[TOC]
人工智能学院
多智能体系统
课程编码：081101M05009H 英文名称：Multi-Agent Systems 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：毛文吉等
教学目的要求
通过本课程学习，希望学生了解分布式人工智能领域的发展历程和主要研究进展，理解基于多智能体的研究风范，掌握面向多智能体系统的计算理论与方法，并探索多智能系统设计和应用的相关问题。
课程基本要求：
- 了解分布式人工智能领域的主要研究进展；
- 理解基于多智能体的研究风范，掌握面向多智能体系统的理论方法与关键技术；
- 参与课堂讨论，完成课程作业和考试。
预修课程
无
大纲内容
第一章 概述 1.5学时 毛文吉
第1节 分布式人工智能的发展
第2节 多智能体系统主要进展
第二章 智能体及其心智模型 1.5学时 毛文吉
第1节 关于智能体的概念
第2节 信念-愿望-意图（BDI）模型
第3节 联合意图与共享规划
第三章 规划问题求解与智能决策 6学时 毛文吉
第1节 偏序规划（POP）方法
第2节 图规划（GraphPlan）方法
第3节 层次任务网络（HTN）规划方法
第4节 概率规划方法
第四章 团队合作与智能体通信 3学时 毛文吉
第1节 多智能体团队合作
第2节 团队合作的计算模型
第3节 言语行为理论及其语义
第4节 智能体通信语言
第五章 面向智能体的认知与社会模拟 3学时 毛文吉
第1节 面向智能体的认知与心理模拟
第2节 面向多智能体交互的社会模拟
第六章 多智能体博弈专题 6学时 毛文吉
第1节 博弈及均衡
第2节 逆向博弈与机制设计
第3节 博弈论与人工智能
第七章 多智能体学习专题 9学时 毛文吉
第1节 纳什均衡求解
第2节 多智能体强化学习
第3节 多智能体深度强化学习
第4节 几类典型应用
第八章 多智能体协作 6学时 毛文吉
第1节 合作分布式问题求解
第2节 任务共享与结果共享
第3节 部分-全局分布式规划
第4节 多智能体协商模型
第九章 智能体体系结构 3学时 毛文吉
第1节 反应式与混合式结构
第2节 认知/智能体结构SOAR
第3节 课程总结
第十章 课堂考试 1学时 毛文吉
第1节 课堂考试
参考书
1、 G. Weiss (Ed.) Multiagent Systems Second Edition MIT Press 2013 Gerhard Weiss 2013年 MIT Press
2、 M. Wooldridge. An Introduction to MultiAgent Systems (2nd Edition). Wiley 2009 Mike Wooldridge 2009年 Wiley
3、 R. Sun (Ed.). Cognition and Multi-Agent Interaction: From Cognitive Modeling to Social Simulation. Cambridge University Press 2006 Ron Sun 2006年 Cambridge University Press
4、 G. Weiss (Ed.). Multiagent Systems: A Modern Approach to Distributed AI. MIT Press 2000 Gerhard Weiss 2000年 MIT Press
课程教师信息
毛文吉，中科院自动化所研究员、博士生导师、互联网大数据与安全信息学研究中心副主任。在中科院数学所陆汝钤院士指导下获硕士学位，美国南加州大学计算机博士学位，曾任德国人工智能研究中心科学家。多年从事人工智能理论方法与技术研究及其在复杂社会计算系统与网络大数据环境下的应用，先后参与多项国内外重大研究计划，主持多项国家自然科学基金项目、中科院及国家核心部门项目。撰写Academic Press学术专著一部，主编三部Elsevier和Springer论著，发表国内外权威期刊和核心国际会议论文百余篇。担任《ACM Computing Surveys》、《IEEE Intelligent Systems》期刊编委，《软件学报》责任编委，曾任ACM北京分会主席、中国人工智能学会理事，现任中国计算机学会大数据专家委委员，IEEE Systems, Man & Cybernetics学会Homeland Security专委会委员等职。获得CAA科技进步一等奖（排名第三）、吴文俊人工智能科技创新二等奖（排名第一）以及南加州大学授予的杰出学术成就奖。
张启超，中国科学院自动化研究所副研究员。主要从事深度强化学习和智能驾驶方向研究，在IEEE汇刊等国际期刊会议上发表论文20余篇。主持和参与多项中国科学院先导专项、国家重点研发计划，国家自然科学基金重点和青年基金、北京市科技计划等项目。先后获得北京市优秀毕业生、中科院院长优秀奖、IEEE计算智能学会研究资助奖等奖项，并获RoboMaster AI挑战赛全球一等奖、国科大杯创新创业大赛新一代信息技术分项赛一等奖等。
李林静，中国科学院自动化研究所副研究员，硕士生导师。主要从事博弈论和人工智能的交叉研究，通过对博弈均衡及其特性的研究来为博弈和智能的交叉协同及增强提供支撑，包括人工智能增强博弈和博弈增强人工智能两个方向。主持和参与多项中国科学院重点部署项目和先导专项，科技部重点研发计划，国家自然科学基金重大、重点和面上项目。已发表各类期刊和会议论文50余篇，其中两篇文章获得国际会议最佳论文提名奖，出版学术专著1部。研发的全球媒体云系统获得2015年第七届王选新闻科学技术奖一等奖。
文本数据挖掘
课程编码：081104M05019H 英文名称：Text Data Mining 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：张家俊
教学目的要求
通过本课程的学习，希望学生能够掌握文本数据挖掘的基本思想和关键技术，了解文本数据挖掘的前沿研究领域，了解实际场景中的文本数据挖掘应用技术，从文本数据挖掘角度培养学生分析问题、解决问题的能力。
课程基本要求：建议学生掌握一定的理论基础知识和编程基础。理论基础知识包括：概率论与数理统计和机器学习基础。编程基础方面，建议选修学生了解算法分析的基本思想，至少掌握一种编程语言，尤其是适用于文本数据挖掘的python语言。
授课方式：课堂讲授与课程实践相结合的方式。课堂讲授文本数据挖掘的基本任务、核心思想和主要方法，并设计相应的实践课程。通过实践课程的设计，让学生更好地理论结合实际，将学到的知识能够灵活运用。
预修课程
机器学习基础、概率论与数理统计、算法分析与程序设计
大纲内容
第一章 绪论 1.5学时 张家俊
第1节 基本概念
第2节 问题与挑战
第3节 研究内容
第4节 基本方法与技术现状
第二章 数据预处理 1.5学时 张家俊
第1节 数据类型介绍
第2节 数据获取方法
第3节 数据预处理
第4节 基础处理工具
第三章 文本表示 4学时 张家俊
第1节 背景介绍
第2节 向量空间模型
第3节 表示学习模型
第4节 词语表示
第5节 短语表示
第6节 句子表示
第7节 文档表示
第四章 预训练模型 3学时 张家俊
第1节 词向量回顾
第2节 ELMo预训练模型
第3节 GPT预训练模型
第4节 BERT预训练模型
第五章 文本分类 3学时 张家俊
第1节 基于统计机器学习的文本分类
第2节 基于深度学习的文本分类
第3节 文本分类性能评估
第六章 文本聚类 3学时 张家俊
第1节 文本相似度度量
第2节 文本聚类算法
第3节 文本聚类性能评估
第七章 主题模型 5学时 张家俊
第1节 主题模型背景
第2节 潜在语义分析
第3节 概率潜在语义分析
第4节 潜在狄利克雷分布
第八章 情感分析 3学时 张家俊
第1节 情感分析概率
第2节 文档句子级情感分析
第3节 词语级情感分析
第4节 属性级情感分析
第5节 情感分析中的极性迁移与领域适应
第6节 情绪识别与原因抽取
第7节 资源与评测
第九章 话题检测与跟踪 4学时 张家俊
第1节 背景与相关术语
第2节 报道与话题的相似性计算
第3节 话题检测
第4节 话题跟踪
第5节 突发话题检测
第十章 信息抽取 3学时 张家俊
第1节 信息抽取概述
第2节 命名实体识别
第3节 实体消岐
第4节 关系抽取
第5节 事件抽取
第十一章 自动摘要 4学时 张家俊
第1节 文本摘要概述
第2节 文本摘要分类
第3节 文本摘要方法
第4节 文本摘要评价
第5节 多模态自动摘要
第十二章 预训练模型的应用 3学时 张家俊
第1节 预训练+微调
第2节 预训练+提示语
第十三章 课程考试 2学时 张家俊
第1节 课程考试
教材信息
1、 《文本数据挖掘》 宗成庆、夏睿、张家俊 2019年5月 清华大学出版社
参考书
1、 《自然语言处理》 宗成庆 2013年8月 清华大学出版社
课程教师信息
课程首席教授张家俊研究员，2011年6月毕业于中国科学院自动化研究所，获得博士学位，现为自动化所模式识别国家重点实验室副研究员，研究方向为自然语言处理、机器翻译、跨语言跨模态信息处理等。目前担任中国中文信息学会机器翻译专委会副主任和青年工作委员会执行委员等职务。在国际一流学术期刊和顶级会议上发表论文60余篇，曾四次获得自然语言处理学术会议最佳论文奖。担任国际顶级学术会议IJCAI2017、IJCAI-ECAI’2018和AAAI’2019高级程序委员会委员（SPC）、COLING’2018和EMNLP’2019领域主席。被ACL-IJCNLP’2015和NAACL’2018评为“杰出审稿人”，IJCAI-ECAI’2018杰出高级SPC。2014年和2018年分别获得中国中文信息学会钱伟长中文信息处理科学技术奖一等奖和汉王青年创新奖一等奖。2015年入选中国科协首届“青年人才托举工程”计划。
人工智能哲学与伦理
课程编码：081104M06005H 英文名称：Philosophy and Ethics of Artificial Intelligence 课时：20 学分：1.00 课程属性：专业研讨课 主讲教师：曾毅
教学目的要求
本课程主要是面向硕士生和博士生开设的专业研讨课程，是从事智能科学(包括人工智能，也涉及认知科学与心理学)相关研究工作的入门课程，目的是通过从哲学、伦理与治理的视角研讨人工智能的过去与未来，重点研讨人工智能哲学的发展脉络、人工智能存在的潜在技术与社会风险、安全、伦理问题，使学生建立人工智能研究的观点与途径，并关注技术的革新对未来人类社会的潜在影响及对人工智能的技术与社会治理，对未知的风险防患于未然。课程还将介绍国际人工智能哲学、伦理与治理研究的最新进展与实践，并鼓励学生对现有人工智能哲学、伦理与治理的认识提出挑战，建立可能的新框架。
预修课程
无
大纲内容
第一章 人工智能哲学与伦理研究的历史 6学时 曾毅
第1节 人工智能哲学与伦理研究的历史
第二章 人类与人工智能的高等认知功能及其计算机制 3学时 曾毅
第1节 人类与人工智能的高等认知功能及其计算机制
第三章 人工智能内外部安全的具体挑战及其技术探索 3学时 曾毅
第1节 人工智能内外部安全的具体挑战及其技术探索
第四章 人脸识别的风险、伦理与技术治理 3学时 曾毅
第1节 人脸识别的风险、伦理与技术治理
第五章 致命性自主武器的风险、伦理与国际治理 2学时 曾毅
第1节 致命性自主武器的风险、伦理与国际治理
第六章 机器人价值观校准及增强智能的伦理挑战 1学时 曾毅
第1节 机器人价值观校准及增强智能的伦理挑战
第七章 国际人工智能伦理原则及其社会与技术治理 2学时 曾毅
第1节 国际人工智能伦理原则及其社会与技术治理
参考书
课程教师信息
曾毅，现任中国科学院自动化研究所 研究员、类脑智能研究中心副主任，中国科学院大学 岗位教授 博士生导师，中国科学院脑科学与智能技术研究中心青年骨干。主要研究领域围绕类脑智能研究展开。主要涉及：
(1) 类脑认知计算模型: 类脑脉冲神经网络、类脑人工神经网络、类脑自主学习理论与算法，并将上述研究成果应用于类脑信息处理、类脑智能机器人的研究中。
(2) 人工智能伦理与治理：研究不同人工智能模型存在的风险、安全、伦理问题，并通过算法落地的形式研究低风险、高度安全、具有道德与伦理的有益人工智能模型。
认知语言学
课程编码：081104M06009H 英文名称：Cognitive Linguistics 课时：20 学分：1.00 课程属性：专业研讨课 主讲教师：李兴珊
教学目的要求
了解心理语言学的重要发现及基本理论，为开展多学科交叉研究语言认知研究打下基础。
课程基本要求： 有较高的英语阅读能力，有一定的语言学基础，有一定的概率统计基础。
预修课程
概率论与数理统计
大纲内容
第一章 认知语言学简介 3学时 李兴珊
第1节 认知语言学简介
第2节 认知语言学核心科学问题
第3节 重要研究方法
第二章 词加工的认知模型 3学时 李兴珊
第1节 词加工的不同阶段
第2节 词加工的时间进程
第3节 词加工的认知框架
第三章 语义加工与口语加工过程中的认知加工模型 3学时 李兴珊
第1节 词加工认知建模研究的基本方法
第2节 交互激活模型
第3节 多通路模型
第4节 TRACE模型
第四章 句子加工的经典发现及理论模型 3学时 李兴珊
第1节 句法加工的经典理论
第2节 语言整合的重要发现及理论
第3节 句子加工中的预期
第4节 句子加工的纠错与检错
第五章 句子加工的统计模型 3学时 李兴珊
第1节 句子加工的统计模型
第六章 篇章加工及语言理解 3学时 李兴珊
第1节 篇章加工及语言理解
第七章 中文特异性的认知加工 2学时 李兴珊
第1节 汉字的加工机制
第2节 阅读过程中语音的作用
第3节 中文阅读中的词切分
第4节 中文句子阅读的认知机制
参考书
课程教师信息
课程首席教授李兴珊研究员，中国科学院心理研究所研究员，博士生导师。目前是中国科学院行为科学重点实验室主任，是Quarterly Journal of Experimental Psychology副主编，中国心理学会眼动心理学专委会主任。他主要利用眼动跟踪、计算建模等研究手段研究汉语阅读的认知机理、阅读能力的个体差异及影响因素、高级认知活动中的眼动控制机理，主持过多项国家自然科学基金项目。多年来系统探讨了中文阅读特有的认知机理，并建立了中文词切分及字词识别的计算模型，已在Psychological Review, Cognitive Psychology、Journal of Experimental Psychology: General等SCI/SSCI收录的国际顶级实验心理学期刊上发表学术论文80余篇。他的一篇研究论文获得美国实验心理学会2011年度最佳论文奖。
