IIIS本科生(姚班&智班)2021年春季學期課程如下:

No. 年級學期 課程名稱 學分 任課教師
1 一年級春季學期 計算機應用數學 3 姚期智
2 一年級春季學期 人工智能應用數學 3 姚期智
3 一年級春季學期 普通物理(1)英 4 馬雄峰
4 一年級春季學期 抽象代數 4 鄧東靈
5 一年級春季學期 因果和統計學習 3 于洋
6 二年級春季學期 量子計算機科學 4 段路明
7 二年級春季學期 計算理論 4 段然
8 二年級春季學期 計算機系統結構 4 高鳴宇
9 二年級春季學期 密碼學基礎 4 陳一鐳
10 二年級春季學期 計算機視覺 3 高陽
11 二年級春季學期 深度學習 3 吳翼
12 二年級春季學期 博弈論 4 房智軒
13 二年級春季學期 自動駕駛 2 樓天城
14 三年級春季學期 分布式與區塊鏈系統 4 周冬,房智軒
15 三年級春季學期 多媒體計算 2 趙行
16 四年級春季學期 綜合論文訓練 15 徐葳
1. 計算機應用數學

任課教師: 姚期智

该课程面向計算機科學本科专业介绍基本数学技巧,以及这些技巧怎样在計算機科學中应用。现代計算機科學教育需要学生掌握宽阔的数学知识,并能灵活和创新地解决现在和将来的科技挑战。在该课程中,数学技巧主要涵括代数、几何、概率理论,随机模型、信息理论等。这些技巧将应用于不同专题的问题和算法设计,包括互联网、无线传感网、密码学、分布式系统、算法设计和优化等。最后,该课程向学生介绍在計算理論基础方面深层次的科学问题,如不可解性、复杂性和量子计算。

2. 人工智能應用數學

任課教師: 姚期智

该课程面向人工智能本科专业介绍基本数学技巧,以及这些技巧怎样在人工智能中应用。人 工智能和多学科有紧密联系。因此一个完整的人工智能专业教育需要学生掌握宽阔的数学知 识,并能灵活和创新地解决现在和将来的科技挑战。在该课程中,数学技巧主要涵括线性代 数、高维几何、统计推断,数学优化,信息理论等。这些技巧将应用于不同专题的问题和算 法设计,包括机器学习、大数据,遥感压缩、贝叶斯网络、计算生物和自然语言等。最后, 该课程向学生介绍在計算理論基础方面深层次的科学问题,如复杂性和量子人工智能。

3. 普通物理(1)英

任課教師: 馬雄峰

該課程是面向大一年級物理專業或對物理有極大興趣的學生的課程。要求學生具有微積分基礎,學生要積極參與到課堂授課中,並能發現問題並提出問題。該課程給學生提供了一個很好的機會來獲得一個對物理基本方法和熱力學的理解,而且了解如何在物理以及其他領域去運用該物理學知識。

4. 抽象代數

任課教師: 鄧東靈

抽象代數研究群、环、域等的基本代数结构。它不仅是现代数学的基础,在其他学科领域包 括計算機科學,物理学,化学等也有着非常广泛和极为重要的应用。本课程将学习群、环、域的基本理论。主要内容包括子群、群的作用、Sylow定理、同態與同構、同態基本定理、柯西定理、有限生成群的基本定理;多項式環、商環、理想、中國剩余定理,歐幾裏得整環;主理想整環、唯一因子分解整環; 域的擴張、代數擴張、分裂域、代數基 本定理、伽羅瓦理論等。最後,本課程還將介紹基本的格理論和布爾代數理論。

5. 因果和統計學習

任課教師: 于洋

數據技術的蓬勃興起是二十一世紀最重要的技術進步。爲什麽數據驅動的方法能夠很好的預測、甚至推斷因果關系呢?這是數據科學領域最核心也最受人關注的研究問題。本課程將教授學生用于分析這一核心問題的整體性框架。該框架完成于2000年代,涉及統計推斷、統計學習、計量經濟學、貝葉斯因果網絡結構理論等多學科的理論、技術和觀點。闡述數據驅動的模型能夠完成預測和因果推斷的理論、機制和方法。本課程將通過著重闡述不同學科的骨幹理論網絡和學科間銜接樞紐式理論和技術(包括CEF 定理、統計學習的幾何功能等),培養學生跨學科視野的形成和學科交叉融合能力。同時,本課程將精選和課程內容緊扣的前沿文獻,引導學生閱讀和聯想,從而培養學生將所學和前沿研究相關聯的能力,啓發其創新力和批判力。本課程可作爲一系列課程的前導課程,包括了概率論、統計學、機器學習、人工智能理論等。

6. 量子計算機科學

任課教師: 段路明

此课程主要教授学生量子計算機科學的基本知识,从而将学生带向量子计算机研究的前沿,课程不要求学生预先学习量子理论。课程主要内容包括:量子理论框架;量子纠缠理论:纠缠概念、判据、与度量,多体量子纠缠态,量子隐形传态与贝尔不等式等;量子计算机模型与复杂性理论;量子算法:包括量子大数分解,量子搜索,量子线性方程算法,量子机器学习等;量子纠错、容错量子计算、拓扑量子计算;量子计算机的物理实现,包括离子与超导量子计算。经过该课程,学生能够掌握量子計算機科學的基本概念与方法,了解各研究方向的发展动态。

