IIIS本科生(姚班&智班)2020年秋季學期課程如下:

No. 年級學期 課程名稱 學分 任課教師
1 一年級秋季學期 計算機入門 3 段然
2 一年級秋季學期 人工智能入門 3 袁洋、吳翼
3 一年級秋季學期 線性代數 4 徐勇
4 二年級秋季學期 算法設計 4 李建
5 二年級秋季學期 普通物理(2)英 4 孫麓岩
6 二年級秋季學期 概率與統計 3 王禹皓
7 三年級秋季學期 密碼學基礎 4 吳文斐
8 三年級秋季學期 量子通訊與密碼 3 馬雄峰
9 三年級秋季學期 機器學習 4 袁洋
10 三年級秋季學期 高等計算機圖形學 3 胡事民
11 三年級秋季學期 操作系統 4 徐葳
12 三年級秋季學期 人工智能:原理與技術 3 張崇潔
13 三年級秋季學期 數據挖掘 3 高逸涵
14 三年級秋季學期 人工智能芯片入門:從硬件描述語言到FPGA實現 3 馬恺聲
15 三年級秋季學期 計算機網絡基礎 3 黃隆波
16 三年級秋季學期 計算生物學 3 曾堅陽
17 四年級秋季學期 计算机科學研究实践 9 交叉信息院一線骨幹教師
1. 計算機入門

任課教師: 段然

这门课程研究了計算機科學的基础思想。课程和作业涵盖了许多课题,诸如硬件组织、网络、计算程序、计算限制以及图形等。

2. 人工智能入門

任課教師: 袁洋、吳翼

本课程的目标旨在向学生介绍人工智能各方向科研科技热点与前沿成果,包括计算机视觉,机器人,强化学习,人工智能系统,与人工智能算法等,激发学生对人工智能领域的志趣,鼓励学生对人工智能的不同方向进行深度调研与了解。本课程属于人工智能班必修课程,主要面向大一新生。授课的方 式为邀请人工智能各领域的学界业界领军人才进行授课。

3. 線性代數

任課教師: 徐勇

線性代數在现代科学包括計算機科學、物理学、数学以及其交叉领域等学科有着广泛的应用。本课程将系统地阐述線性代數的基本概念和方法,包括矩阵理论以及应用,线性变换和向量空间等。具体包括:线性方程组,行化简和阶梯型,向量方程组,线性方程组的解,线性无关,线性变换,线性变换矩阵,矩阵代数,可逆矩阵的特征,行列式,子空间,零空间,列空间,基和维度,秩,本征值和本征向量,对角化和内积等。本课程侧重理论结合具体例子,通过这门课的学习,学生不仅可以掌握線性代數的基本理论和方法,同时抽象思维和推理能力将得以训练和提高。

4. 算法設計

任課教師: 李建

本课程介绍算法設計的基础知识,常用算法設計技术,以及算法复杂性的分析。主要内容包括:算法分析工具,分治算法,动态规划,贪心算法等算法設計技巧,以及NP完全性,随机算法,近似算法等高级专题。

5. 普通物理(2)英

任課教師: 孫麓岩

该课程为General Physics I的延续课程,面向于对物理和交叉学科感兴趣的本科生。这门课程将会涉及经典电动力学中最重要的课题,其中包括静电场、静磁场、麦克斯韦方程以及相对论。这门课程重点强调基本概念和解决实际问题的能力。学完这门课后,学生应该对基本经典电动力学有个很好的理解。

6. 概率與統計

任課教師: 王禹皓

統計學方法爲人們從海量數據中提取有用信息提供了有力幫助。本課程主要介紹爲分析高維模型與非參數模型而設計的現代統計學方法以及其理論基礎。在這堂課上,我們會介紹近20年來發展的統計分析工具,分析它們的漸進性,了解其概率論基礎,並展示如何應用這些統計工具分析實際數據。課程主題包括但不限于:高維與非參數估值,極小極大下界,多重假設檢驗,半參數模型。

7. 密碼學基礎

任課教師: 吳文斐

本課程的主要目的是介紹現代密碼學的一些基本概念。與數字內容分布有關的兩個主要問題是信息的隱秘性和數據來源。在簡短介紹代數之後,將會在現代私鑰和公鑰加密的背景下討論隱私問題及其解決方案。之後將回顧一下使用散列函數和數字簽名來實現數字內容認證的一些工具。其中所提出的結構是建立設計安全系統和實際應用協議。同時,本課程也將涉及加密方案和協議的攻擊和安全分析等內容。

8. 量子通訊與密碼

任課教師: 馬雄峰

本课程主要介绍量子通信和量子密码研究前沿,包括:量子基础;量子纠缠理论;量子通讯及量子隐形传态;量子密码学;相关的物理实现。将讨论与此相关的各个领域,包括量子秘钥分发,量子网络,量子攻击,量子随机数发生器,量子隐形传态,多光子纠缠及基于量子光学的实验实现。阐述每个方向的基本理论和实验的想法,及当前研究的热点。鼓励学生学习针对其中一个方向的最新研究进展进行拓展学习。在课程最后,要求学生讨论和报告他们最感兴趣的研究方向的相关进展。本课程适合于高年级本科生。其目的是从理论和实验实现角度,为同学们提供一个量子信息科学方面的基础,并帮助未来的研究人员在量子通訊與密碼领域选择自己的研究领域。