信息检索
课程编码：081104M06010H 英文名称：Public Information Retrieval Seminar 课时：20 学分：1.00 课程属性：专业研讨课 主讲教师：刘康
教学目的要求
本课程是为计算机及相关专业研究生开设的专业研讨课，其目的是使学生初步掌握信息检索的基本概念、核心任务和经典方法；并通过研讨信息检索领域的最新研究问题、模型、方法以及其在问答系统等相关任务中的应用，激发学生研究兴趣，培养学生独立思考问题、探究发展方向、解决实际问题的能力。
课程基本要求：本课程是关于信息检索的研讨课程，主要内容侧重于梳理信息检索领域的核心问题、经典方法，探讨最新挑战、方法及在问答系统中的应用，课程内容覆盖面广，且跨越多个研究方向，因此要求学生应具备较好的数学和算法基础，还应掌握机器学习（如统计机器学习和深度学习）的基本概念和方法，熟练掌握信息检索的常用模型和算法，掌握信息检索的主要思路与方法，了解自然语言处理和问答系统的基本概念和常用方法。
预修课程
现代信息检索
大纲内容
第一章 信息检索基础（一） 2学时 刘康
第1节 信息检索基本概念和基础
第2节 信息检索模型
第二章 信息检索基础（二） 2学时 刘康
第1节 链接分析
第2节 排序学习
第3节 相关反馈、查询改写
第三章 信息检索模型最新研究进展 2学时 刘康
第1节 信息检索模型最新研究进展汇报
第2节 下一代信息检索模型研讨
第四章 文本信息抽取与知识图谱最新研究进展 2学时 刘康
第1节 文本信息抽取与知识图谱最新研究进展汇报
第2节 文本信息抽取与知识图谱前沿技术研讨
第五章 排序学习最新研究进展 2学时 刘康
第1节 排序学习最新研究进展汇报
第2节 排序学习技术研讨
第六章 用户建模的最新研究进展 2学时 刘康
第1节 用户建模的最新研究进展汇报
第2节 用户建模技术研讨
第七章 问答与对话的最新研究进展 2学时 刘康
第1节 问答与对话的最新研究进展汇报
第2节 下一代问答与对话技术研讨
第八章 推荐系统最新研究进展 2学时 刘康
第1节 推荐系统最新研究进展
第2节 推荐系统技术研讨
第九章 多模态信息检索最新研究进展 2学时 刘康
第1节 多模态信息检索最新研究进展汇报
第2节 多模态信息检索技术研讨
第十章 信息检索新应用 2学时 刘康
第1节 信息检索新应用汇报
第2节 信息检索新应用研讨
参考书
课程教师信息
刘康，中国科学院自动化研究所模式识别国家重点实验室研究员、博士生导师。研究领域包括自然语言处理、文本信息抽取、知识图谱、问答系统等，同时也涉及模式识别与机器学习方面的基础研究。在自然语言处理、知识工程等领域国际重要会议和期刊发表多篇学术论文，Google Scholar引用9000余次。曾获COLING 2014最佳论文奖、Google Focused Research Award、中国中文信息学会“汉王青年创新一等奖”、中国中文信息学会“钱伟长中文信息处理科学技术奖”一等奖、北京市科学技术进步一等奖等多项学术奖励。目前兼任Pattern Recognition期刊的Associate Editor、TACL编委、中国中文信息学会语言与知识计算专委会秘书长等学术职务，入选北京智源人工智能研究院青年科学家、中科院青促会优秀会员等，也曾任ACL、EMNLP、CIKM、ISWC、EACL等国际高水平学术会议（Senior）Area Chair/Senior PC member。作为项目负责人获得国家自然科学基金委优秀青年基金支持。
人工智能的数学基础
课程编码：081104M05013H 英文名称：Mathematics Foundation in Artificial Intelligence 课时：50 学分：2.00 课程属性：专业普及课 主讲教师：王丽瑾
教学目的要求
本课程为模式识别与智能系统、控制科学与工程、计算机科学、软件工程、信息安全、电子信息、管理科学、应用数学等学科研究生的专业普及课。本课程主要讲述矩阵代数和最优化计算法等人工智能的数学基础，以及矩阵分析、子空间分析、机器学习中的优化模型、一阶求解算法和二阶求解算法及其收敛性理论。通过本课程的学习，希望学生对常用的矩阵代数和最优化计算法有初步的了解，掌握机器学习优化模型的建立方法以及求解这些优化模型的算法设计思路、算法收敛性结果的证明方法，了解机器学习中优化方法的最新研究成果和前沿研究动态，加深学生对机器学习理论方法的理解。
课程基本要求：
1.要求保质保量完成作业。作业涉及算法设计、程序实现，每次题目2-4题，完成作业时间约3-4小时。作业在最后评分中占比约30-40%。
2.课程结束布置大作业，综合的算法设计，分析与对比。大约需要一个周时间内完成。
3.最后课堂考试。
预修课程
高等数学，线性代数，概率论与数理统计
大纲内容
第一章 矩阵代数基础 8学时 王丽瑾
第1节 1.1 向量、矩阵、向量空间、线性映射与Hilbert空间
第2节 1.2 内积与范数
第3节 1.3 逆矩阵与伪逆矩阵
第4节 1.4 矩阵的直和与Hadamard积
第5节 1.5 Kronecker积与Khatri-Rao积
第6节 1.6 向量化与矩阵化
第7节 1.7 数据表示（稀疏向量与稀疏表示、稀疏编码、压缩感知等）
第二章 矩阵分析 8学时 王丽瑾
第1节 2.1 特殊矩阵
第2节 2.2 奇异值分析
第3节 2.4特征分析
第4节 2.5子空间分析
第三章 最优化基础 4学时 王丽瑾
第1节 3.1优化方法的数学基础
第2节 3.2 无约束最优化问题的一阶和二阶必要性条件和二阶充分性条件
第3节 3.3 最优化方法的基本结构和算法收敛速度
第4节 3.4 精确一维搜索和不精确一维搜索法及其收敛性
第四章 牛顿法、共轭梯度法 8学时 王丽瑾
第1节 4.1 最速下降法
第2节 4.2 牛顿法、牛顿法的变形和不精确牛顿法
第3节 4.3 共轭梯度方向和共轭梯度算法
第4节 4.4 拟牛顿法和稀疏拟牛顿法
第5节 4.5 有限记忆的拟牛顿法
第6节 4.6 约束优化基础内容
第五章 机器学习中的优化模型和一阶求解算法 12学时 王丽瑾
第1节 5.1 经验风险、结构风险及其一般优化模型
第2节 5.2 优化算法的一般框架
第3节 5.3 一阶优化算法及其理论分析
第4节 5.4 方差缩减技术
第5节 5.5 对角矩阵修正技术
第6节 5.6 其它重要算法
第六章 机器学习的二阶优化算法
第1节 6.1 优化算法中迭代方向选取方法 2学时 王丽瑾
第2节 6.2 优化算法中自适应步长选取方法 2学时 王丽瑾
第3节 6.3 优化算法中随机样本量的选取方法，随机ADMM介绍 4学时 王丽瑾
第七章 课堂考试 2学时 王丽瑾
第1节 课堂考试
参考书
课程教师信息
课程首席教授王丽瑾是数学科学学院教授，个人信息网址：https://people.ucas.ac.cn/~ljwang
智能决策理论方法
课程编码：081101M06011H 英文名称：Intelligent decision theories and methods 课时：20 学分：1.00 课程属性：专业研讨课 主讲教师：杨国梁
教学目的要求
通过本课程学习，希望学生能了解智能决策的理论与方法，掌握决策方法的计算化过程和应用，并探索如何使用智能决策方法和智能决策支持系统解决决策的相关问题。
课程基本要求：
- 了解智能决策的理论与方法，掌握决策方法的计算化过程和应用；
- 完成课堂讨论和有关作业；
- 任选一个主题，利用所学方法完成一个project
考核方式：项目报告
预修课程
高等数学、线性代数、概率统计
大纲内容
第一章 第一章：决策支持系统概述 2学时 杨国梁
第1节 决策的基本理论、决策支持系统的概念
第2节 决策支持系统的产生与发展、决策支持系统与其他系统的关系、决策支持系统中的智能技术
第二章 第二章：决策分析基本理论 2学时 杨国梁
第1节 决策分析的基本问题、风险型决策方法
第2节 多目标决策、多属性决策方法
第三章 第三章：决策分析的常用方法 6学时 杨国梁
第1节 AHP与模糊综合评价
第2节 主成分分析
第3节 数据包络分析
第4节 马尔柯夫、神经网络分析等
第四章 第四章：决策支持系统的核心组件 4学时 杨国梁
第1节 模型库系统
第2节 数据库系统
第3节 方法库系统
第4节 人机交互系统
第五章 第五章：群决策支持系统设计与应用 3学时 杨国梁
第1节 群体决策的基本概念与方法
第2节 群决策支持系统
第3节 人才招聘决策支持系统的设计与实现
第六章 第六章：决策支持系统生成器（DSSG）设计与应用 3学时 杨国梁
第1节 DSSG的基本理论
第2节 架构分析
第3节 设计实现、案例实证等
参考书
课程教师信息
杨国梁，博士，中国科学院科技战略咨询研究院研究员。毕业于中国科学院大学，获得管理科学与工程博士学位，并于2014年~2016年在德国DAAD-王宽诚研究基金、留学基金委和英国牛顿基金的资助下分别出访德国弗劳恩霍夫学会系统与创新研究所、英国曼彻斯特大学商学院和英国阿斯顿大学商学院。长期从事科技规划与管理、智库理论与方法和决策理论与方法研究。承担多项中科院发展规划局委托的各类与科技规划、科技管理相关的应用研究任务，主持过30多项来自英国皇家工程院、德意志学术交流中心、国务院政策研究室、教育部、科技部、农业农村部、国家自然科学基金委、国家电网等机构的委托任务与竞争性项目课题，取得了一批有影响的规划相关决策咨询成果和理论方法研究成果。出版相关专著2部。在国内外学术期刊上发表学术论文120余篇，其中运筹学方面的期刊包括European Journal of Operational Research, Omega, Computers & Operations Research, Journal of the Operational Research Society, Annals of Operations Research, Journal of Computational and Applied Mathematics, Computers & Industrial Engineering 等；科技政策方面的期刊包括Socio-Economic Planning Sciences, Journal of Informetrics, Scientometrics, Technovation, Computational Economics, Energy Policy, Energy, Journal of Cleaner Production, Journal of Environmental Management, Finance Research Letters 等。
视频处理与分析
课程编码：081104M05001H 英文名称：Video Processing and Analysis 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：黄凯奇等
教学目的要求
通过本课程的学习，希望学生能够掌握视频处理与分析基本思想和关键技术，了解视频处理与分析前沿的研究领域和最新研究成果，全面培养学生在本领域进行工作调研、问题提出、算法设计和实验验证方面的研究能力。
建议学生掌握部分理论基础知识，有一定的编程能力。理论基础知识主要涉及计算机视觉和模式识别等。在实践方面，建议学生熟练掌握Python语言及常用的深度学习框架。
授课方式：课堂讲授、项目实践与互动讨论相结合的方式。课堂讲授视频处理与分析的发展脉络、主要思想和关键技术，设计相应的实践项目提升学生解决问题的动手能力。互动讨论环节对项目成果进行集中汇报、展示和讨论，锻炼学生的综合能力。
考核方式：实验作业+课程报告
预修课程
计算机视觉、模式识别
大纲内容
第一章 绪论 3学时 黄凯奇
第1节 基本概念
第2节 研究历程
第3节 任务与挑战
第二章 视频编解码技术 1学时 陈晓棠
第1节 引言
第2节 技术现状
第3节 技术前言
第三章 目标识别和分类 6学时 黄凯奇
第1节 引言
第2节 经典目标识别和分类方法
第3节 小样本识别
第4节 多模态识别
第5节 细粒度识别
第四章 目标检测和定位 6学时 赵鑫
第1节 引言
第2节 经典目标检测方法
第3节 不完全信息下的目标检测
第4节 视频目标检测
第五章 目标分割 6学时 赵鑫
第1节 引言
第2节 经典图像分割
第3节 语义分割
第4节 实例分割
第六章 目标跟踪 6学时 陈晓棠
第1节 引言
第2节 单摄像机单目标跟踪
第3节 单摄像机多目标跟踪
第4节 多摄像机目标跟踪
第七章 视频语义理解 6学时 陈晓棠
第1节 引言
第2节 人体行为识别
第3节 群体行为分析
第4节 异常行为检测
第5节 视频描述和问答
第八章 视频分析系统和应用 3学时 黄凯奇
第1节 视频分析相关应用
第2节 面向安全的视频分析技术
第九章 课程设计汇报 3学时 黄凯奇
第1节 课程设计汇报
参考书
课程教师信息
课程首席教授黄凯奇研究员，博士生导师，美国电气电子工程师学会(Institute of Electrical and Electronic Engineers)高级会员,计算机学会高级会员，IEEE北京分会副秘书长（2006-2008）,中国图形图像学会视频监控与安全专委会副主任，IEEE SMC认知计算委员会委员。国家自然科学优秀青年基金，国家万人计划“青年拔尖人才”、第十二届中国科学院杰出青年、CCF-IEEE CS 青年科学家奖获得者。先后获南京理工大学学士和硕士，东南大学通信与信息处理博士学位。主要研究方向为计算机视觉和模式识别的研究，作为课题负责人承担和完成国家重点研发计划、国家863计划、973、中科院重点前沿计划以及企业合作课题四十余项。迄今已在国际/国内期刊、国际会议上发表/录用学术论文180余篇，其中IEEE Trans. on PAMI, IEEE Trans. on Image Processing和计算机视觉领域一流国际会议(CVPR, ICCV, ECCV)论文50余篇。作为主要负责人带领团队获得2010、2011年国际视觉竞赛PASCAL VOC目标检测任务冠军和2014年大规模国际视觉竞赛ImageNet－ILSVRC 目标分类（额外数据）冠军。是国际杂志 IEEE Trans on Systems, Man, and Cybernetics: Systems（TSMC）、Pattern Recognition (PR)的Associate Editor及国际杂志Signal Processing “面向安全的视觉信息分析”专刊的特约编辑，在包括ICCV、CVPR在内的计算机视觉和模式识别十几个国际主流会议会上担任主席和程序委员,是ICCV2011-Visual Surveillance Workshop的Co-chair和第三届全国视觉监控学术会议的程序委员主席。在智能视觉监控及行为理解方面的研究获得第十二届中国发明专利优秀奖和国家技术进步二等奖。
