IIIS本科生(姚班&智班)2021年春季学期课程如下:

No. 年级学期 课程名称 学分 任课教师
1 一年级春季学期 计算机应用数学 3 姚期智
2 一年级春季学期 人工智能应用数学 3 姚期智
3 一年级春季学期 普通物理(1)英 4 马雄峰
4 一年级春季学期 抽象代数 4 邓东灵
5 一年级春季学期 因果和统计学习 3 于洋
6 二年级春季学期 量子计算机科学 4 段路明
7 二年级春季学期 计算理论 4 段然
8 二年级春季学期 计算机系统结构 4 高鸣宇
9 二年级春季学期 密码学基础 4 陈一镭
10 二年级春季学期 计算机视觉 3 高阳
11 二年级春季学期 深度学习 3 吴翼
12 二年级春季学期 优化理论 3 魏朝晖
13 二年级春季学期 自动驾驶 2 楼天城
14 三年级春季学期 分布式与区块链系统 4 周冬,房智轩
15 三年级春季学期 多媒体计算 2 赵行
16 四年级春季学期 综合论文训练 15 徐葳
1. 计算机应用数学

任课教师: 姚期智

该课程面向计算机科学本科专业介绍基本数学技巧,以及这些技巧怎样在计算机科学中应用。现代计算机科学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计算理论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. 人工智能应用数学

任课教师: 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计算理论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

任课教师: 马雄峰

该课程是面向大一年级物理专业或对物理有极大兴趣的学生的课程。要求学生具有微积分基础,学生要积极参与到课堂授课中,并能发现问题并提出问题。该课程给学生提供了一个很好的机会来获得一个对物理基本方法和热力学的理解,而且了解如何在物理以及其他领域去运用该物理学知识。

4. 抽象代数

任课教师: 邓东灵

抽象代数研究群、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 括计算机科学,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、同态与同构、同态基本定理、柯西定理、有限生成群的基本定理;多项式环、商环、理想、中国剩余定理,欧几里得整环;主理想整环、唯一因子分解整环; 域的扩张、代数扩张、分裂域、代数基 本定理、伽罗瓦理论等。最后,本课程还将介绍基本的格理论和布尔代数理论。

5. 因果和统计学习

任课教师: 于洋

数据技术的蓬勃兴起是二十一世纪最重要的技术进步。为什么数据驱动的方法能够很好的预测、甚至推断因果关系呢?这是数据科学领域最核心也最受人关注的研究问题。本课程将教授学生用于分析这一核心问题的整体性框架。该框架完成于2000年代,涉及统计推断、统计学习、计量经济学、贝叶斯因果网络结构理论等多学科的理论、技术和观点。阐述数据驱动的模型能够完成预测和因果推断的理论、机制和方法。本课程将通过着重阐述不同学科的骨干理论网络和学科间衔接枢纽式理论和技术(包括CEF 定理、统计学习的几何功能等),培养学生跨学科视野的形成和学科交叉融合能力。同时,本课程将精选和课程内容紧扣的前沿文献,引导学生阅读和联想,从而培养学生将所学和前沿研究相关联的能力,启发其创新力和批判力。本课程可作为一系列课程的前导课程,包括了概率论、统计学、机器学习、人工智能理论等。

6. 量子计算机科学

任课教师: 段路明

此课程主要教授学生量子计算机科学的基本知识,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,学生能够掌握量子计算机科学的基本概念与方法,了解各研究方向的发展动态。

7. 计算理论

任课教师: 段然

本课程介绍计算理论的基础知识,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. 计算机系统结构

任课教师: 高鸣宇

本课程讲授现代计算机系统结构,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。课程也将简要介绍计算机系统结构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. 密码学基础

任课教师: 陈一镭

本课程的主要目的是介绍现代密码学的一些基本概念。与数字内容分布有关的两个主要问题是信息的隐秘性和数据来源。在简短介绍代数之后,将会在现代私钥和公钥加密的背景下讨论隐私问题及其解决方案。之后将回顾一下使用散列函数和数字签名来实现数字内容认证的一些工具。其中所提出的结构是建立设计安全系统和实际应用协议。同时,本课程也将涉及加密方案和协议的攻击和安全分析等内容。

10. 计算机视觉

任课教师: 高阳

本课程介绍计算机视觉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学习、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,也让同学们对计算机视觉产生浓厚的兴趣。

11. 深度学习

任课教师: 吴翼

深度学习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,全面的介绍深度学习的基本思想,方法和技术,并通过课程作业和项目实践 将深度学习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. 优化理论

任课教师: 魏朝晖

作为优化理论的基本组成部分,本课程首先以具体例子介绍线性规划的概念和各种变型,分析它的几何特征,详述关键的对偶理论。接着介绍解决线性规划的三个著名方法,单纯型法、椭圆法和内点法,并以具体案例分析和比对它们的优缺点。线性规划的敏感性分析和鲁棒性也将被涉及。作为一个应用,我们将系统研究网络流这个具体问题。接着,我们将优化问题的范围扩大到凸规划,在介绍它的几何背景和对偶理论之后,我们学习解决凸规划常用的牛顿法和梯度递降法,并与内点法做比较。作为具体的应用,我们详细学习凸规划的一个具体情形,半正定规划,在此我们将涉及很多来自量子信息的具体例子。

13. 自动驾驶

任课教师: 楼天城

本课程覆盖自动驾驶的整体技术路线和主要模块的设计及算法,包括:1、绪论:自动驾驶系统的整体架构,自动驾驶产业的发展现状与展望;2、硬件:传感器(多传感器融合),计算硬件,GPS硬件; 3、感知:计算机视觉技术与深度学习;4、地图:道路信息,以及静态元素进行高清三维建模;5、定位:基于差分全球导航卫星系统和计算机视觉的定位;6、决策规划:全局最优路径选择,局部运动轨迹规划;7、控制:使用反馈控制机制操纵车辆准确实现驾驶动作;8、系统架构与模拟系统:系统可靠性,稳定性和实时性,包括实际道路和仿真环境中的测试。

14. 分布式与区块链系统

任课教师: 周冬,房智轩

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. 多媒体计算

任课教师: 赵行

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。该课程可作为计算机视觉,自然语言处理等课程的前置课程。

16. 综合论文训练

任课教师: 徐葳

本课程采用导师与学生一对一指导的形式,通过对当今计算机学科的最前沿问题或基础理论问题的研究,使学生学会如何着手开展科研工作,培养提出、分析与解决问题的能力,加强学生从事论文(研究)工作的书面和口头表达能力,以及协调组织能力。  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,并具有开展科学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。