7. 計算理論

任課教師: 段然

本課程介紹計算理論的基础知识,包括有穷自动机理论,正则语言,下推自动机,上下文无关文法,图灵机等,以及可计算性,计算难解性(NP完全性,PSPACE,BPP等)专题。

8. 計算機系統結構

任課教師: 高鳴宇

本课程讲授现代計算機系統結構,主要研究计算机硬件和软件接口及系统内部组成方式。课程将讨论计算机系统中的主要硬件结构和常用设计技术,包括系统性能效率指标、指令格式和指令集、处理器结构、存储层次、输入输出设备、以及专用硬件技术。课程从计算机整体系统的角度,以各组成部分的功能和交互为核心,抽象底层实现细节,展示如何通过理解硬件结构来优化软件性能和效率。同时鉴于并行计算和专用计算的广泛应用,课程将在基本内容之上进一步讨论现代计算机系统对并行化技术和专用硬件技术的支持以作为拓展内容。课程也将简要介绍計算機系統結構领域最新研究方向的进展。课程实验将涉及程序汇编分析及优化、处理器流水线仿真、缓存功能实现等。通过本课程的学习,学生将理解系统中各个组成部分的基本概念、主要功能和交互方式,学习计算机系统的分析方法和设计原理,并初步体会系统性能、效率与成本之间的权衡关系。

9. 密碼學基礎

任課教師: 陳一鐳

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。

10. 計算機視覺

任課教師: 高陽

本課程介紹計算機視覺的基础以及高级的内容,从基础的成像原理、图像处理,到近期的特征提取、三维视觉,以及 最近有较大突破的深度學習、图像识别、物体检测等知识。本课程注重基础知识,同时也涉及最新的技术。希望在打 好基础的同时,也让同学们对計算機視覺产生浓厚的兴趣。

11. 深度學習

任課教師: 吳翼

深度學習是现代人工智能领域的核心技术之一,也是在大数据时代下处理海量数据的基本工具。本课程 旨在从建模和算法的角度,全面的介绍深度學習的基本思想,方法和技术,并通过课程作业和项目实践 将深度學習技术应用到具体问题中。课程内容涵盖监督学习,生成模型,序列模型,非监督学习,元学 习,安全性与可解释性等。

12. 博弈論

任課教師: 房智軒

本课程建议学生掌握线性代数基础知识及微积分基本技巧,但不是硬性要求。本课程拟介绍相关材料并培养学生的数学技巧。本课程是博弈論入门课程,拟从博弈論基础知识着手。课程将介绍纳什均衡等重要概念,旨在引导学生学习演化博弈論、博弈图等更为复杂的课题。

13. 自動駕駛

任課教師: 樓天城

本课程覆盖自動駕駛的整体技术路线和主要模块的设计及算法,包括:1、绪论:自動駕駛系统的整体架构,自動駕駛产业的发展现状与展望;2、硬件:傳感器(多傳感器融合),計算硬件,GPS硬件; 3、感知:計算機視覺技术与深度學習;4、地圖:道路信息,以及靜態元素進行高清三維建模;5、定位:基于差分全球导航卫星系统和計算機視覺的定位;6、決策規劃:全局最優路徑選擇,局部運動軌迹規劃;7、控制:使用反饋控制機制操縱車輛准確實現駕駛動作;8、系統架構與模擬系統:系統可靠性,穩定性和實時性,包括實際道路和仿真環境中的測試。

14. 分布式與區塊鏈系統

任課教師: 周冬,房智軒

本课程讲授分布式系统与区块链的基础概念、机制、算法与原理。具体内容包括分布式系统的时钟、通讯等机 制;分布式系统的共识机制;比特币的基本原理;矿池机制;网络通讯;支付网络等。课程将覆盖分布式系统 与区块链系统的基本原理与设计思想,系统地介绍相关系统中被广泛应用的算法与技术。此外,课程还结合最 新的科研、应用进展,将当前分布式、区块链系统中的实际挑战以专题的形式进行细化讨论,介绍其背景、难 点以及相关技术方案。

15. 多媒體計算

任課教師: 趙行

随着互联网的发展,多媒体数据已经变得唾手可得,如图像,音频,视频,文本等;近十年的人工神经网络的进 展也让这些数据的处理变得越来越容易。本课程涉及的应用领域包括图像和视频处理、声音和语音处理、自然语 言处理等。课程旨在介绍人工智能领域中常见的媒体的信号处理和机器学习方法,如数据表征,数据压缩,频域 变换,卷积神经网络,序列模型,数据合成,多模态融合等。课程通过理论教学与项目实践,让学生了解不同数 据与信号的特性,处理方式,以及共通与交叉融合之处。该课程可作为計算機視覺,自然语言处理等课程的前置课程。

16. 綜合論文訓練

任課教師: 徐葳

本課程采用導師與學生一對一指導的形式,通過對當今計算機學科的最前沿問題或基礎理論問題的研究,使學生學會如何著手開展科研工作,培養提出、分析與解決問題的能力,加強學生從事論文(研究)工作的書面和口頭表達能力,以及協調組織能力。  通过本环节的训练,学生应对计算机学科的科研工作有较全面的了解,并具有开展科學研究或研发工作的能力。论文题目在导师的指导下通过前期文献调研后确定。本课程要求学生在期末提交研究论文并进行口头报告和答辩,由多名教师组成的答辩委员会根据论文工作的质量和答辩的情况给出成绩。本课程要求学生至少将一篇有关的外文文献译成中文。