SCSE 21fall 课程
1 CE7429?Computational Intelligence: Methods & Applications
計算智能 (CI) 的靈感來自統(tǒng)計、模式識別、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、模糊邏輯、進(jìn)化計算、科學(xué)可視化和其他來源。
本課程涵蓋基礎(chǔ)理論、實(shí)現(xiàn)許多計算智能算法（WEKA 和 GhostMiner）的兩個軟件包的使用，以及 計算智能方法在技術(shù)、醫(yī)學(xué)和生物信息學(xué)領(lǐng)域數(shù)據(jù)的實(shí)際應(yīng)用示例。
1.1 課程概要
計算智能概述、自適應(yīng)系統(tǒng)的類型、學(xué)習(xí)和應(yīng)用；
可視化和探索性數(shù)據(jù)分析：少變量、主成分分析（PCA）、多維尺度（MDS）、自組織映射（SOM）、平行坐標(biāo)等可視化算法；
理論：學(xué)習(xí)統(tǒng)計方法概述、偏差-方差分解、期望最大化算法、模型選擇、結(jié)果評估、ROC曲線；
介紹 WEKA 和 GhostMiner 軟件包，介紹這些軟件包中可用的算法；
統(tǒng)計算法：判別分析——線性（LDA）、Fisher（FDA）、正則化（RDA）、概率數(shù)據(jù)建模、核方法；
基于相似性的方法、原型的生成、相似性函數(shù)、可分離性標(biāo)準(zhǔn)、模式識別中的結(jié)構(gòu)方法；
改進(jìn)計算智能模型：boosting、stacking、集成學(xué)習(xí)、元學(xué)習(xí)、用于選擇特征的信息論。
總課時數(shù)：39小時
（
????????那個computational intelligence，要做的作業(yè)好多
????????那個老師看著挺和藹的。但是聽說他會給master學(xué)生比較高的分
????????但是會給phd比較低的分
）
（
——7429難不難呀?
——都說作業(yè)多
——很麻煩，而且這學(xué)期好像有考試
）
（
?——Computational Intelligence: methods & applications這門課有人上過嘛
——三個作業(yè)一個presentation兩篇paper
——沒考試嗎
——去年沒
——今年好像有
——CI這課去年給分挺松，不過事確實(shí)多
）
2?CE7454?Deep Learning For Data Science、
深度學(xué)習(xí)最近引入了從人類設(shè)計特征到端到端系統(tǒng)的范式轉(zhuǎn)變，并徹底改變了包括計算機(jī)視覺、語音識別和自然語言處理在內(nèi)的多個領(lǐng)域。
谷歌、Facebook、微軟、蘋果、亞馬遜等頂級 IT 公司已經(jīng)積極利用深度學(xué)習(xí)技術(shù)重新設(shè)計他們的產(chǎn)品，未來幾十年的影響將超越自動駕駛汽車、圍棋等戰(zhàn)略游戲和 MRI 癌癥檢測。
本課程的主要目的是介紹深度學(xué)習(xí)架構(gòu)的數(shù)學(xué)基礎(chǔ)、最先進(jìn)的架構(gòu)和專業(yè)庫。
學(xué)生將學(xué)習(xí)如何設(shè)計自己的人工神經(jīng)網(wǎng)絡(luò)來解決他們的數(shù)據(jù)分析任務(wù)。
他們還將學(xué)習(xí)如何使用 TensorFlow 和 PyTorch 高效地編寫這些新算法。 總課時數(shù)：39小時
（比較容易過）（還可以）（據(jù)說不難）
http://deep-learning-xbresson.s3-website-us-west-1.amazonaws.com/
3 CE 7490 Advanced Topics In Distributed Systems
本課程向研究生介紹分布式計算模型、算法和軟件系統(tǒng)的高級主題。
它涉及設(shè)計問題、實(shí)現(xiàn)技術(shù)以及支持分布式系統(tǒng)實(shí)現(xiàn)的軟件工具和環(huán)境，旨在為研究生做好分布式系統(tǒng)研究的準(zhǔn)備。
課程概要
將涵蓋以下列表中的精選主題：
? 分布式計算模型和算法
? Internet 和 Web 技術(shù)和應(yīng)用程序
? 分布式協(xié)作系統(tǒng)
? 分布式模擬和虛擬環(huán)境
? 網(wǎng)格計算和 P2P 系統(tǒng)
? 其他分布式系統(tǒng)
將對真實(shí)分布式系統(tǒng)進(jìn)行案例研究，并回顧該主題領(lǐng)域的最新研究文獻(xiàn)。
總課時數(shù)：39小時
4?CE7491Special Advanced Topic: Digital Image Processing
本課程提供圖像處理的基本概念、理論和技術(shù)。
涵蓋了理論和實(shí)踐兩個方面，并對選定的問題進(jìn)行了深入分析。
本課程附有基于 Matlab 的實(shí)驗(yàn)室組件。
課程概要
圖像形成；
增強(qiáng)；
邊緣檢測；
插值；
顏色處理；
頻域處理；
恢復(fù)和重建；
小波處理；
圖像和視頻壓縮；
形態(tài)學(xué)操作；
圖像分割與表示；
物體識別
總課時數(shù)：39小時
（比較容易過）
（
——有人選7491嗎?