陈晓棠，副研究员。2008年获西安电子科技大学工学学士学位（专业：通信工程），2013年获中国科学院自动化研究所工学博士学位（专业：模式识别与智能系统）。2013年7月加入中国科学院自动化所，任助理研究员。2018年11月任副研究员。陈晓棠博士主要研究方向包括：模式识别、计算机视觉、智能视觉监控等，特别对行人属性识别、行人再识别以及多摄像机目标跟踪等方向有深入研究。已在重要国际期刊、会议上，包括TIP, PR, CVPR，AAAI，ICIP, ACCV，计算机学报等发表论文多篇；是多项国际国内期刊审稿人，包括IEEE T-CSVT, IEEE TSMC：Systems, Pattern Recognition,计算机学报，自动化学报等。目前作为课题负责人主持国家自然科学基金1项，作为实际课题负责人承担国家重点研发计划课题，并作为项目负责人承担多个企业横向。
赵鑫，博士，副研究员。2013年在中国科学技术大学获得工学博士学位。赵鑫博士主要从事计算机视觉、模式识别、数据挖掘方面的研究工作，已在TIP、CVPR、ICCV、AAAI、IJCAI等国际学术期刊和会议上发表学术论文20余篇。赵鑫博士负责多项国家自然科学基金、国防科技创新特区项目，现为中国计算机学会（CCF）会员、国际电气电子工程师学会（IEEE) 会员、IEEE 信号处理学会（Signal Processing Society）会员，是多个国内、国际计算机视觉与模式识别学术期刊和会议的评审人。赵鑫博士获得2011年首届亚洲模式识别最佳学生论文奖，2018年COCO Panoptic Segmentation竞赛亚军。
计算机视觉
课程编码：081100M01008H 英文名称：Computer Vision 课时：60 学分：3.00 课程属性：一级学科核心课 主讲教师：董秋雷等
教学目的要求
本课程讲授和讨论计算机视觉前沿研究领域的主要思想、关键方法和代表性算法。对于计算机视觉相关领域的学生，使其对计算机视觉学科有比较深入和系统的了解，掌握计算机视觉的基本理论和编程方法，为进一步开展计算机视觉相关研究奠定基础。对非计算机视觉相关领域的学生，使其对计算机视觉的发展有所了解，并对计算机视觉基本理论与相关技术有基本认识。
本课程内容包括计算机视觉学科近四十年发展历程中产生的一些重要理论和方法，有些内容要求一定的数学基础，具有一定的难度，如摄像机标定和三维重建方面的内容，建议同学们可以预先阅读本课程的教学大纲，并在“http://vision.ia.ac.cn/zh/teaching/index.html” 网址上阅读胡占义研究员撰写的本课程的一些章节，特别是第一章（计算机视觉简介），第二章（生物视觉简介），对课程概况有一定了解后，然后再根据兴趣决定是否选修本门课程。
授课方式：课堂讲授为主。每节课后一般指定1-2篇文献阅读；课程将包含分组研讨内容，以增强学生的探索能力和尽快进入科研的能力；课程将包含指定方向上的最新文献搜集、阅读和关键算法实现环节。
预修课程
线性代数（或矩阵分析），模式识别和图像处理初步
大纲内容
第一章 绪论 3学时 董秋雷
第1节 Marr计算机视觉理论
第2节 计算机视觉历史、现状和发展趋势
第3节 课程内容简介与应用演示
第二章 底层视觉I: 深度学习初步知识与特征检测 3学时 高伟
第1节 深度学习初步知识
第2节 特征点检测
第3节 边缘检测
第三章 底层视觉II: 特征描述与匹配 3学时 高伟
第1节 特征提取与描述子方法
第2节 特征匹配与加速方法
第3节 鲁棒匹配方法
第四章 底层视觉III： 图像分割 3学时 高伟
第1节 基于区域信息与边缘信息的分割方法
第2节 基于特定理论的分割方法
第3节 基于深度学习的图像分割方法
第五章 三维视觉I: 相机模型与多视几何 3学时 申抒含
第1节 三维视觉发展史
第2节 相机模型
第3节 射影几何、基本矩阵、本质矩阵
第六章 三维视觉II: 相机标定与稀疏重建 3学时 申抒含
第1节 相机标定
第2节 三角化、位姿估计
第3节 稀疏重建
第七章 三维视觉III: 立体视觉与三维建模 3学时 申抒含
第1节 双目立体视觉
第2节 多视图立体视觉
第3节 基于学习的立体视觉
第八章 三维视觉IV: 三维表达与语义重建 3学时 申抒含
第1节 三维场景的语义分割
第2节 三维场景结构化建模（I）
第3节 三维场景结构化建模（II）
第九章 三维视觉V: 三维视觉命题研讨 3学时 申抒含
第1节 三维视觉文献阅读和讨论（I）
第2节 三维视觉文献阅读和讨论（II）
第3节 三维视觉文献阅读和讨论（III）
第十章 运动视觉I：运动检测 3学时 董秋雷
第1节 传统运动检测方法
第2节 基于深度学习的运动检测方法
第3节 目标检测方法
第十一章 运动视觉II：物体跟踪 3学时 董秋雷
第1节 运动目标表示方法
第2节 传统跟踪方法
第3节 基于深度学习的目标跟踪方法
第十二章 运动视觉III：行为识别 3学时 董秋雷
第1节 基于模板匹配的方法
第2节 基于状态转移图模型的方法
第3节 基于深度学习的行为识别方法
第十三章 计算机视觉中传统机器学习方法 3学时 董秋雷
第1节 子空间学习方法
第2节 流形学习方法
第3节 稀疏表达与低秩表达
第十四章 图像物体表达 3学时 董秋雷
第1节 物体表达的意义和重要性
第2节 小样本表达学习
第3节 零样本表达学习
第十五章 物体视觉命题研讨 3学时 董秋雷
第1节 物体视觉文献阅读和讨论（I）
第2节 物体视觉文献阅读和讨论（II）
第3节 物体视觉文献阅读和讨论（III）
第十六章 计算机视觉中的常用优化方法 3学时 高伟
第1节 稀疏捆绑调整方法
第2节 BP算法
第3节 MRF场的能量优化方法
第十七章 典型视觉应用及系统 3学时 高伟
第1节 基于无人机的大规模场景建模系统
第2节 机器人视觉导航与定位系统
第3节 视觉定位与增强现实系统
第十八章 视觉测量及计算摄影学简介 3学时 高伟
第1节 计算摄影学简介
第2节 基于图像的测量方法、结构光测量方法
第3节 光度立体视觉、光场相机及应用
第十九章 生物视觉简介 3学时 董秋雷
第1节 生物视觉基本通道简介
第2节 生物神经物体表达与深度学习物体表达之间的比较
第3节 答疑
第二十章 考试 3学时 董秋雷
第1节 课堂考试和答疑
参考书
课程教师信息
董秋雷简介
董秋雷, 博士，研究员。于2003年在东北大学获学士学位、2008年在中国科学院自动化研究所获博士学位。从2008年至今，在中国科学院自动化研究所模式识别国家重点实验室工作，并从2016年起兼任中国科学院大学岗位教授。此外于2014年至2015年间，在美国加利福尼亚大学洛杉矶分校进行访问研究。先后担任国际与国内多个学术会议的程序委员会委员、中国自动化学会模式识别与机器智能专委会委员、以及国际与国内多个学术期刊的审稿人。研究兴趣包括三维计算机视觉、模式分类、基于生物视觉的建模。
高伟简介
高伟，副研究员，硕士生导师，毕业于中国科学院自动化研究所模式识别国家重点实验室，获工学博士学位，研究领域为人工智能与计算机视觉、三维重建、机器人与SLAM等。在视觉图像分析、人工智能与深度网络学习、三维重建与视觉定位等方面取得一系列研究成果。在高水平期刊上发表论文四十余篇，申请发明专利十余项。多次承担国家科研项目，包括国家重点研发计划、国家科技计划863、国家科技支撑计划、国家自然基金重点项目、国家自然基金面上项目等。与华为、三星、牡丹、滴滴、四维图新等企业长期开展联合研发技术攻关取得丰硕成果。
申抒含简介
申抒含，中国科学院自动化研究所模式识别国家重点实验室副研究员，2010年于上海交通大学自动化系获博士学位，分别于2006年和2003年在西南交通大学电气学院获硕士和学士学位。研究方向为三维计算机视觉理论与应用，包括基于图像的大规模场景三维重建、智能机器人三维环境感知、场景三维语义建模等。在IEEE Trans. on Image Processing、Pattern Recognition、ISPRS P&RS、CVPR、3DV等国际期刊和国际会议发表学术论文40余篇。现任IEEE ACCESS编委，2015年入选中国科学院青年创新促进会，2016年获ACM北京新星奖。
计算机学院
面向对象程序设计—C++
课程编码：081202MGX003H 英文名称：Object-Oriented Programming — C++ 课时：40 学分：1.00 课程属性：公共选修课 主讲教师：王文杰
教学目的要求
本课程为公共选修课。面向对象软件开发方法是吸收了软件工程领域有益的概念和有效的方法而发展起来的一种软件开发方法。它集抽象性、封装性、继承性和多态性于一体，可以帮助人们开发出模块化、数据抽象程度高，体现信息隐蔽、可复用、易修改、易扩充等特性的程序。
通过学习课程内容，首先掌握C++面向对象程序设计的基本概念，主要是封装、继承和多态性。通过学习，在掌握基本概念及原理的基础上，具备阅读和理解程序的能力。同时通过听课、课外上机和练习，初步掌握面向对象的程序设计方法。
预修课程
无
大纲内容
第一章 绪论
第1节 程序设计语言 0.2学时
第2节 认识C++ 0.2学时
第3节 C++程序结构 0.2学时
第4节 C++语言常用IDE 0.2学时
第5节 面向对象程序设计介绍 0.2学时
第二章 C++编程技术
第1节 C++语法与规则 0.5学时
第2节 数据类型 0.5学时
第3节 常量和变量 1学时
第4节 运算符 1学时
第三章 流程控制
第1节 基本语句 0.2学时
第2节 顺序结构语句 0.2学时
第3节 选择控制语句 0.2学时
第4节 循环控制语句 0.2学时
第5节 跳转语句和条件编译语句 0.7学时
第四章 数组
第1节 一维数据 1学时
第2节 二维数据 0.5学时
第3节 字符数组和字符串 0.5学时
第五章 函数
第1节 函数的定义和声明 0.5学时
第2节 函数的调用 0.5学时
第3节 全局变量和局部变量 0.2学时
第4节 变量的存储类别 0.2学时
第5节 C++对函数的扩充 0.6学时
第六章 指针和引用
第1节 指针 3学时
第2节 引用 0.5学时
第3节 动态内存分配 0.5学时
第七章 结构体
第1节 结构体 0.5学时
第2节 联合体 0.5学时
第八章 类和对象
第1节 面向对象程序设计 0.1学时
第2节 类的构成和定义 1学时
第3节 对象 0.5学时
第4节 类的组合 0.4学时
第5节 构造函数和析构函数 0.5学时
第6节 对象指针 1学时
第7节 This指针 0.5学时
第8节 向函数传递对象 0.5学时
第九章 数据的共享和保护
第1节 类的静态成员 0.7学时
第2节 类的友元 1学时
第3节 数据的共享 0.3学时
第十章 类的继承与派生
第1节 继承与派生 0.2学时
第2节 单继承 1.5学时
第3节 多继承 1学时
第4节 虚基类 0.5学时
第5节 基类和派生类的转换 0.8学时
第十一章 多态性
第1节 多态性概述 0.2学时
第2节 运算符重载 1学时
第3节 虚函数 1学时
第4节 抽象类 0.8学时
第十二章 输入输出流与异常处理
第1节 C++的输入输出 0.1学时
第2节 文件和流 0.1学时
第3节 顺序文件的访问 0.4学时
第4节 随机文件的访问 0.4学时
第5节 输入输出流的出错处理 0.5学时
第6节 异常处理 0.5学时
第十三章 模板
第1节 模板的概念 0.2学时
第2节 函数模板 1学时
第3节 类模板 1学时
第4节 STL简介 1.8学时
第十四章 Windows编程
第1节 Windows应用程序 1学时
第2节 Widnows应用程序编写 3学时
参考书
1、 《C++语言程序设计》（第5版） 郑莉 董渊 2022.6 清华大学出版社
2、 《C++程序设计教程》（第3版）（通用版） 钱能 2019.9 清华大学出版社
课程教师信息
现就职于中国科学院大学计算机科学与技术学院，副教授。计算机软件专业博士毕业于中国科学院计算技术研究所。曾主持和参与多项国家和省部级项目，发表多篇研究论文。讲授过的课程包括《人工智能原理》、《计算机系统性能分析与评价》、《语义Web》、《移动互联网技术》和《面向对象程序设计C++》。
Python编程基础
课程编码：081202MGX004H 英文名称：Fundamentals of Python Programming 课时：40 学分：1.00 课程属性：公共选修课 主讲教师：张晋连
教学目的要求
本课程为各学科专业研究生的选修课。Python编程语言是出现较晚的一种程序设计语言，正逐渐发展为主流程序设计语言之一，目前在TIOBE编程语言排行榜中已经上升为第四位次，仅次于Java、C、C++。该语言简单、易学；免费、开源；可移植性好；支持面向对象；可扩展性好；支持可嵌入性；具有丰富的库。Python语言是少有的一种可以称得上既简单又功能强大的编程语言，使学习者不至于陷入复杂的语法，非常适合训练编程思维。Python语言是一种通用语言，可用于编写任何类型的程序，目前大量用于编写脚本程序、网站开发、文本处理、图像处理、科学计算及教育等方面。
通过本课程的学习，要求达到：掌握Python语言的基本语法、具备阅读和理解程序的能力、掌握编程思维方法、能够结合科研实践编写一定难度的程序并获得进一步深入学习的能力。
预修课程
计算机基础
大纲内容
第一章 概述
第1节 为什么要学习一门算法语言 0.2学时
第2节 计算机语言的发展过程 0.2学时
第3节 Python语言的由来 0.2学时
第4节 Python语言的特点 0.2学时
第5节 Python语言适合做什么 0.2学时
第6节 一些深受欢迎的Python包 0.3学时
第7节 常用Python IDE 0.3学时
第8节 比较Python 2和Python 3 0.2学时
第9节 最简单的Python程序 0.2学时
第二章 编程基础
第1节 概述 0.2学时
第2节 编程流程 0.3学时
第3节 程序的组织 0.3学时
第4节 从键盘输入信息 0.3学时
第5节 在屏幕上输出信息 0.3学时
第6节 获取帮助 0.3学时
第7节 常用编码简介 0.3学时
第三章 基础语法
第1节 概述 0.2学时
第2节 交互式命令环境shell 0.3学时
第3节 Python的编码规范 0.3学时
第4节 变量和常量 0.3学时
第5节 数据类型 0.3学时
第6节 运算符与表达式 0.3学时