9. 機器學習

任課教師: 袁洋

機器學習研究的内容是如何使计算机从经验中学习。通过结合理论计算机与统计学的思想,目前已开发出很多機器學習的算法,并成功应用于计算机视觉、生物信息学以及自然语言处理等多个领域。機器學習理论研究機器學習的根本问题,包括在什么条件下是可学习的,以及学习能力的理论极限是多少。

10. 高等計算機圖形學

任課教師: 胡事民
本課程是爲清華大學計算機系本科生開設的選修課,旨在介紹計算機圖形學的基本概念、理論、方法和系統,主要內容包括:顔色模型、光照模型、明暗處理、紋理、光線跟蹤算法、曲線曲面造型和幾何處理等。

11. 操作系統

任課教師: 徐葳

本课程将讲授最基本的操作系統原理。主要内容包括:计算机与操作系統结构,机制与策略,资源管理,多任务系统,内存管理,文件系统,输入输出子系统及设备管理, 通信与网络,保护与安全。本课程要求学生课后积累动手经验。

12. 人工智能:原理與技術

任課教師: 張崇潔

這門課程介紹人工智能的基本原理與技術。具體內容包含搜索、約束滿足、博弈、概率圖模型、機器 學習、馬爾可夫決策過程、以及強化學習等。這門課程的目標是:1)使得學生能夠用學到的技術解 決現實生活中的新的人工智能問題;2)能使學生爲進一步深入學習人工智能子領域打好基礎。

13. 數據挖掘

任課教師: 高逸涵

本课程覆盖數據挖掘领域内的基本概念和许多前沿方向。前半部分课程主要介绍數據挖掘的基础方法和流程:数据准备、知识表示、分类算法、聚类算法、機器學習算法的泛化能力、结果的可信度、相关性分析等。后半部分课程介绍數據挖掘领域内数个更加前沿的研究课题。本课程定位为數據挖掘方向的一门初级课程,目的是简单的介绍數據挖掘领域的众多研 究方向,使得学生可以在课后自行继续深入学习感兴趣的子方向。

14. 人工智能芯片入門:從硬件描述語言到FPGA實現

任課教師: 馬恺聲

本課程爲教學與實驗並重課程,以實現卷積網絡爲目標,從最基本的硬件描述語言到FPGA實現,達到團隊合作後能夠實現小規模卷積操作爲目標。課業完成後能夠掌握基本的數據流、控制流劃分方法,能夠對組合邏輯、時序邏輯、狀態機等基本操作有從理論到編程能力的掌握。能夠對基本的測試用例進行編寫,並且完成對程序的測試。能夠將以上程序映射到FPGA平台,完成燒寫,調試等操作。能夠對基本芯片設計流程有所了解,包括後端,驗證等流程。對基本3*3卷積完成操作,能夠以團隊協作角度完成一個小型的AI加速器的設計。

15. 計算機網絡基礎

任課教師: 黃隆波

本課程旨在爲學生全面地介紹計算機網絡系統及其性能分析。課程內容分爲兩部分。第一部分講述多種不同的網絡組成及其性質,包括網絡原理、以太網、WiFi、路由、互聯、傳輸層、WiMax以及LTE、服務質量以及物理層知識。第二部分主要介紹用以分析計算機系統的數學工具及方法,包括凸優化、排隊論、博弈論以及隨機分析。本課程主要面向電子或者計算機大三或者大四的本科生。

16. 計算生物學

任課教師: 曾堅陽

計算生物學是一门典型的交叉学科,涉及的学科包括数学、统计学、化学、物理学、生物学和計算機科學等.就整個學科的內容而論,計算生物學最终是以生命科学中的现象和规律作为研究对象,以解决生物学问题为最终目标。計算生物學是生命生命科学的主要分支,它不仅能促进生命科学的发展,也可能为数学、計算機科學带领启示。本课程的教学目的就是让同学们对于計算生物學有一个了解和认识。本课程介绍为分析生物数据集(如DNARNA,蛋白基因和生物網絡)的各種計算問題以及解決這些問題的算法。內容包括:生物序列分析,基因鑒定,監管主題發現,基因組組裝,基因組複制和重排,進化理論,聚類算法,無標度網絡。

17. 计算机科學研究实践

任課教師: 交叉信息院一線骨幹教師

该课程为实践性课程。学生将赴国内外各著名研究院所进行为期一学期的研究实践,每位学生单独跟随各自的导师,参与到具体的、目前理论计算机领域最前沿的研究项目中去,进行研究型开发研讨等实践活动。该课程的目的是让学生真正接触到理论计算机科學研究的最前线,对自己所学理论知识有更深入、更实际的认识和应用。学生也有机会在该实践课程中在自己的研究实践领域发表论文。在该课程中,学生将会被要求进行正式的研究实践报告答辩,包括开题、期中和期末答辩。