——7491非常麻煩但是沒有大考試
）
5 M6803??COMPUTATIONAL METHODS IN ENGINEERING
工程計算要求概述。
基本原理回顧：
數(shù)字系統(tǒng)和誤差分析、收斂性和準(zhǔn)確性。
算法和數(shù)據(jù)結(jié)構(gòu)，軟件工程原理。
函數(shù)和導(dǎo)數(shù)。
近似。
插值和正交。
特征值問題。
方程組。
優(yōu)化。
ODE 和 PDE 的數(shù)值解。
符號計算包的使用：MATLAB。
6?L6002 物流分析的定量方法
許多管理決策越來越多地基于使用定量方法的分析。 量化工具、技術(shù)和概念極大地改變了企業(yè)在供應(yīng)鏈、物流、制造和服務(wù)運(yùn)營方面的運(yùn)作方式。 如果使用得當(dāng)，定量方法對提高幾乎所有公司的競爭力都有巨大的影響。 本課程旨在為學(xué)習(xí)者提供基本的定量技術(shù)，幫助他們做出更明智的管理決策。
本課程是以下課程的一部分：
- 供應(yīng)鏈工程研究生證書
- 供應(yīng)鏈工程中的 MiniMastersTM
在課程結(jié)束時，學(xué)習(xí)者能夠應(yīng)用物流決策所需的各種分析方法。
課程內(nèi)容
概率和統(tǒng)計概念。
抽樣方法。
統(tǒng)計推斷：估計、假設(shè)檢驗(yàn)。
擬合優(yōu)度測試。
非參數(shù)程序。
回歸分析。
解決物流問題的優(yōu)化技術(shù)。
線性和整數(shù)規(guī)劃。
網(wǎng)絡(luò)流量分析。
排隊論。
計算機(jī)應(yīng)用。
7 離散方法 (MAS711)
教學(xué)大綱：
圖論的基本概念、歐拉回路和歐拉軌跡、最小生成樹、
Prim 和 Kruskal 算法、Prüfer 代碼。
網(wǎng)絡(luò)流，Ford-Fulkerson 算法，增廣路徑定理，最大流-最小割定理，最小成本流，網(wǎng)絡(luò)單純形算法。
線性規(guī)劃、對偶定理、多面體的結(jié)構(gòu)、極值點(diǎn)、單純形算法。
枚舉； 圖和網(wǎng)絡(luò)算法； 有限域和應(yīng)用； 布爾代數(shù)； 多面體和線性規(guī)劃； 算法復(fù)雜度
8. 算法與計算理論（MAS714）
教學(xué)大綱：圖靈機(jī)、可判定性、時間復(fù)雜度、空間復(fù)雜度、算法設(shè)計與分析（貪心、分治、動態(tài)規(guī)劃）、圖算法、網(wǎng)絡(luò)流、逼近算法。
9?K6308 商業(yè)智能
企業(yè)環(huán)境中的商業(yè)智能：應(yīng)用程序、系統(tǒng)和流程。
競爭者、競爭和社會智力的特征。
商業(yè)智能和增長機(jī)會：政治、經(jīng)濟(jì)和社會環(huán)境。
商業(yè)智能戰(zhàn)略和系統(tǒng)。
各種環(huán)境中的商業(yè)智能：產(chǎn)品、客戶和供應(yīng)商。
Internet 和基于 Web 的智能。
與商業(yè)智能相關(guān)的道德問題。
10?H6715 信息管理
本課程介紹信息管理的基本概念——如何在盈利和非盈利組織中識別、評估、收集、處理、存儲和傳播信息。
基于上下文的信息及其用于規(guī)劃和決策的管理。
信息在社會中的重要性。
學(xué)習(xí)型組織中的信息管理。
組織中的信息需求和信息搜索。
機(jī)構(gòu)和個人層面的信息管理。
信息管理周期和活動。
管理人力、印刷和在線信息資源。
組織信息政治模型。
信息共享工具和障礙。
信息在戰(zhàn)略規(guī)劃中的作用。
通過競爭對手情報、商業(yè)情報、社會情報和“大數(shù)據(jù)”來源的使用收集信息。
信息產(chǎn)品和服務(wù)的營銷。
信息管理活動的外包。
組織信息審計。
11 CI6227 數(shù)據(jù)挖掘
本課程圍繞通過數(shù)據(jù)挖掘的知識發(fā)現(xiàn)過程展開。 學(xué)生將學(xué)習(xí)所涉及的適當(dāng)統(tǒng)計技術(shù)，并親自操作數(shù)據(jù)挖掘軟件和工具。 他們還將開始將數(shù)據(jù)挖掘應(yīng)用于復(fù)雜的數(shù)據(jù)類型。
CI6227 數(shù)據(jù)挖掘 3.0 AU 知識發(fā)現(xiàn)過程。 數(shù)據(jù)準(zhǔn)備包括數(shù)據(jù)清理、異常值分析和轉(zhuǎn)換。 統(tǒng)計技術(shù)：回歸建模、多元統(tǒng)計、統(tǒng)計推斷。 監(jiān)督和無監(jiān)督學(xué)習(xí)技術(shù)，包括決策樹歸納、最近鄰分類、聚類分析、關(guān)聯(lián)分析、支持向量機(jī)、貝葉斯學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)。 數(shù)據(jù)挖掘軟件和工具。 數(shù)據(jù)挖掘在復(fù)雜數(shù)據(jù)類型中的應(yīng)用。
總結(jié)
以上是生活随笔為你收集整理的SCSE 21fall 课程的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 文巾解题 19. 删除链表的倒数第 N
- 下一篇： 文巾解题 567. 字符串的排列