第7节 赋值语句 0.3学时
第四章 流程控制
第1节 概述 0.1学时
第2节 条件语句 1.0学时
第3节 循环语句 1.0学时
第4节 跳转语句即循环语句中的else语句 0.9学时
第5节 综合实例 1.0学时
第五章 模块与函数
第1节 概述 0.1学时
第2节 函数 1.0学时
第3节 模块 0.9学时
第4节 包 0.5学时
第5节 第三方模块的安装 0.5学时
第6节 综合实例 1.0学时
第六章 数据结构（一）
第1节 序列概述 0.1学时
第2节 序列通用操作 0.9学时
第3节 字符串概述 1.0学时
第4节 字符串格式化 1.0学时
第5节 字符串方法 1.0学时
第6节 正则表达式简介（） 0学时
第七章 数据结构（二）
第1节 概述 0.1学时
第2节 列表 1学时
第3节 元组 1学时
第4节 字典 0.5学时
第5节 集合 0.5学时
第6节 推导式 0.2学时
第7节 迭代器（） 0学时
第8节 可变类型和不可变类型 0.3学时
第9节 关于复制 0.4学时
第八章 文件处理
第1节 概述 0.1学时
第2节 文件的常见操作 1.9学时
第3节 OS模块的使用（*) 0学时
第九章 面向对象编程
第1节 面向对象程序设计方法的由来 0.5学时
第2节 类和对象 2.0学时
第3节 属性和方法 1.5学时
第4节 继承 1.0学时
第5节 多态 1.0学时
第十章 异常处理与程序调试
第1节 概述 0.1学时
第2节 异常的定义和分类 0.4学时
第3节 异常的处理 1.0学时
第4节 程序测试与调试 0.5学时
第十一章 Python的GUI编程
第1节 概述 0.1学时
第2节 GUI程序开发简介 0.2学时
第3节 Tkinter与主要组件 2.0学时
第4节 Turtle库简介 1.7学时
第十二章 案例
第1节 案例1 0.5学时
第2节 案例2 0.5学时
第3节 案例3 0.5学时
第4节 案例4 0.5学时
参考书
1、 Python程序设计基础及实践 郭炜 2021.9 人民邮电出版社
课程教师信息
张晋连，女，中国科学院大学计算机与控制学院，教授。
开设过《数据结构》、《操作系统原理》、《数据库原理及应用》、《数据处理与分析》、《C++程序设计》、《Python语言导论》等课程。
编著教材《数据库原理及应用》(北京市精品教材，电子工业出版社出版)、《计算机导论》(修订版 ，由北京大学出版社出版)。
Java语言程序设计
课程编码：081202MGX002H 英文名称：Java Programming 课时：40 学分：1.00 课程属性：公共选修课 主讲教师：彭启民
教学目的要求
Java是在C++语法基础上进行删减和拓广而成的一种程序设计语言，具有简单、面向对象、可移植性、中立体系结构、动态、分布式、多线程、高性能、健壮性和安全等特性，适合应用于网络、跨平台、嵌入式和中间件等领域。因此，掌握Java程序设计技术是衡量软件工程师是否紧跟国际前沿技术的一种标志，也是学生适应实际需要和走向社会能力的标志。
通过本课程的学习，希望学生首先能够了解到Java语言的特点，能够掌握Java程序设计的基本概念、方法和技巧，用JDK能够开发出自己需要的软件。
预修课程
《面向对象——C++》
大纲内容
第一章 绪论
第1节 课程介绍 0.5学时
第2节 程序设计语言发展过程 0.5学时
第3节 面向对象基本知识 1学时
第4节 java与面向对象 1学时
第二章 Java开发运行环境及其演化
第1节 Java平台的版本 0.5学时
第2节 JDK/IDE的安装配置 1学时
第3节 命令行工具介绍 1.5学时
第三章 Java语言基础
第1节 Java程序的形态，基本结构，关键字和保留字 1.5学时
第2节 基本数据类型，数组和字符串 1.5学时
第四章 Java与面向对象
第1节 Java的变量，常量，运算符 1学时
第2节 Java的结构化程序设计 1学时
第3节 Java的类、对象与方法 1学时
第五章 继承与多态
第1节 继承，构造函数与初始化 1.5学时
第2节 多态：抽象类与接口 1.5学时
第六章 访问控制与修饰符
第1节 访问控制符与修饰符 1.5学时
第2节 内部类与匿名类，包 1.5学时
第七章 容器类
第1节 容器类（集合，列表与映射） 3学时
第八章 异常处理
第1节 异常处理，断言 1学时
第九章 输入输出
第1节 流与文件 1学时
第2节 对象序列化 1学时
第十章 并发处理
第1节 多线程 1.5学时
第十一章 网络
第1节 网络、TCP、UDP 1.5学时
第十二章 数据库
第1节 数据库与SQL 1.5学时
第2节 JDBC 1.5学时
第十三章 图形用户界面设计
第1节 GUI组件 1.5学时
第2节 事件与监听器 1.5学时
第十四章 性能优化
第1节 存储与垃圾回收，性能检测 2学时
第十五章 框架
第1节 框架与展望 1学时
第十六章 大作业时间
第1节 大作业 4学时
参考书
1、 On Java 8 /Thinking in Java Bruce Eckel 2017.0 MindView LLC
课程教师信息
彭启民，男，1969年9月出生，工学博士，副研究员，硕士生导师，发表学术论文40余篇，获发明专利6项。主要研究方向为人工智能、综合信息系统。
数据库系统基础
课程编码：081202MGX005H 英文名称：Fundations of Database System 课时：40 学分：1.00 课程属性：公共选修课 主讲教师：刘玉贵
教学目的要求
本课程为各学科研究生的选修课。通过本课程的学习，要求达到:掌握数据库技术的基础知识；了解关系数据库的数据模型；掌握关系数据库标准语言SQL、关系模式的规范化理论与设计；了解数据库管理系统的功能、性能和特点；掌握关系数据库使用及操作；掌握从数据库设计到应用实现的详细过程和方法。了解数据库的新技术和研究进展，理解大数据管理的特点、数据模型和主要技术。
本课程侧重应用和实践，有一定的计算机基础知识即可学习。通过本课程的学习，能较熟练地使用流行的关系数据库管理系统解决数据的存储、数据处理及应用开发等实际问题，了解大数据及其存储和处理技术。
预修课程
计算机系统基础
大纲内容
第一章 第一章 绪论 2.5学时
第1节 数据库系统
第2节 数据库管理系统
第3节 数据库管理系统的发展
第4节 数据模型
第5节 数据库系统的体系结构
第二章 数据库应用开发 1学时
第1节 文件系统和数据库管理系统
第2节 数据库开发过程
第3节 案例：产品销售管理信息系统
第三章 关系模型 3.5学时
第1节 关系模型的数据结构
第2节 关系模型的约束
第3节 关系代数
第4节 关系演算
第四章 关系数据库语言SQL和QBE 4学时
第1节 SQL的结构
第2节 SQL的数据定义
第3节 SQL数据查询
第4节 SQL数据更新
第5节 嵌入式SQL
第6节 视图
第7节 QBE数据查询与更新
第五章 实体联系模型 4学时
第1节 基本实体联系模型
第2节 增强实体联系模型
第3节 案例：体育用品公司的ER模型
第4节 实体联系模型转换为关系模型
第六章 数据库规范化理论 6学时
第1节 更新异常问题
第2节 函数依赖
第3节 关系模式的范式
第4节 关系模式的规范化
第七章 数据库设计 2学时
第1节 数据库设计概述
第2节 需求分析
第3节 概念结构设计
第4节 逻辑结构设计
第5节 数据库的物理设计
第6节 数据库的实施和维护
第八章 数据库系统实现技术 5学时
第1节 数据库的存储结构
第2节 事务
第3节 并发控制
第4节 数据库的恢复
第5节 数据库的完整性
第6节 数据库的安全性
第九章 数据库新进展 8学时
第1节 并行数据库
第2节 数据仓库与数据挖掘
第3节 大数据与NoSQL
第4节 Key-value数据模型
第5节 Dynamo、Bigtable与Cassandra
第6节 大数据处理
教材信息
1、 数据库技术及应用 刘红岩 2013.02 清华大学出版社
参考书
1、 SQL Server数据库实用案例教程 王雪梅 2017.02 清华大学出版社
2、 数据库系统教程 施伯乐 2008.01 高等教育出版社
3、 纵横大数据 何小朝 2014.5 电子工业出版社
课程教师信息
刘玉贵，男，1962.02月生，副教授。北京大学数学系,理学学士，中国科技大学计算机系,工学硕士。曾教授课程：多媒体计算机技术、分布式多媒体计算机系统、流媒体与视频服务器、数据库系统基础、计算机算法设计与分析。工作经历：1984-1997 北京玻璃研究院，从事工业自动化、管理信息系统(数据库应用)应用开发；1997- 今，中国科学院大学，教学科研。科研成果：曾获得原轻工业部科技进步三等奖，名次第二，北京市科技进步二等奖，名次第二，核心期刊、会议论文20余篇。
大数据系统与大规模数据分析
课程编码：083500M02001H 英文名称：Big Data System and Large-Scale Data Analysis 课时：50 学分：3.00 课程属性：一级学科普及课 主讲教师：陈世敏等
教学目的要求
随着互联网、社交网络、云计算、物联网、移动计算、大规模科学探测与计算分析等的发展，各种新的数据密集型应用如雨后春笋般涌现。这些新的应用通常具有数据量巨大、数据获取速度更新速度快和/或数据种类丰富繁多等特点，被通称为大数据应用。近年来，产业界和学术界面向不同应用场景推出了多种类型、各具特色的大数据处理系统平台。同时，一大批数据建模与分析的方法被应用于大规模数据处理。一方面，多种大数据处理平台没有统一的标准，设计目标、功能和关键技术也多有不同，对于初学者的学习带来了很大的困难，容易“只见树木不见森林”，难以形成全面的认识。另一方面，大规模数据处理要求选择恰当的算法，适合的大数据平台，才能达到其功能和性能的目标。
本课程将从大数据系统和大规模数据分析两个方面系统地讲解大数据处理的知识。在大数据系统方面，本课程将以传统的关系型数据库系统为基础，讲解多种大数据存储系统和运算系统的系统结构和工作原理，通过与传统的关系型数据库系统进行比较，分析每种大数据系统的设计思想、关键技术、优势和缺陷，从而对目前百家争鸣的各种大数据系统进行纲举目张的讲述。在大规模数据分析方面，本课程将讲解在实际中获得广泛应用的经典建模和分析算法，在介绍算法基本原理的基础上，侧重讲解算法的实现和应用。本课程前后两个方面相互呼应，使学生对大数据处理形成一个统一的认识。
通过本课程的学习，希望学生了解大数据系统的科学问题和大数据建模分析的经典算法，掌握基本设计思想和关键技术，对大数据处理形成全面地认识，为进一步从事大数据系统或大数据分析方向的研究，或者选择使用大数据系统研发大数据应用，提供良好的基础。
预修课程
数据库概论、程序设计、计算机原理、数据结构、线性代数、概率论基础
大纲内容
第一章 第一章 大数据的发展趋势与概念 2.0学时
第1节 计算机硬件的发展
第2节 数据管理系统的发展
第3节 大数据的概念与挑战
第4节 课程内容简介
第二章 第二章 关系型数据管理系统 7.0学时
第1节 关系数据模型
第2节 关系运算与SQL语言
第3节 数据库系统架构
第4节 数据存储、缓冲池
第5节 索引结构
第6节 关系型运算的实现
第7节 事务处理系统
第8节 数据仓库
第9节 并行数据库
第三章 第三章 大数据存储系统 9.0学时
第1节 分布式系统基础
第2节 分布式文件系统NFS
第3节 Google File System和HDFS
第4节 键值存储系统（Dynamo, BigTable, HBase, Cassandra, RocksDB）
第5节 分布式共识Zookeeper
第6节 文档存储系统（JSON, PB, MongoDB）
第7节 图数据库系统（Neo4j, JanusGraph）
第四章 第四章 大数据运算系统 9.0学时
第1节 MapReduce云计算系统（MapReduce, Hadoop, Dryad）
第2节 图计算系统（Pregel, PowerGraph）
第3节 MapReduce+SQL（Hive, Pig, Scope）
第4节 内存数据库、内存键值系统
第5节 大数据内存运算系统Spark
第五章 第五章 大规模数据建模与分析 15.0学时
第1节 分布式哈希表，区块链技术中的加密算法
第2节 最近邻搜索和位置敏感（LHS）算法
第3节 主成分分析、奇异值分解、CUR分解、数据空间维度约化
第4节 推荐系统
第5节 流数据分析
第6节 应用举例：脑科学与认知科学大数据的建模与分析
第六章 期末考试 2.0学时
第1节 期末考试
参考书
1、 数据挖掘 原理与实践 基础篇 (美)查鲁·C.阿加沃尔 著;王晓阳 等译 2021 机械工业出版社
课程教师信息
陈世敏，中国科学院计算技术研究所研究员，分别于1997年和1999年获得清华大学计算机系学士和硕士学位，于2005年在美国Carnegie Mellon University获得计算机科学博士学位。博士毕业后，先后在美国Intel Labs、CMU和HP Labs任Researcher、Senior Researcher和Research Manager，于2013年加入中科院计算所。 陈世敏的研究兴趣主要集中在数据库、大数据系统和计算机体系结构。曾获得ICDE’04 Best Paper，SIGMOD’01 Runner-up Best Paper，体系结构2008年度顶级论文Top Picks’08。担任ICDE’18 PC area chair, VLDB’17 PC Associate Editor, ICDCS’16和CIKM’14的PC area chair，多次担任SIGMOD,VLDB,ICDE,CIDR , ASPLOS, EUROSYS等的PC。
孙翼，中国科学院大学计算机学院副教授，于1994年获东京大学理学博士学位。博士毕业后，在日本学术振兴会、日本半导体设备公司东京精密、KLA-TENCOR公司、加拿大Simon Fraser University从事半导体自动晶片探测设备专家系统、图像处理和芯片缺陷的自动分类算法、视频点播、无线通信、IOT、网络安全、以及随机算法等领域的研究。2007-2015，带领6名美国硅谷海外归国人员创办了唐桥微电子有限公司，并担任执行总裁，从事“十一五”期间国家重点支撑的高科技项目AVS/H.264的音视频压缩芯片以及下一代通信芯片802.11n的研发和产业化。于2014年加入中国科学院大学计算机学院。至今在计算机科学领域已在国外学术期刊和会议上发表SCI，EI论文40多篇，获得8项发明专利。
数据库新技术
