杭州电子科技大学信息工程学院是1999年由杭州电子科技大学举办、经浙江省人民政府批准、2004年由教育部确认的第一批独立学院。学院地处杭州市临安区美丽的青山湖畔，学院一期占地500亩，二期占地200亩。 学院秉承杭州电子科技大学“团结勤奋、求实创新”的优良传统，弘扬“团结、自强、求实、创新”的学院精神，本着“立足区域、贴近行业、服务浙江”的服务宗旨，确立“面向行业企业需求、产教融合校企合作”的发展理念，坚持以学生应用能力培养为导向，培养适合行业企业发展需要的高层次综合性职业技术人才，致力于建成省内有一定影响力的教学为主的多科性应用型大学。 学院以行业企业需求为导向，学科布局涉及工学、经济学、管理学、文学、艺术五类，建设与形成机械自动化类、计算机类、电子信息类、经济管理类、外语、艺术设计五大类专业群，建设与发展计算机科学与技术、软件工程、网络工程、物联网工程、通信工程、电子信息工程、电子科学与技术、自动化、电气工程及其自动化、机械设计制造及自动化、信息管理、电子商务(含专升本)、物流管理、工商管理、人力资源、市场营销、会计学(含专升本)、财务管理、金融学、国际经济与贸易、工业设计、产品设计、英语23个全日制本科专业。 学院面向15个省、市、区招生，全日制在校本科生8200余人，学生在学院规定的修读年限内，修满教学计划规定的学分，德、智、体达到毕业要求的，颁发杭州电子科技大学信息工程学院毕业证书，符合学士学位授予条件的，颁发杭州电子科技大学信息工程学院学士学位证书。 学院遵循“结构优化、重点建设、持续推进”原则，重点建设电子科学与技术、机械工程、电路与系统省一流学科和重点学科;重点建设机械设计制造及其自动化专业、软件工程专业、工商管理专业、计算机科学与技术专业4个省新型特色专业;培育电子信息工程专业、电器工程及其自动化、会计学、金融学、电子商务等院级重点专业。近几年，获省教学成果奖1项，获省教育教学改革项目50余项，获省课堂教学改革项目近20项，获教育部产学合作协同育人项目2项：JavaEE Web应用实践基地、网中网产学合作财会实践基地。 学院坚持“以学生为本”、强化学生创新应用能力培养。近5年，学院共获省级及以上学科竞赛奖项623项，涵盖电子设计、多媒体、服务外包、案例分析、财会信息化等40余个项目及类别，参与学科竞赛学生达8300人次，累计获奖人数达2164人次。全国高等教育学会发布的《中国高校创新人才培养暨学科竞赛评估结果》中，学院在2012—2016年全国普通高校竞赛评估本科组中位列全国独立学院第三。2015-2017年浙江省教育评估院对全省毕业生职业发展与人才培养质量跟踪调研，学院位列全省独立学院前三。 学院积极开展国际交流与合作，拓展学生国际视野，与美国、加拿大、英国、爱尔兰、韩国、澳大利亚、新西兰、港澳台等10余个国家和地区30多所高校建立了友好关系。重点开展新西兰林肯大学3+2本硕连读项目、Passages赴美调研游学项目、中外服青年师生赴美调研项目、俄罗斯国立高等经济研究大学交流学习项目、美国西俄勒冈大学交流项目、英国BPP大学“ACCA”交流项目等六大精选项目。 学院不断加强教师培养与能力提升，加强引进与聘请高层次教师，学院高级职称教师占30%以上，86%以上教师具有硕博学位，其中引进博士学位教师40余人。学院教师科研水平与社会服务能力不断提高。近几年，学院教师获省哲学社会科学优秀成果奖三等奖3项;纵向课题30余项，国家自然科学基金面上项目4项，企业政府横向课题近80项，成果转化项目5项，高质量论文80余篇，其中一级权威期刊收录3篇、一级期刊收录12篇、SCI收录21篇、EI收录38篇、CSSCI收录3篇，出版专著近20部，发明和实用新型专利22项，软件著作权24项。

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

2025年4月14日，天津市科技创新发展中心官方微信公众号“天津市科技创新发展中心”以《推进主题教育成果转化 赋能党建业务融合发展》为题对我校进行了报道。