能决策与知识工程
智能决策与知识工程研究方向以多层次、多属性、高维度的复杂问题为研究对象,针对非线性动力系统、生物系统、交通系统等系统进行研究。
本研究方向的主要目标是综合运用决策科学和优化理论,对大规模确定与不确定系统的动力学特性进行建模、控制与优化分析,为系统提供决策支持,以提高系统的效率、有效性与可用性等。
本研究方向主要的研究内容有:
(1)非线性系统的知识获取与决策;
(2)多目标问题的优化决策;(3)基于图像与视频的内容理解与处理。
研究方向三:
数据挖掘与信息处理
数据挖掘与信息处理研究方向针对社会行为数据、基因序列数据、商业过程数据等真实信息数据对自然科学和人类社会的未知关系进行研究。
本研究方向的主要目标是综合运用数据挖掘和信息理论,对社会行为、商业模式、生物过程等自然科学和社会科学中的复杂系统和过程进行分析与建模,以分析数据对复杂系统和过程的影响。
本研究方向主要的研究内容有:
(1)社会媒体中用户行为信息的分析与挖掘;
(2)信息数据的分析、挖掘与优化;(3)生物信息学与机器学习。
二、培养目标
本专业培养德、智、体全面发展的管理科学与工程领域的专门人才,要求本学科硕士学位获得者拥护党的基本路线和方针政策,热爱祖国,品行端正,身心健康,具有自由创新精神,追求真理,献身科学教育事业的敬业精神和科学道德。
本学科培养的硕士研究生应掌握坚实的基础理论和系统的专门知识;掌握本学科的现代实验方法和技能;在所研究方向的范围内了解本学科发展的现状和趋势;掌握一门外国语;具有较强的创新能力和实践能力,达到《中华人民共和国学位条例》规定的硕士学位学术水平。
具体包括如下方面:
1.数学建模、系统理论和信息技术的基本方法和能力;
2.算法分析与设计能力,包括掌握重要的算法设计策略,以及对算法的计算复杂度进行分析;
3.工程技术管理能力,包括对信息管理类项目进行规划、设计和实施,进行组织、协调和管理的能力;
4.创新能力,包括创新意识、创新精神和创新能力,把创新能力的积累贯穿于研究生培养的全过程;
5、掌握一种外国语,具有较为熟练的听、说、读、写能力。
三、基本学制和申请学位最长年限
学术学位硕士研究生的基本学制为3年,申请学位最长年限为5年,即自研究生入学之日起到校学位评定委员会讨论通过其学位论文的时间为5年。
四、培养方式
本学科实行科教结合的培养模式,建立研究生教育与国家工程(项目)紧密结合的新机制。
导师是研究生培养的第一责任人,导师负有对研究生进行学科前沿引导、科研方法指导和学术规范教导的责任。
导师应对研究生参加研究实践项目进行指导。
本学科研究生培养实施中期淘汰机制。
中期考核等培养环节中对于不具备继续培养潜力的研究生进行中期淘汰。
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
2
1
研究生院安排
自然辩证法概论(学硕理工科)
1/16
1
1
研究生院安排
公共选修课
研究生学术道德与学术规范
1/16
1
研究生院安排
讲座
研究生职业规划与创新创业
1/16
1
研究生院安排
讲座
专业学位课
(必修12分)
高级运筹学
3/48
3
1
郭仁拥(教授)、刘铁英(教授)
算法分析与设计
3/48
3
1
王俊义(教授)、周建涛(教授)
管理信息系统
3/48
3
1
张献国(副教授)、刘实(教授)
数据挖掘
3/48
3
2
魏宏喜(副教授)
专业选修课
(含跨学科课程)
(12分)
数据库理论与技术
3/48
3
2
班志杰(副教授)、高维(讲师)
计算机网络新技术
3/48
3
1
李茹(教授)、张俊星(教授)
人工智能
3/48
3
2
侯宏旭(教授)、飞龙(副教授)
高级软件工程
3/48
3
1
周建涛(教授)、王显荣(副教授)
决策支持系统
2/32
2
3
郭仁拥(教授)、陈立荣(讲师)
生物信息学
2/32
2
3
王娟(讲师)、刘帅(副教授)