课程编码：083500M02002H 英文名称：Database New Technology 课时：40 学分：2.00 课程属性：一级学科普及课 主讲教师：苏桂平
教学目的要求
本课程为计算机专业研究生的普及课程 ，同时也可作为其它相关学科研究生选择。本课程讲授和讨论数据库设计和研究方面的关键技术。主要内容有:关系数据库设计理论和方法、数据库管理系统的功能、布式数据库、面向对象数据库、互联网分布式系统的数据资源存储与管理、云计算中数据库、大数据中的数据库技术、数据仓库和数据挖掘等。
通过本课程的学习，希望学生能了解数据库前沿研究领域，了解数据库最新研究成果，掌握基本思想和关键技术，培养学生在数据库领域的研究能力。
预修课程
程序设计基础、数据库基础知识
大纲内容
第一章 关系数据库 8学时
第1节 关系数据库基本概念
第2节 关系运算
第3节 数据依赖
第4节 关系数据库范式算法
第二章 数据库应用系统设计 4学时
第1节 数据库系统设计需求分析
第2节 数据库系统设计方法与步骤
第3节 数据库管理系统
第三章 分布式数据库 6学时
第1节 分布式数据库系统的特点
第2节 分布式数据库系统的体系结构
第3节 分布式查询处理
第4节 分布式事务管理
第四章 面向对象数据模型 2学时
第1节 面向对象数据模型
第2节 面向对象数据库系统的查询和并发控制
第3节 对象-关系数据库管理系统
第五章 互联网分布式系统的数据资源存储与管理 2学时
第1节 互联网分布式系统的数据资源存储与管理
第六章 云计算中的数据库技术 6学时
第1节 云计算的概念和云计算实现机制
第2节 Google云计算中的数据库Bigtable
第3节 Hadoop中的数据库HBase
第4节 Amazon云计算中的中的数据服务
第5节 微软云计算中的数据库SQL Azure
第七章 大数据中的数据的数据库技术 4学时
第1节 大数据简介、关系数据库的瓶颈
第2节 NoSQL数据模型及分类和应用现状
第3节 大数据实例介绍
第八章 数据库新进展 4学时
第1节 数据仓库
第2节 数据挖掘
第3节 区块链技术
第九章 论文选读 2学时
第1节 介绍数据库相关研究方向并选读有关论文
参考书
1、 纵横大数据 何小朝 2014.5 电子出版社
2、 云计算 刘鹏 2011.10 电子出版社
3、 数据库云平台理论与实践 马献章 2016.1 清华大学出版社
课程教师信息
苏桂平，女，1963年6月初生，2013年博士毕业于中国科学院信息安全国家重点实验室，副教授，研究方向为数据技术和信息安全，参加和主持过国家重点基础研究发展规划（973）、国家高技术研究发展计划（863）、北京市及企业联合等科研项目十多项，在国内外学术刊物上发表科研论文50多篇。
高级数据管理
课程编码：083500M03001H 英文名称：Advanced Data Management 课时：20 学分：1.00 课程属性：一级学科研讨课 主讲教师：徐俊刚
教学目的要求
本课程是为软件工程及相关专业研究生开设的专业研讨课，其目的是使学生初步掌握高级数据管理的基本内容，并了解其应用领域。本课程聚焦高级数据管理的几个主题集中讲授和讨论，对学生的要求包括：熟练掌握高级数据管理中图数据、流数据的基本概念、设计方法以及当前主流的大数据平台、大数据主流应用，通过研讨使软件工程及相关专业研究生深入掌握高级数据管理领域的科研动向、最新技术和工具，对当前主要应用有初步了解。培养研究生的研究和开发能力，开阔眼界，为将来的研究与应用打好基础。
预修课程
数据库系统原理
大纲内容
第一章 图数据
第1节 RDF与知识图谱 1学时
第2节 SparQL查询语言 1学时
第3节 图数据库 1学时
第4节 图计算工具 1学时
第二章 流数据
第1节 流数据基本概念、处理方法 1学时
第2节 流数据平台Flink 1学时
第3节 流数据平台Storm 1学时
第4节 流数据工具SparkStreaming 1学时
第三章 大数据管理平台
第1节 大数据的基本概念、管理技术 1学时
第2节 大数据管理平台Hadoop 1学时
第3节 大数据管理平台Spark 1学时
第4节 大数据管理平台Cloudera 1学时
第四章 主流大数据管理工具
第1节 Redis 1学时
第2节 kafka 1学时
第3节 MongoDB 1学时
第4节 Kudu 1学时
第五章 大数据典型应用
第1节 大数据在科学计算中的应用 1学时
第2节 大数据在医疗领域的应用 1学时
第3节 大数据在金融领域的应用 1学时
第4节 大数据在工业领域的应用 1学时
参考书
1、 A Developer’s Guide to the Semantic Web Yu Liyang 2014 Springer
2、 深入理解Flink:实时大数据处理实践 余海峰 2019 电子工业出版社
3、 数据科学与大数据分析 EMC教育服务团队 2016 人民邮电出版社
4、 大数据架构详解:从数据获取到深度学习 朱洁等 2016 电子工业出版社
课程教师信息
徐俊刚，男，中国科学院大学教授/博士生导师，云计算与智能信息处理实验室主任，国家科技专家库专家，北京市科学技术委员会专家。中国计算机学会数据库专委会委员，中国计算机学会人工智能与模式识别专委会委员，中国计算机学会中文信息技术专委会委员，中国人工智能学会智能服务专委会委员。主持国家科技支撑计划课题、国家重点研发计划子课题、国家自然科学基金面上项目等国家级科研项目，主持北京市科技计划课题、北京市自然科学基金等省部级科研项目，发表论文50余篇，出版著作3部，申请专利5项，2016年度中国科学院朱李月华优秀教师奖获得者。
智能计算系统
课程编码：081201M05005H 英文名称：Intelligent Computing Systems 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：陈云霁等
教学目的要求
本课程为计算机、电子、微电子学科研究生的专业普及课。
预修课程
性代数、概率论、数字集成电路
大纲内容
第一章 概述-A Driving Example
第1节 人工智能 1学时
第2节 智能计算系统 1学时
第3节 驱动范例 1学时
第二章 神经网络基础
第1节 从机器学习到神经网络 0.4学时
第2节 神经网络训练 0.4学时
第3节 神经网络设计原则 0.4学时
第4节 过拟合与正则化 0.4学时
第5节 交叉验证 0.4学时
第6节 章节实验一：神经网络设计实验——基于三层神经网络实现手写数字分类 0.5学时
第7节 章节实验一：神经网络设计实验——基于DLP平台实现手写数字分类 0.5学时
第三章 深度学习
第1节 适合图像处理的卷积神经网络 0.5学时
第2节 基于卷积神经网络的图像分类算法 0.5学时
第3节 基于卷积神经网络的图像目标检测算法 0.5学时
第4节 序列模型：循环神经网络 0.5学时
第5节 生成对抗网络GAN 0.5学时
第6节 驱动范例 0.5学时
第7节 章节实验二：深度学习设计实验——基于VGG19实现图像分类 1学时
第8节 章节实验二：深度学习设计实验——基于DLP平台实现图像分类 1学时
第9节 章节实验二：深度学习设计实验——非实时图像风格迁移 1学时
第10节 实验操作答疑 1.0学时
第四章 编程框架使用
第1节 为什么需要编程框架 0.5学时
第2节 编程框架概述 0.5学时
第3节 TensorFlow编程模型及基本用法 0.5学时
第4节 基于TensorFlow实现深度学习预测 0.5学时
第5节 基于TensorFlow实现深度学习训练 1学时
第五章 编程框架机理
第1节 TensorFlow的设计原则 0.25学时
第2节 TensorFlow计算图机制 0.25学时
第3节 TensorFlow系统实现 0.5学时
第4节 编程框架对比 1学时
第5节 章节实验三：编程框架实验——基于TensorFlow实现图像分类 0.25学时
第6节 章节实验三：编程框架实验——基于TensorFlow实现实时风格迁移推断 0.25学时
第7节 章节实验三：编程框架实验——基于TensorFlow实现实时风格迁移训练 0.25学时
第8节 章节实验三：编程框架实验——自定义TensorFlow CPU算子 0.25学时
第六章 深度学习处理器原理
第1节 深度学习处理器概述 0.2学时
第2节 目标算法分析 0.3学时
第3节 深度学习处理器DLP结构 0.5学时
第4节 优化设计 0.5学时
第5节 性能评价 0.2学时
第6节 其他加速器 0.3学时
第七章 深度学习处理器架构
第1节 单核深度学习处理器 0.5学时
第2节 多核深度学习处理器 0.5学时
第3节 *章节实验（选修）：深度学习处理器运算器设计 0.5学时
第4节 中期答疑 0.5学时
第八章 智能编程语言
第1节 为什么需要智能编程语言 0.5学时
第2节 智能计算系统抽象架构 1学时
第3节 智能编程模型 1学时
第4节 智能编程语言基础 1学时
第5节 智能应用编程接口 0.5学时
第6节 智能应用功能调试 0.5学时
第7节 智能应用性能调优 0.5学时
第8节 基于智能编程语言的系统开发 0.5学时
第9节 章节实验四：智能编程语言实验——智能编程语言算子开发与集成实验（BCL开发实验） 0.5学时
第10节 章节实验四：智能编程语言实验——智能编程语言性能优化实验 0.5学时
第11节 章节实验四：智能编程语言实验——智能编程语言算子开发实验（BPL开发实验） 0.5学时
第九章 综合实验
第1节 目标检测-YOLOv3 3学时
第2节 文本识别OCR-EAST 3学时
第3节 自然语言处理-BERT 3学时
第4节 实验操作答疑 1学时
教材信息
1、 《智能计算系统》 陈云霁 2020年3月 机械工业出版社
参考书
1、 Deep Learning Ian Goodfellow；etc 2016年11月 The MIT Press
课程教师信息
陈云霁，研究员，中科院计算所智能处理器研究中心主任，中科院脑科学与智能技术卓越中心特聘研究员，研究方向为机器学习和计算机体系结构。带领团队研制了国际上首个深度学习处理器寒武纪，获得了CCF A类会议MICRO’14和ASPLOS’14最佳论文奖，以及 IEEE MICRO评选的计算机体系结构年度十佳论文（大陆首次）。先后获得中国青年科技奖、国家万人计划“青年拔尖人才”、国家自然科学基金“优秀青年基金”、中国计算机学会青年科学家奖、中国计算机学会科学技术一等奖（第一完成人）。
李威，副研究员。研究方向为高性能智能计算机设计技术，先后主持或参与了多项国家科技重大专项、国家自然科学基金面上项目、863项目、中科院国际合作项目等。作为核心成员参与了多款深度学习处理器的研发，发表或录用学术论文近30篇，专利近20项。
计算机学院（二）
云计算技术
课程编码：081201M05007H 英文名称：Cloud Computing Technology 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：赵晓芳等
教学目的要求
云计算已经成为IT架构变革的主流趋势，本门课程要求学生掌握（1）云计算的基本概念、体系结构与相关理论；（2）云计算系统的使用、基于云计算的系统设计与开发；（3）云计算系统的核心组件和工作原理；（4）云计算系统的关键技术原理。在掌握基础知识的同时，希望学生通过上机实验编程，使用真实系统，培养实际动手能力，从而更加深刻地理解课堂内容。本门课程将为学生在云计算及相关方向从事科学研究、应用开发、系统规划、程序优化等打下坚实的基础。
注：实践作业需要占用学生课后时间，约需36小时。
预修课程
计算机组成原理、计算机系统结构、操作系统、计算机网络
大纲内容
第一章 云计算概述 6学时
第1节 云计算定义与内涵
第2节 云计算特点与分类
第3节 云计算与大型机网格计算
第4节 云计算的关键技术
第5节 云计算的发展现状
第6节 主流商业云平台介绍
第二章 虚拟化技术 9学时
第1节 虚拟化技术导入（虚拟化的概念、架构分类与实现方法、Qemu/KVM开源虚拟化技术介绍）
第2节 虚拟化技术导入（虚拟化的概念、架构分类与实现方法、Qemu/KVM开源虚拟化技术介绍）
第3节 虚拟化技术:CPU虚拟化（临界指令问题、CPU虚拟化实现方式）
第4节 虚拟化技术:CPU虚拟化（CPU虚拟化实现方式、KVM VCPU工作原理、CPU的工作模式、X86架构处理器虚拟化“漏洞”）
第5节 虚拟化技术:CPU虚拟化（CPU虚拟化实现方式、KVM VCPU工作原理、CPU的工作模式、X86架构处理器虚拟化“漏洞”）
第6节 虚拟化技术:内存虚拟化（操作系统分页机制、地址映射方式）
第7节 虚拟化技术:内存虚拟化（地址映射方式、内存分配、基于内容的页面共享技术）
第8节 虚拟化技术:I/O虚拟化（I/O基础知识、I/O虚拟化实现方式）
第9节 虚拟化技术:I/O虚拟化（虚拟硬盘、网卡虚拟化、虚拟交换机）
第三章 容器技术 6学时
第1节 容器技术导入、Linux资源隔离技术
第2节 docker、docker存储、docker网络
第3节 容器管理系统
第4节 容器管理系统（docker swarm）
第5节 容器管理系统（mesos）
第6节 容器管理系统（k8s）
第四章 云存储技术 9学时
第1节 存储系统基础与分类
第2节 云计算的存储需求与分布式存储系统
第3节 分布式存储系统基本概念与架构
第4节 数据切片与放置，数据读写流程
第5节 数据可靠性与一致性保证
第6节 Ceph基础与架构
第7节 Ceph关键组件与技术
第8节 Ceph CRUSH算法
第9节 分布式存储技术展望
第五章 云计算操作系统 3学时
第1节 基本概念、开源Cloud OS
第2节 OpenStack系统解析
第3节 OpenStack系统解析
第六章 实验课 3学时
第1节 虚拟化技术/容器技术/云操作系统
第2节 虚拟化技术/容器技术/云操作系统
第3节 虚拟化技术/容器技术/云操作系统
第七章 云计算技术前沿讲座 3学时
第1节 云计算和云计算工程
第2节 云计算技术发展趋势与云原生
第3节 我国云计算重大举措和产业生态
第八章 期末考试 1学时
第1节 考试
参考书
1、 并行计算与实现技术 迟学斌、王彦棡、王珏、刘芳 2015.0 科学出版社
课程教师信息
赵晓芳，博士，正高级工程师，博士生导师，研究方向为计算机系统结构、信息安全、信息系统，是中科院计算所计算机应用研究中心主任，1988年本科毕业于西安电子科技大学计算机系，1994年于清华大学取得工学硕士学位，1999年于中科院计算所取得博士学位。曾主持或参与主持了多项863重大项目、信息产业部（工信部）重点工程建设项目、中科院知识创新工程重点项目、国家计算机网络与信息安全管理中心重点工程项目以及国家242信息安全研究计划课题，荣获全军科技进步二等奖一项、中科院科技进步二等奖一项、中科院杰出科技成就奖一项。担任国家发改委、工信部以及云计算相关主要行业协会、组织的专家组成员，牵头制定了多项国家级、行业以及地方的云计算发展规划和工程建设方案。担任国科大计算机与控制学院岗位教授，培养博士、硕士研究生以及本科生60余人。
唐宏伟，博士，高级工程师，研究方向为云计算、虚拟化、操作系统、并行计算，是中科院计算所计算机应用研究中心云计算课题组负责人，带领团队研发的中科天倪云计算操作系统已在国家计算机网络应急协调处理中心、天津市公安局、上海超算中心、沈阳市纪委等多个重点行业用户得到应用。作为负责人或主要完成人参加了国家重点研发计划、863重大专项、中科院知识创新工程重点项目、242信息安全课题等多项纵向课题，近5年来以第一作者发表学术论文7篇，其中SCI索引2篇，申请发明专利9项，获得软件著作权4项。于南开大学计算机专业获得学士学位，于中科院计算所获得硕士学位，于中科院深圳先进技术研究院获得博士学位（在职）。曾为国家计算机网络应急协调处理中心及各省分中心、西藏网信办、沈阳市纪委监委、阿尔山市教育委员会等多个政府部门干部培训班讲授云计算课程，曾受邀为北方工业大学计算机学院研究生讲授云计算技术讲座。
蒋德钧，博士，副研究员，硕士生导师，主要研究方向包括存储系统、操作系统和分布式系统等，于北京航空航天大学获得学士学位，清华大学获得硕士学士，荷兰阿姆斯特丹Vrije Universiteit获得计算机科学博士学位，先后在ATC, PACT，ICS，ICCD，WWW，TACO，JCST等国际一流会议与期刊上发表论文10余篇，论文总引用200余次，曾获WWW’08 Best Student Paper，先后担任TOS，TACO，CCGrid，NPC，CF，ICS等国际会议或期刊的程序委员会委员或审稿人。目前在国科大担任岗位教师，教授本科生三年级的操作系统理论课和实验课。
高级算法设计与分析
课程编码：081202M04003H 英文名称：Advanced Algorithm - Design and Analysis 课时：60 学分：3.00 课程属性：专业核心课 主讲教师：孙晓明等
教学目的要求
本课程为计算机学科研究生的专业核心课。本课程讲授和讨论当代算法前沿研究领域的主要思想和关键技术。主要内容有近似算法、搜索算法、随机算法、量子算法、全息算法、工程应用算法等。
通过本课程的学习，希望学生能了解信息时代算法前沿研究领域，了解算法研究最新研究成果，掌握基本思想和关键技术，培养学生计算机理论与应用的学科研究能力。
预修课程
计算机算法设计与分析，线性代数
大纲内容
第一章 具体名称 15学时
第1节 生日悖论
第2节 利用随机性设计算法
第3节 矩阵乘法的快速验证
第4节 Markov、Chebyshev不等式
第5节 随机复杂性类(RP、BPP、ZPP)
第6节 Mente Carlo算法与Las Vagas算法
第7节 球盒模型
第8节 Chernoff Bounds
第9节 负载均衡问题
第10节 费马小定理与费马测试
第11节 素数判定的BPP算法
第12节 素数判定的RP算法
第13节 完美匹配的代数化算法
第14节 期望方法与去随机化
第15节 LP+rounding技术
第二章 启发式算法 15学时
第1节 组合优化问题与模型
第2节 局部搜索算法
第3节 预处理方法
第三章 计数问题及其算法 15学时
第1节 CSP与#CSP问题
第2节 #P困难性
第3节 复杂性二分定理之一
第4节 复杂性二分定理之二
第5节 张量网络基本概念与运算律之一
第6节 张量网络基本概念与运算律之二
第7节 张量网络基本概念与运算律之三
第8节 基变换在斐波那契门中的应用
第9节 基变换在布尔函数线性检测的应用
第10节 基变换在计数问题构件中的应用
第11节 基变换在容斥原理与匹配数目中的应用
第12节 基变换的其他应用
第13节 行列式、积和式与完美匹配
第14节 完美匹配数目的算法
第15节 函数集合在张量网络结合下的封闭性
第四章 量子算法 15学时
第1节 量子计算中的线性代数
第2节 谱分解定理
第3节 量子力学基本假设
第4节 单比特量子门
第5节 控制量子门
第6节 通用量子门
第7节 量子傅里叶变换
第8节 量子相位估计
第9节 量子Shor算法
第10节 量子黑盒
第11节 量子Deutsch-Jozsa算法
第12节 量子Grover算法
第13节 期末考试
参考书
1、 Randomized Algorithms R. Motwani; P. Raghavan 1995年8月 Cambridge Univ. Press
课程教师信息
孙晓明，中科院计算所研究员。主要研究领域为算法与计算复杂性、量子计算、社交网络算法等。曾获基金委首批优青资助，入选中组部首批万人计划青年拔尖人才，中国密码学会优秀青年奖、密码创新二等奖。目前担任CCF理论专委会副主任，学工委主任助理，密码学会密码数学专委会委员和青工委委员，国际学术会议COCOON指导委员会委员，还担任《软件学报》,《计算机研究与发展》，《JCST》等杂志编委和《中国科学:信息科学》青年编委。
蔡少伟，1986年生，中国科学院软件研究所计算机科学国家重点实验室研究员，博士生导师，分别从北京大学获计算机软件与理论博士学位和澳大利亚Griffith大学IIIS研究所获博士学位。主要研究方向为组合优化算法与逻辑自动推理，在NP难问题和逻辑问题的求解算法上长期处于国际领先，保持多个NP难问题挑战实例的世界求解纪录。获RoboCup中国机器人大赛一等奖，“布尔逻辑可满足性算法比赛”（SAT Challenge 2012）的”Best Solver Award”，获联合逻辑大会奥林匹克（FLOC）银牌（2014年）和金牌（2018年），“全球运筹优化挑战赛—车辆运输智能调度”优胜奖等。发表论文50余篇，半数以上均为CCF A类期刊会议论文，一篇论文被人工智能顶级期刊Artificial Intelligence评为近五年最受欢迎论文。长期担任国际人工智能顶级会议IJCAI、AAAI的程序委员会委员，以及SCI期刊Frontiers of Computer Sciences的Junior Associate Editor。
夏盟佶，中科院软件所研究员。2008年获得博士学位，研究算法与计算复杂性，主要是计数复杂性和张量网络。
矩阵分析与应用
课程编码：081202M05006H 英文名称：Matrix Analysis and Applications 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：孙翼
教学目的要求
本课程为计算机专业研究生的专业普及课。近代矩阵分析的范围很广，本课程主要内容为以矩阵为工具的处理大量有限空间形式与数量关系的方法学。包括：矩阵分析的基本理论，矩阵分解的基本技术和特殊矩阵的性质。 通过本课程的学习，希望学生能掌握利用矩阵解决问题的基本理论和基本技巧，对矩阵分析的近代发展有所了解，为利用矩阵分析的技术解决问题和从事专业研究打下基础。
预修课程
高等数学、线性代数
大纲内容
第一章 引论 2学时
第1节 简史：矩阵分析
第2节 矩阵相关应用
第二章 线性方程组和高斯消去法 6学时
第1节 线性方程组
第2节 高斯消去法
第三章 矩阵代数 8学时
第1节 矩阵四则运算
第2节 矩阵LU分解
第四章 线性空间和线性变换 10学时
第1节 线性空间
第2节 线性变换
第五章 矩阵的范数 9学时
第1节 矩阵的范数
第2节 Gram-Schmidt 正交化和正交矩阵
第3节 QR和奇异值分解
第六章 行列式 2学时
第1节 行列式的定义和性质
第七章 特征值和特征向量 3学时
第1节 矩阵特征值
第2节 矩阵特征向量
参考书
1、 Matrix Analysis and Applied Linear Algebra Carl D. Meyer 2008 SIAM
2、 Numerical Linear Algebra Lloyd N. Trefethen and David Bau 1997 Society for Industrial and Applied Mathematics
课程教师信息
李保滨，中国科学院大学计算机学院副教授，2009年于北京大学获得理学博士学位，现为中国科学院大学副教授,主要研究方向为大数据分析、情感计算。参见http://people.ucas.ac.cn/~libb
孙翼，中国科学院大学计算机学院副教授，于1994年获东京大学理学博士学位。博士毕业后，在日本学术振兴会、日本半导体设备公司东京精密、KLA-TENCOR公司、加拿大Simon Fraser University从事半导体自动晶片探测设备专家系统、图像处理和芯片缺陷的自动分类算法、视频点播、无线通信、IOT、网络安全、以及随机算法等领域的研究。2007-2015，带领6名美国硅谷海外归国人员创办了唐桥微电子有限公司，并担任执行总裁，从事“十一五”期间国家重点支撑的高科技项目AVS/H.264的音视频压缩芯片以及下一代通信芯片802.11n的研发和产业化。于2014年加入中国科学院大学计算机学院。至今在计算机科学领域已在国外学术期刊和会议上发表SCI，EI论文40多篇，获得8项发明专利。
数据挖掘算法讨论课
课程编码：081202M06001H 英文名称：Data Mining Algorithm Seminar 课时：20 学分：1.00 课程属性：专业研讨课 主讲教师：刘莹
教学目的要求
本课程在强调对先进理论学习的同时，还注重理论与实践相结合，使计算机专业研究生深入掌握数据挖掘的科研动向，最新技术，培养研究生的学习能力，开阔眼界，为将来的发展打好基础。
预修课程
数据挖掘或人工智能
大纲内容
第一章 专题介绍
第1节 高性能计算，高性能数据挖掘 2学时
第2节 深度学习 1学时
第3节 文本挖掘，推荐系统 1学时
第二章 高性能数据挖掘讨论
第1节 并行聚类 1学时
第2节 并行推荐系统 1学时
第3节 基于云计算的数据挖掘 1学时
第4节 并行分类算法 1学时
第三章 推荐系统讨论
第1节 基于时空信息的推荐系统 1学时
第2节 基于图的推荐系统 1学时
第四章 深度学习讨论
第1节 目标检测 2学时
第2节 目标分类、识别 2学时
第3节 基于信息融合的检测 2学时
第五章 文本挖掘讨论
第1节 基于深度学习的文本模型 2学时
第2节 文本挖掘，摘要抽取 2学时
参考书
课程教师信息
刘莹，女，博士，中国科学院大学计算机与控制学院，教授，博导，中国科学院大学数据挖掘与高性能计算实验室负责人。1999 年获北京大学学士学位，2005 年获美国西北大学博士学位。现任中国计算机学会高性能计算专业委员会委员。主要研究方向为数据挖掘、高性能计算、大数据、深度学习等。已在国际期刊和国际会议上发表学术论文80余篇。曾获北京市科学技术二等奖，获中国科学院朱李月华优秀教师奖，获美国英伟达公司（NVIDIA）中国“最佳教学中心”奖。
矩阵在信息处理中的应用
课程编码：081202M06003H 英文名称：The Seminar on applications of matrix analysis in information processing 课时：20 学分：1.00 课程属性：专业研讨课 主讲教师：李保滨
教学目的要求
本课程是为计算机专业研究生开设的研讨课，其目的是使学生掌握矩阵分析的基本内容，并了解其应用领域。本课程在理解矩阵分析基本理论的基础上，讨论矩阵在信息处理领域的应用。通过本课程的讨论，希望学生熟悉和掌握如何利用矩阵解决信息处理中的问题，同时培养研究生的研究性学习能力，开阔眼界，为将来从事专业研究打好基础。
预修课程
线性代数、矩阵分析
大纲内容
第一章 矩阵分析相关问题
第1节 矩阵分析内容介绍 1学时
第2节 从方程术到矩阵分析 3学时
第二章 矩阵在信号处理方面的应用
第1节 矩阵在信号处理方面的应用：SVD 2学时
第2节 矩阵在信号处理方面的应用：去噪 2学时
第三章 矩阵在图像处理方面的应用
第1节 矩阵在图像处理方面的应用：稀疏表示 2学时
第2节 矩阵在图像处理方面的应用：遥感图像等 2学时
第四章 非负矩阵
第1节 非负矩阵分解 2学时
第2节 非负矩阵应用 2学时
第五章 矩阵在控制理论和其他问题中的应用
第1节 控制理论相关问题 2学时
第2节 高维数据分析 2学时
参考书
1、 Matrix Analysis and Applied Linear Algebra Carl D. Meyer 2008.0 SIAM: Society for Industrial and Applied Mathematics
课程教师信息
2010年于北京大学获得理学博士学位，现为中国科学院大学副教授,主要研究方向为大数据分析、情感计算。参见http://people.ucas.ac.cn/~libb
深度学习
课程编码：081203M05009H-1 英文名称：Deep Learning 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：徐俊刚
教学目的要求
本课程为计算机应用技术、计算机软件与理论、软件工程等专业研究生的专业普及课。本课程讲授和讨论深度学习的主要理论和关键技术，主要内容有深度学习基础、卷积神经网络、循环神经网络、深度生成模型、深度学习正则化等以及上述深度学习理论在图像、语音、自然语言处理等领域的主要应用，同时也介绍了一些新兴的深度学习模型及其应用。课程注重深度学习实践能力的锻炼和培养，通过引入多个深度学习课程实验，提升同学们的动手能力。通过本课程的学习，希望相关专业研究生能够掌握深度学习的基本理论和关键技术，提高基于深度学习技术进行科学研究与应用开发的能力。
预修课程
计算机算法设计与分析，模式识别与机器学习
大纲内容
第一章 引言
第1节 深度学习的起源、发展和现状 0.5学时
第2节 深度学习与机器学习、人工智能的关系 0.5学时
第3节 深度学习的定义、主要理论和方法概述 0.5学时
第4节 深度学习的主要应用概述 0.5学时
第二章 深度学习基础
第1节 数学基础 2学时
第2节 机器学习基础 2学时
第3节 神经网络基础 1学时
第三章 卷积神经网络
第1节 卷积神经网络的基本原理 1学时
第2节 卷积神经网络基本结构 1学时
第3节 卷积神经网络的变种 1学时
第4节 卷积神经网络的典型应用 1学时
第四章 循环神经网络