电子商务
2/32
2
3
王珊珊(讲师)、张珺(副教授)
机器学习
2/32
2
3
张学良(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
高级运筹学课程教学大纲
课程中文名称:
高级运筹学
课程英文名称:
SeniorOperationalResearch
课程编号:
093200203
课程类别:
专业学位课
学分:
3
学时:
48
课程简介
高级运筹学以现代数学理论和方法为基础,综合运用计算机和其它科学技术,建立复杂系统的优化数学模型,构造求解各种模型的计算方法,辅助决策者用科学方法确定其方针和行动,以期获得尽可能满意的经济社会效益。
本课程为管理学科和计算机应用各专业硕士研究生的专业基础课,同时也可作为其它相近专业研究生的选修课。
运筹学分支多范围广,本课程主要内容涉及运筹学各主要分支的基本原理和数学研究基础,教学过程中注重应用实例的分析。
通过本课程的学习,希望学生能掌握运筹学各主要分支的基本概念、基本技巧、数学建模、算法设计思想及应用方法。
同时也希望通过一些案例教学,对运筹学的实质有所了解,学会建立运筹学模型,运用运筹学的方法和技巧,为求解的管理问题提供最合理的决策。
为进一步学习和应用运筹学、从事运筹学的各分支研究打下基础。
教学内容
及学时安排
教学内容及学时安排:
1.运筹学思想与运筹学建模:
运筹学的发展及应用状况,讨论一般运筹学模型的建立方法和基本步骤。
2学时;
2.基本概念与理论:
数学规划的一般形式,讲授课程所需的一些数学基础。
4学时;
3.线性规划:
线性规划问题的建模方法,单纯性算法,线性规划的对偶问题及其解法、灵敏度分析等问题。
8学时;
4.最优化搜索算法的结构与一维搜索:
常用搜索算法的结构、精确一维搜索算法、不精确一维搜索算法。
6学时;
5.无约束最优化方法:
以常用的算法为主,包括:
最速下降算法、牛顿法及其修正算法、共轭梯度法、变尺度法、直接搜索算法等。
8学时;
6.约束最优化方法:
求解约束最优化问题的基本思路、K-T条件、既约梯度算法、罚函数算法、闸函数算法等。
4学时;
7.目标规划:
目标规划的建模、求解。
2学时;
8.整数规划:
整数规划问题的模型、分支定界算法、割平面法、0-1规划的隐枚举法、指派问题及其解法。
6学时;
9.层次分析法:
层次分析法的建模、求解、应用举例。
4学时;
10.智能优化算法及其应用:
主要研究目前研究和应用比较多的智能优化算法,其中包括:
人工神经网络算法、遗传算法、模拟退火算法、蚁群算法、粒子群算法、禁忌搜索算法。
详细讨论算法的思想和结构,并从应用的角度出发研究算法。
4学时。
课程修读方式以课堂教学为主,专题讨论作为辅助教学手段。
在课程教学涉及建模和算法的部分都将结合案例教学,尤其是课程的最后一部分,讨论较多的比较流行的智能算法,每一个算法后面结合一个完整的应用实例,这部分内容的教学结合讲授、学生报告、课堂研讨、案例分析等方式进行。
案例教学和实践教学占整个教学时间的百分之三十左右。
考核方式
考核方式:
平时成绩(课堂报告、小论文、参加讨论情况、考勤情况)占40%,
期末成绩:
闭卷考试占60%。
参考书目
1.吴祈宗,运筹学与最优化方法,机械工业出版社;
2.M.S.BazaraaandC.M.Shetty,NonlinearProgramming:
TheoryandAlgorithms,JohnWileyandSons;
3.胡运权,运筹学教程,清华大学出版社;
4.王凌,智能优化算法及其应用,清华大学出版社;
5.王莲芬,许树柏,层次分析法引论,中国人民大学出版社;
6.袁曾任,人工神经网络及其应用,清华大学出版社;
7.朱剑英,智能系统非经典数学方法,华中科技大学出版社;
8.吴启迪,智能蚁群算法及应用,上海科技出版社。
算法分析与设计课程教学大纲
课程中文名称:
算法分析与设计
课程英文名称:
AlgorithmsDesignandAnalysis
课程编号:
093200303
课程类别:
专业学位课
学分:
3
学时:
48
课程简介
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。
教学内容
及学时安排
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
考核方式
笔试:
2学时,占总分的60%;
作业:
占总分的40%;
评分等级:
100分制。
参考书目
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。
管理信息系统课程教学大纲
课程中文名称:
管理信息系统
课程英文名称:
ManagementInformationSystem
课程编号:
093200803
课程类别:
专业学位课
学分:
3
学时:
48
课程简介
管理信息系统(ManagementInformationSystem,简称MIS)是一门涉及管理科学、计算机科学和系统科学的边缘性、交叉性、综合性的课程,它运用信息理论、计算机科学技术、经济理论等学科的概念、方法和技术,融合提炼一个信息收集、存储、加工和运用的信息体系,以人为主导,利用各种设备形成集成化的信息系统,支持组织对基层信息的收集加工、中层信息的管理控制和高层信息的智能决策挖掘。
该课程是一门既有较深理论基础又具有较强实践性的课程。
教学内容
及学时安排
第一章管理信息系统概念与战略作用(4学时)
第一节信息与信息系统
第二节管理信息系统
第三节管理信息系统的战略作用
第四节管理信息系统的学科体系与相关技术
第二章管理信息系统技术支撑体系(3学时)
第一节支撑体系总体构成
第二节主要技术和基础设施
第三节支撑平台
第四节数据库系统
第三章管理信息系统的战略规划与开发方法(4学时)
第一节管理信息系统战略规划概述
第二节管理信息系统常用规划方法
第三节管理信息系统开发条件和原则
第四节管理信息系统的开发方法
第五节管理信息系统开发的过程和过程管理
第四章商务智能与数据挖掘(6学时)
第一节商务智能的分析过程及决策支持
第二节商务智能的应用
第三节数据挖掘方法
第四节商务智能、数据挖掘与信息系统的关联
第五节商务智能、数据挖掘对信息的需求
第五章管理信息系统的系统分析(8学时)
第一节系统分析概述
第二节现行系统详细调查
第三节组织结构与业务流程分析
第四节数据流程分析
第五节新系统逻辑模型与系统分析报告
第六章管理信息系统的系统设计(8学时)
第一节系统设计的目标与原则
第二节系统总体设计
第三节系统详细设计
第七章管理信息系统的系统实施(4学时)
第一节程序设计
第二节系统测试
第三节系统转换、维护与评价
第八章管理信息系统的安全(3学时)
第一节管理信息系统安全性的主要风险
第二节管理信息系统安全性的对策
第三节管理信息系统安全性技术
第四节管理信息系统安全解决方案
第九章信息技术/管理信息系统的使用与管理(4学时)
第一节企业信息技术的吸收过程
第二节企业信息框架
第三节供应链管理与IT/IS支撑
第四节战略网格与外包决策
第五节管理信息系统的项目实施与管理
课堂讨论与机动学时:
4学时
考核方式
总评成绩=期末考试成绩*50%+项目开发实践成绩+案例分析报告成绩
其中,期末考试完成课程理论部分的考核,采取闭卷笔试,2小时,总分100分。
项目开发实践满分35分,系统开发报告占50%,程序实现占50%。
案例分析报告满分15分。
参考书目
1、陈国青、李一军.管理信息系统.北京:
高等教育出版社
2、蒋盛益.商务数据挖掘与应用.北京:
电子工业出版社
3、薛华成.管理信息系统(第六版).北京:
清华大学出版社
4、黄梯云.管理信息系统.北京:
高等教育出版社
5、斯蒂芬·哈格等著,严建援等译.信息时代的管理信息系统.北京:
机械工业出版社
6、KinnithC.Laudon.ManagementInformationSystems.NewJersey:
PrinticeHall
7、闪四清.管理信息系统教程.北京:
清华大学出版社
8、甘仞初.管理信息系统.北京:
机械工业出版社
9、王要武.管理信息系统.北京:
电子工业出版社
10、邓晶等.管理信息系统及应用实例.北京:
中国电力出版社
11、左美云等.信息系统的开发与管理教程.北京:
清华大学出版社
12、陈国青.信息系统的组织∙管理∙建模.北京:
清华大学出版社
13、张金城.管理信息系统(第二版).北京:
北京大学出版社
14、StevenHaag.InformationSystemsEssentials.NewYork:
McGraw-Hill
数据挖掘课程教学大纲
课程中文名称:
数据挖掘
课程英文名称:
DataMining
课程编号:
093200903
课程类别:
专业学位课
学分:
3
学时:
48
课程简介
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。
教学内容
及学时安排
本课程教学内容及学时安排如下:
第一章引言(0.5学时)
第二章数据预处理(1.5学时)
第三章关联挖掘(2学时)
第四章分类与预测(共10学时):
决策树(2学时)、神经网络(2学时)、SVM(2学时)、贝叶斯网络(2学时)、数据预测(2学时)
第五章聚类分析(4学时)
第六章文本和Web挖掘(共10学时):
概述(2学时)、布尔模型(2学时)、向量空间模型(2学时)、语言模型(2学时)、评价机制(2学时)
相关工具的介绍(如:
Matlab、绘图工具等)(2学时)
实验教学(18学时)
本课程安排3个实验,分别利用神经网络、支持向量机等模型,完成数据分类与数据预测任务。
具体安排如下:
1、利用神经网络完成数据分类
(1)任务要求:
给定某个数据集(如:
手写数字数据集),根据样本数据的特征维度和类别数百设计神经网络的输入层单元个数和输出层单元个数,并利用一些经验公式通过对比实验确定适合的隐藏层数目及每层对应的单元个数。
(2)时间要求:
布置任务之后,在2-3周内完成。
(3)提交结果:
已设计并训练好的神经网络,测试集上的分类正确率,实验报告(电子版与纸质版)等。
(4)学时安排:
6学时,由学生报告实验内容(包括:
实验设计、演示等)。
(5)成绩评定:
根据学生提交的结果(80%)及口头报告的效果(20%)评定本实验的成绩。
本次实验占总成绩的15%。
2、利用支持向量机完成数据分类
(1)任务要求:
给定某个数据集(通常为两类数据集),根据选定核函数的形式,在训练数据集上采用交叉验证的方式利用网格搜索选择适合的参数值;选定参数值之后,在训练数据集上进一步训练SVM分类器,最后通过测试集评测SVM分类器的性能。
(2)时间要求:
布置任务之后,在2-3周内完成。
(3)提交结果:
已设计并训练好的SVM分类器,测试集上的分类正确率,实验报告(电子版与纸质版)等。
(4)学时安排:
6学时,由学生报告实验内容(包括:
实验设计、演示等)。
(5)成绩评定:
根据学生提交的结果(80%)及口头报告的效果(20%)评定本实验的成绩。
本次实验占总成绩的15%。
3、数据预测任务
(1)任务要求:
给定某个数据集,根据本门课程所学知识(模型、方法自选)完成数据预测任务。
(2)时间要求:
布置任务之后,在2-3周内完成。
(3)提交结果:
已设计并训练好数据预测模型,测试集上的预测结果,实验报告(电子版与纸质版)等。
(4)学时安排:
6学时,由学生报告选定何种模型、如何
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 管理科学 工程 学术 学位 硕士研究生 培养 方案