第1节 循环神经网络基本结构 0.6学时
第2节 长短时记忆网络 1学时
第3节 循环神经网络的典型应用 0.4学时
第五章 深度生成模型
第1节 深度生成模型概述 1学时
第2节 玻尔兹曼机及其发展 1学时
第3节 自编码器及其变种 1学时
第六章 其他典型深度学习方法
第1节 生成对抗网络 2学时
第2节 胶囊网络 1学时
第3节 注意力网络 1学时
第4节 记忆网络 0.6学时
第5节 强化学习 0.4学时
第6节 深度森林 1学时
第七章 深度学习中的正则化
第1节 正则化方法概述 0.2学时
第2节 参数范数正则化 0.8学时
第3节 数据增强/Batch Normalization 0.5学时
第4节 Dropout/Dropconnect 1学时
第5节 提前终止/稀疏表示 0.5学时
第八章 深度学习工具
第1节 深度学习平台概览 0.2学时
第2节 Tensorflow 0.8学时
第3节 Pytorch 1学时
第4节 PaddlePaddle 0.7学时
第5节 Keras 0.3学时
第九章 深度学习在计算机视觉中的典型应用
第1节 传统的计算机视觉处理 1学时
第2节 图像分类/目标检测 1学时
第3节 图像分割/图像回归 1学时
第4节 人脸识别/行人重识别 1学时
第5节 目标跟踪/行为识别 1.5学时
第6节 缺陷检测 0.5学时
第十章 深度学习在语音识别中的典型应用
第1节 语音识别 1学时
第2节 声纹识别 0.8学时
第3节 语音合成 0.2学时
第十一章 深度学习在自然语言处理中的典型应用
第1节 语言模型 1学时
第2节 机器翻译 1学时
第3节 机器阅读理解 1学时
第4节 自动摘要 0.5学时
第5节 图像描述 0.5学时
参考书
1、 深度学习 Ian Goodfellow等 2017 人民邮电出版社
2、 图解深度学习 山下隆义 2018 人民邮电出版社
3、 深度学习核心技术与实践 猿辅导研究团队 2018 电子工业出版社
4、 TensorFlow+Keras深度学习人工智能实践应用 林大贵 2018 清华大学出版社
5、 PaddlePaddle深度学习实战 刘祥龙等 2018 机械工业出版社
课程教师信息
首席教授：徐俊刚，男，中国科学院大学教授/博士生导师，云计算与智能信息处理实验室主任，国家科技专家库专家，北京市科学技术委员会专家。中国计算机学会数据库专委会委员，中国计算机学会人工智能与模式识别专委会委员，中国计算机学会中文信息技术专委会委员，中国人工智能学会智能服务专委会委员。主持国家科技支撑计划课题、国家重点研发计划子课题、国家自然科学基金面上项目等国家级科研项目，主持北京市科技计划课题、北京市自然科学基金等省部级科研项目，发表论文50余篇，出版著作3部，申请专利5项，2016年度中国科学院朱李月华优秀教师奖获得者。
主讲教师：张新峰 ，男，中国科学院大学副教授/博士生导师，入选中国科学院率先行动“百人计划”青年项目，中国计算机学会多媒体专委会执行委员，中国图象图形学学会多媒体专委会委员，主持和参与了国家自然科学基金面上项目、联合基金重点支持项目和科技部重点研发项目课题等国家级科研项目，长期从事视频、图像压缩、处理和质量评价的相关研究工作，发表100余篇高水平学术论文，获得本领域国际和国内学术期刊/会议最佳论文奖5次。
图像处理与计算机视觉
课程编码：081203M05002H 英文名称：Image Processing and Computer Vision 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：蒋树强等
教学目的要求
本课程为计算机专业硕士研究生的专业普及课。本课程系统地介绍图像处理和计算机视觉的基本概念、理论基础及其发展方向，采取理论与实践相结合的教学方式，以培养研究生独立研究与开发的能力为主。通过本课程学习，希望学生：1. 掌握图像处理和计算机视觉领域的基础知识和关键技术。2.了解相关应用开发的程序设计语言或工具使用等有关技能。3.了解相关领域的研究热点与最新进展。
预修课程
高等数学、线性代数、概率统计
大纲内容
第一章 绪论
第1节 计算机视觉简介 1学时
第2节 数字图像处理简介 1学时
第3节 图像理解 1学时
第二章 图像处理与计算机视觉基础
第1节 人类视觉系统 1学时
第2节 信源光学特性 1学时
第3节 图像数字化表示 1学时
第三章 图像增强
第1节 灰度增强 2学时
第2节 空域增强 1学时
第3节 频域增强 2学时
第4节 彩色图像增强 1学时
第四章 特征检测
第1节 特征点检测 1.5学时
第2节 边缘检测 0.5学时
第3节 直线检测 1学时
第五章 图像对齐和拼接
第1节 2D运动模型 1学时
第2节 2D运动模型参数求解 1学时
第3节 图像拼接 1学时
第六章 相机模型和单视视觉
第1节 射影几何简介 1学时
第2节 针孔相机模型 1学时
第3节 相机标定 1学时
第七章 多视视觉
第1节 立体视觉 1学时
第2节 双视视觉 1学时
第3节 多视视觉 1学时
第八章 运动估计
第1节 二维运动估计 1.5学时
第2节 三维运动估计 1学时
第3节 运动估计的最新进展 0.5学时
第九章 目标跟踪
第1节 基于特征匹配的目标跟踪 0.5学时
第2节 基于贝叶斯的目标跟踪（卡尔曼滤波、粒子滤波） 0.5学时
第3节 基于核方法(Mean Shift)的目标跟踪 0.5学时
第4节 Tracking Learning Detection (TLD)算法 0.5学时
第5节 基于最优特征子集的跟踪 0.5学时
第6节 基于深度学习的目标跟踪 0.5学时
第十章 图像特征与表示
第1节 全局特征（颜色特征、纹理特征、形状特征） 1.5学时
第2节 局部特征（SIFT、HoG、LBP） 1学时
第3节 基于深度学习的图像表示 0.5学时
第十一章 计算机视觉中的机器学习
第1节 聚类（K -Means、层次聚类、Mean-Shift、谱聚类） 1学时
第2节 分类（KNN、SVM、基于决策树的提升算法、过拟合/欠拟合） 1.5学时
第3节 机器学习在计算机视觉中的应用（图片分类） 0.5学时
第十二章 基于深度学习的图像识别与理解
第1节 神经网络和深度学习简介 0.5学时
第2节 卷积神经网络和及其应用 2学时
第3节 循环神经网络及其应用 0.5学时
第十三章 期末考试
第1节 期末考试 2学时
参考书
1、 数字图像处理（第三版） Rafael C. Gonzalez 2017年1月 电子工业出版社
课程教师信息
首席教授：
- 蒋树强，
2006年3月在中国科学院计算技术研究所获计算机应用技术专业博士学位，现任中科院计算所研究员，博士生导师，中科院特聘研究员，中国科学院大学岗位教授，中科院智能信息处理重点实验室副主任；2014年度中组部“万人计划”青年拔尖人才、2013年度国家自然科学基金“优青”获得者；任IEEE与CCF高级会员，ACM会员，国际期刊ACM ToMM、IEEE Multimedia与Multimedia Tools and Applications的编委，ACM SIGMM中国分会副主席、CCF专委工委委员、CCF多媒体专委会常委、IEEE CASS北京分会副主席。主要研究方向是图像/视频等多媒体信息的分析、理解与检索技术和多模态智能技术，共在包括IEEE/ACM Transactions、ACM Multimedia、CVPR、ICCV在内的国内外刊物和会议上发表论文150多篇，获授权专利10余项。
主讲教师：
卿来云，
2005年7月在中国科学院研究生院获计算机软件与理论专业博士学位，现任中国科学院大学计算机科学与技术学院，副教授，硕士生导师。自2005年起先后讲授了“机器学习”、“机器学习及案例分析”、“数据压缩”、“图像处理与计算机视觉”以及“模式识别与机器学习”等研究生专业课程。主要研究方向是机器学习、计算机视觉、图像/视频分析与理解，承担多个国家自然科学基金项目和国家863项目，共在包括IEEE Transactions、CVPR、ICCV在内的国内外刊物和会议上发表论文70多篇。苏荔，
2009年7月在中国科学院研究生院获计算机应用技术专业博士学位，现任中国科学院大学计算机科学与技术学院，副教授，硕士生导师，中国计算机学会(CCF)多媒体专委会委员，中国图象图形学学会(CSIG)多媒体专委会委员，中国数字音视频编解码技术标准(AVS)工作组成员。主要研究方向为数字图像与视频处理、多媒体计算、模式识别等。作为项目负责人或子课题负责人承担了国家自然科学基金面上项目、应急项目、青年项目，作为研究骨干参与了国家973课题、国家自然科学基金重点项目等多项国家和省部级项目的研究。第一作者论文曾获国际光学工程学会(SPIE) VCIP会议最佳论文奖，入选微软“铸星计划”学者等。自2009年起先后主讲了我校“数字图像处理”、“模式识别”、“多媒体技术”、“图像处理与计算机视觉”等研究生专业课程。
多媒体技术
课程编码：081203M05008H 英文名称：Multimedia Technology 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：曹娟等
教学目的要求
本课程为计算机专业硕士研究生的专业普及课。本课程系统地介绍多媒体的基本概念、理论基础及其发展方向，采取理论与实践相结合的教学方式，以培养研究生独立研究与开发多媒体的能力为主。要求学生：1. 掌握多媒体计算机技术的基础和基本技能。2.了解开发多媒体应用的程序设计或著作工具使用等有关技术。3.了解多媒体领域的研究热点与最新进展。
预修课程
机器学习，数据挖掘，自然语言处理
大纲内容
第一章 多媒体技术综述
第1节 多媒体技术概念与应用 1.0学时
第2节 发展历程和趋势 1.0学时
第3节 多媒体内容生成与伪造检测 1.0学时
第二章 多媒体数据表示
第1节 多媒体信号获取和数字化 1.0学时
第2节 多媒体数据表示和质量评估方法 1.0学时
第3节 数据压缩基本概念 1.0学时
第三章 多媒体数据压缩
第1节 图像与视频数据压缩技术：预测编码、变换编码、量化、熵编码 1.0学时
第2节 主要国际图像与视频压缩标准和技术 1.0学时
第3节 音频数据压缩技术 1.0学时
第四章 多媒体特征提取–手工特征
第1节 全局手工特征提取 1.0学时
第2节 局部手工特征提取 1.0学时
第3节 手工特征与深度学习特征的联系 1.0学时
第五章 多媒体特征提取–深度学习特征
第1节 深度学习概述 1.0学时
第2节 卷积神经网络基础和代表性网络结构 1.0学时
第3节 循环神经网络基础和网络结构改进 1.0学时
第六章 多媒体应用中的多模态融合
第1节 多媒体计算的背景和挑战 1.0学时
第2节 决策融合方法，特征融合方法，动态融合方法 1.0学时
第3节 代表应用案例分析 1.0学时
第七章 多媒体应用中的迁移学习
第1节 迁移学习基础知识 1.0学时
第2节 基于实例、特征、模型、关系的方法与分析 1.0学时
第3节 代表性应用案例分析 1.0学时
第八章 多媒体应用中的模型可视化
第1节 可视化的必要性和意义 1.0学时
第2节 可视化特征图、卷积核、特征空间的代表性方法 1.0学时
第3节 代表性应用案例分析 1.0学时
第九章 多媒体应用中的模型压缩
第1节 模型压缩的研究背景 1.0学时
第2节 网络剪枝，参数量化，网络结构优化 1.0学时
第3节 知识蒸馏 1.0学时
第十章 多媒体内容生成–单模态内容生成
第1节 基于对抗生成网络的多媒体内容生成 1.0学时
第2节 基于流模型的多媒体内容生成 1.0学时
第3节 基于扩散模型的多媒体内容生成 1.0学时
第十一章 多媒体内容生成–跨模态内容生成
第1节 跨模态内容生成概述 1.0学时
第2节 基于跨模态预训练模型的多媒体内容生成 1.0学时
第3节 代表性应用案例分析 1.0学时
第十二章 课程设计答辩
第1节 课程设计答辩 4.0学时
第2节 技术点评 3.0学时
参考书
1、 多媒体技术：计算、通信及应用 Ralf Steinmetz; Klara Nahrstedt 著;潘志庚、叶绿、耿卫东、林海等译 2000 清华大学出版社
课程教师信息
曹娟，博士，中科院计算所博士生导师，中国科学院大学岗位教授。计算所跨媒体计算课题组负责人。中科院“青年创新促进会”人才计划首批成员，中科院计算所“学术百星计划”成员。2008年博士毕业于中科院计算所，主要研究方向为大规模社会多媒体内容挖掘与应用。2009年在香港城市大学VIREO视频检索研究组进行三个月的合作研究；2010年在美国哥伦比亚大学DVMM数字视频与多媒体挖掘实验室进行一年的合作研究。曾获得2008和2009TRECVID国际视频检索评测第一名和第二名， 2015MediaEval国际虚假图片检测评测第一名。在MM，SIGIR，WWW，TMM，TCSVT等顶级国际会议和期刊上发表论文50余篇。承担了科技部和基金委的多项重点项目，获得2014年度北京市科学技术奖一等奖和2012年度中国计算机学会科学技术奖，相关成果已应用在新华社互联网新闻认证系统和新华百科知识库系统中。
唐帆，博士，中国科学院计算技术研究所副研究员。2019年毕业于中国科学院自动化研究所模式识别国家重点实验室，2017年～2018年赴德国康斯坦茨大学联合培养一年。主要从事图形图像理解、多媒体内容合成与分析研究，2015年刷新PASCAL VOC图像分类项目最好成绩，获得ECCV2018图像分割比赛冠军，作为项目负责人或者要完成人主持/参与国自然青年基金、CCF青年学者科学基金及多个国自然重点、国家重点研发计划，已在IEEE TVCG、TIP、TMM、CVPR、ICCV、ACM SIGGRAPH等顶级期刊、会议发表高水平论文三十余篇，已授权国家发明专利四项。
网络科学
课程编码：083500M03002H 英文名称：Network Science Seminar 课时：20 学分：1.00 课程属性：一级学科研讨课 主讲教师：罗铁坚
教学目的要求
本课程是为计算机软件与理论专业研究生开设的专业研讨课，其目的是使学生初步掌握网络科学的基本内容，并了解其应用领域。本课程聚焦网络科学常用模型进行集中讲授和充分的文献阅读与上机实践，对学生的要求包括：熟练掌握网络科学基本方法和常用模型和算法，掌握网络建模和网络行为分析的主要思路与方法，通过研讨使计算机专业研究生深入掌握对网络科学方向的科研动向，最新技术，对网络科学不同领域的应用有初步了解。培养研究生的研究性学习能力，开阔眼界，为将来的研究与应用打好基础。
预修课程
离散数学
大纲内容
第一章 课程简介、教学目标和要求 罗铁坚
第1节 课程拟讨论主题 0.6学时
第2节 文献综述和研究项目要求 0.6学时
第3节 工具系统、数据集、基本概念 0.6学时
第二章 网络科学起源动机和研究方法 罗铁坚
第1节 起源历史和研究动机 0.6学时
第2节 网络科学应用案例 0.6学时
第3节 网络科学方法论的特点 0.6学时
第三章 网络科学中图算法和机器学习 罗铁坚
第1节 网络科学中图算法挑战问题 1学时
第2节 用图数据和算法提升机器学习效果 1学时
第四章 网络科学与复杂系统 罗铁坚
第1节 网络科学与复杂系统 1学时
第2节 案例分析 1学时
第五章 网络数据表示与预测任务 罗铁坚
第1节 网络中链接预测任务 1学时
第2节 网络数据表示 1学时
第六章 实验讲解 罗铁坚
第1节 实验1讲解 1学时
第2节 实验1讲解 1学时
第七章 网络科学的发现和挑战问题 罗铁坚
第1节 网络科学的重要发现（1960-1995-2010） 1学时
第2节 未解决的挑战问题 1学时
第八章 课程项目报告 罗铁坚
第1节 学生讲解，同学讨论、老师点评 2学时
第九章 课程项目报告 罗铁坚
第1节 学生讲解，同学讨论、老师点评 2学时
第十章 课程项目报告 罗铁坚
第1节 学生讲解，同学讨论、老师点评 2学时
教材信息
1、 网络、群体与市场，原作名:?Networks, Crowds, and Markets，副标题：揭示高度互联世界的行为原理与效应机制ISBN:?9787302264170 作者: 大卫·伊斯利(David Esley) / 乔恩·克莱因伯格(Jon Kleinberg),译者: 李晓明 / 王卫红 / 杨韫利 ?2011-10 清华大学出版社
参考书
1、 Network Science A.-L. Barabási 2020年1月 http://networksciencebook.com/chapter/0
课程教师信息
罗铁坚，男，中国科学院大学教授，博士生导师。曾任中国科学院研究生院信息科学与工程学院执行院长。主持过10多项国家级和企业科研项目。发表文章共112 篇、英文专著一部。拥有30多项软件著作权和发明专利。2003年起，领导国科大团队设计与实现了中科院教育云，并成功运行10多年至今。国科大拥有该云平台的30 多个应用系统（共600 多万行源代码），的全部知识产权。近年在人工智能顶级会议AAAI 和IEEE Transactions on Cybernetics 等期刊发表多篇学术论文，对自然语言理解和计算机视觉领域中特定问题提出了新模型，刷新了相关公开数据集的精度。获2017年中国科学院优秀教师奖。2014年中国人工智能学会《全国大学生智能设计竞赛》优秀指导教师一等奖。
图像分析应用
课程编码：081203M06003H 英文名称：Seminar on Image Analysis and Its Application 课时：20 学分：1.00 课程属性：专业研讨课 主讲教师：王伟强
教学目的要求
本课程是计算机、自动化专业研究生开设的专业研讨课，其目的是使学生在学习图像处理与分析课程后，进一步对一些中高层次的内容进行更深层次的研讨性学习，了解现代的主流技术与成果，为进入课题阶段开阔眼界。培养研究生的研究性学习能力，动手能力科研实践能力，为将来的研究与应用打好基础。
预修课程
图像处理与分析
大纲内容
第一章 图象分割传统方法(灰度\彩色图像、纹理分割)
第1节 图象分割传统方法(灰度\彩色图像、纹理分割) 2学时
第二章 基于深度学习的方法-语义分割
第1节 基于深度学习的方法-语义分割 2学时
第三章 一般对象识别与定位
第1节 一般对象识别与定位 2学时
第四章 重要对象的检测与识别 I（人脸与行人）
第1节 重要对象的检测与识别 I（人脸与行人） 2学时
第五章 重要对象的检测与识别 II（文字与车）
第1节 重要对象的检测与识别 II（文字与车） 2学时
第六章 局部特征与传统图像匹配方法I
第1节 局部特征与传统图像匹配方法I 2学时
第七章 度量学习与在视觉问题上的应用
第1节 度量学习与在视觉问题上的应用 2学时
第八章 图像检索技术
第1节 图像检索技术 2学时
第九章 RNN与图像语义标注
第1节 RNN与图像语义标注 2学时
第十章 RNN与手写文字识别
第1节 RNN与手写文字识别 2学时
参考书
课程教师信息
王伟强，现为中国科学院大学计算机与控制学院教授，博士生导师。1995年毕业于哈尔滨工程大学计算机科学与工程系，1998年在哈尔滨工程大学计算机科学与工程系获得工学硕士学位，2001年在中国科学院计算技术研究所获计算机应用专业工学博士学位。2001年5月在计算所工作任助理研究员，11月晋升为副研究员。2003年8月来到中国科学院研究生院（中国科学院大学前身）信息学院任副教授。2004年10-2005年9月在美国卡内基梅隆大学人机交互研究所作访问学者。2009年中国科学院研究生院晋升为教授，博导。王伟强教授的研究兴趣包括图像视频的内容分析与理解、机器学习、文字识别等。在国际期刊和国际会议上发表论文100余篇。
视觉信息学习与分析
课程编码：081203M06001H 英文名称：Visual Information Learning and Analysis Seminar 课时：20 学分：1.00 课程属性：专业研讨课 主讲教师：黄庆明
教学目的要求
教学目的和要求：
本课程是计算机应用技术专业研究生开设的专业研讨课，也可供电子科学与技术等相关专业的研究生选择，其目的是使学生初步掌握模式识别与机器学习的基本内容和算法原理，并了解其在图像与视频等分析中的最新进展和应用。本课程聚焦模式识别与机器学习的热点方向和主题，对学生的要求包括：熟练掌握模式识别和机器学习的基本方法和常用模型，通过实践和研讨使得学生对该学科前沿相关研究有比较深入的理解，培养研究生利用相关方法解决实际问题的能力，为下一步课题研究阶段运用模式识别和机器学习方法完成论文工作并进行相关的科研工作打下良好的基础。
预修课程
模式识别与机器学习，图像处理，视频分析，多媒体技术
大纲内容
第一章 课程概述
第1节 视觉信息分析课程简介 1.0学时
第2节 课程相关任务与对应技术详述 1.0学时
第二章 文本检测技术
第1节 多语言视频文本检测 1.0学时
第2节 基于深度学习的任意形状文本检测 1.0学时
第三章 目标追踪技术
第1节 面向视觉跟踪的卷积残差学习 1.0学时
第2节 基于时空嵌入的多人跟踪技术 1.0学时
第四章 人脸识别技术
第1节 一种普适的人脸识别算法 1.0学时
第2节 基于层次化注意力的人脸检测 1.0学时
第五章 跨模态检索技术
第1节 基于卷积网络的跨模态检索 1.0学时
第2节 多路对抗的无监督跨模态检索方法 1.0学时
第六章 图像标注技术
第1节 语义正则的递归图像标注 1.0学时
第2节 基于图的多标签学习 1.0学时
第七章 视觉显著检测技术
第1节 基于多尺度深度特征的视觉显著性检测 1.0学时
第2节 视觉显著预测技术综述 1.0学时
第八章 场景识别技术
第1节 基于语义向量的场景分类 1.0学时
第2节 点云环境下的场景识别 1.0学时
第九章 图像生成技术
第1节 深度卷积的对抗生成技术 1.0学时
第2节 可控的图像风格转换算法 1.0学时
第十章 图像概述生成技术
第1节 基于文本条件的图像概述生成 1.0学时
第2节 深度视觉内容解释技术 1.0学时
参考书
1、 机器学习 周志华 2016 清华大学出版社
课程教师信息
黄庆明，中国科学院大学计算机科学与技术学院副院长、网络空间安全学院副院长（兼），教授（二级）、博士生导师，中国科学院计算技术研究所客座研究员、博士生导师，中国科学院信息工程研究所客座研究员、博士生导师。国家杰出青年科学基金获得者，百千万人才工程国家级人选并被授予“有突出贡献中青年专家”荣誉称号，享受国务院政府特殊津贴。现为IEEE Fellow，IEEE CASS北京分会主席，CCF会士，CCF多媒体技术专业委员会副主任，北京市图象图形学学会副理事长。
主要研究方向为模式识别、多媒体计算、图像与视频分析、计算机视觉、机器学习等，主持承担了国家自然科学基金（杰青、重点、国际合作）、863课题、973课题、中科院前沿科学重点研究项目等10多项国家和省部级项目的研究工作，在国内外权威期刊和重要国际会议上发表学术论文400余篇，申请国内外发明专利30余项，相关研究成果多次获得省部级奖励。自2004年起先后讲授了“模式识别”、“模式识别在图像与视频分析中的应用”、“模式识别与机器学习”、“视觉信息学习与分析”等课程。
经济与管理学院
高级宏观经济学
课程编码：020200M01001H 英文名称：Advanced Macroeconomics 课时：60 学分：3.00 课程属性：一级学科核心课 主讲教师：许健等
教学目的要求
本课程是应用经济学一级学科研究生的学科专业课，同时也可以作为其他专业研究生的选修课。宏观经济学是经济学中的重要分支。通过本课程的学习，使学生从整体上掌握高级宏观经济学的理论体系及主要应用，了解现代宏观经济学重要学派的思想脉络，并重点掌握经济增长与波动理论，掌握开放经济中的宏观经济模型与经济政策，通过经典模型的分析，引导学生掌握高级宏观经济建模的思维和技术，了解高级宏观经济学前沿的重要进展，为学生从事经济管理学科研究和解决实际经济管理问题奠定良好的基础。
预修课程
无
大纲内容
第一章 通货膨胀模型
第1节 通货膨胀理论：基础模型 2学时
第2节 通货膨胀理论：声誉模型 2学时
第3节 通货膨胀理论：恶性通货膨胀的建模 2学时
第二章 就业模型
第1节 就业理论：效率工资基础模型 2学时
第2节 就业理论：夏皮罗-斯蒂格利茨模型 2学时
第三章 经济增长理论
第1节 索洛模型 4学时
第2节 Ramsey模型 6学时
第3节 世代交叠模型 4学时
第4节 技术进步内生化模型 2学时
第四章 经济波动与宏观经济政策
第1节 经济波动的成因 2学时
第2节 宏观经济政策分析 2学时
第3节 微观基础 2学时
第五章 开放经济模型
第1节 蒙代尔模型 4学时
第2节 动态调整的建模方法 4学时
第六章 现代宏观经济学体系
第1节 主流理论变迁 3学时
第2节 非主流理论 3学时
第3节 中美贸易摩擦 2学时
第七章 经济一般均衡理论
第1节 引论 2学时
第2节 基础 2学时
第3节 延伸与应用 2学时
第4节 动态随机一般均衡模型及其应用 2学时
第八章 宏观经济计量模型
第1节 基础 3学时
第2节 应用 3学时
参考书
课程教师信息
中国科学院大学管理学院副教授、中国科学院大学MBA中心主任、《管理评论》编辑部副主任。
1997年毕业于中国人民大学统计学系，获得经济学学士;2000于中国人民大学统计学系获得经济学硕士学位，2003年毕业于中科院数学与系统科学研究院，获得管理学博士学位。主要研究方向为宏观经济统计分析、计量经济模型、投入产出模型。现为中国投入产出学会副秘书长、常务理事。
研究方向 ： 宏观经济统计分析、计量经济模型、投入产出模型
主要讲授课程： 经济学、计量经济学
高级微观经济学
课程编码：020200M01003H 英文名称：Advanced Microeconomics Theory 课时：60 学分：3.00 课程属性：一级学科核心课 主讲教师：乔晗等
教学目的要求
通过教学，使研究生掌握标准的微观经济学分析技术，学会运用厂商理论、消费者理论、一般均衡理论、不完全市场理论以及信息经济学的思想方法，解决管理学、经济学中的现实问题，学会运用标准的理论框架陈述自己的观点。
要求研究生通过学习，掌握微观经济学分析技术，了解微观经济学理论的内部结构及其相互间关系，能够将所学知识运用于实际问题之中。
预修课程
无
大纲内容
第一章 课程引入
第1节 经济学的重要性与前言 1.0学时
第2节 课程目标和课程安排 1.0学时
第3节 经济学的基本概念 1.0学时
第二章 个人决策理论
第1节 偏好理论 2.0学时
第2节 选择规则 2.0学时
第3节 不确定性决策 2.0学时
第三章 消费理论
第1节 消费束与消费集 1.0学时
第2节 需求函数 2.0学时
第3节 偏好与效用函数 2.0学时
第4节 效用最大化问题 2.0学时
第5节 支出最小化问题 2.0学时
第6节 从需求复原偏好 2.0学时
第7节 需求的福利分析 2.0学时
第8节 总需求 3.0学时
第四章 供给理论
第1节 生产向量与生产集 1.0学时
第2节 利润最大化问题 2.0学时
第3节 成本最小化问题 2.0学时
第4节 供给的图形表示 2.0学时
第5节 总供给 1.0学时
第五章 完全竞争市场的局部均衡
第1节 经济配置与竞争均衡 2.0学时
第2节 两商品拟线性模型 3.0学时
第3节 帕累托最优与竞争均衡 2.0学时
第六章 市场失灵的情况
第1节 外部性 3.0学时
第2节 公共物品 2.0学时
第3节 信息不对称 2.0学时
第七章 博弈论
第1节 博弈论及其应用 6.0学时
第八章 一般均衡理论
第1节 纯交换经济 3.0学时
第2节 更一般的经济 2.0学时
第九章 考核
第1节 案例汇报与考试 2.0学时
参考书
1、 无 无 无 无
课程教师信息
无
金融风险管理
课程编码：020204M04001H 英文名称：Financial Risk Management 课时：50 学分：3.00 课程属性：专业核心课 主讲教师：杨晓光等
教学目的要求
本课程为经济学、管理学学科的硕士研究生专业普及课，也可作为公共管理、工程管理、应用数学、应用统计等其它相关专业研究生或对风险管理感兴趣的理工科专业研究生的选修课。金融风险管理不仅是金融投资的必备要求，而且也是经济稳定和社会稳定的必然要求，是经济金融研究人员的基本素质需求。金融风险管理的理论和方法，还被广泛应用或借鉴到其他领域。本课程讲授金融风险管理理论的同时，针对不同市场、不同层次的金融风险，进一步介绍相应的风险管理方法。此外，为加深对中国市场的认识，课程还介绍中国股票市场、债券市场、信贷市场、互联网金融和小微金融的风险特征和风险管理技术的最新研究进展和前沿问题。
预修课程
高等数学、投资学
大纲内容
第一章 课程介绍及远期 4学时
第1节 远期及期货的异同
第2节 远期利率协议
第3节 远期外汇合约
第4节 远期运费协议
第二章 期货 4学时
第1节 期货合约简介
第2节 股指期货
第3节 国债期货
第4节 案例：327国债期货事件、案例：英国巴林银行倒闭
第三章 业内专家讲座一 2学时
第1节 业内专家讲座一
第四章 资产证券化 3学时
第1节 MBS介绍
第2节 美联储对MBS进行公开市场操作
第3节 ABS的分类
第五章 互换 5学时
第1节 互换的定义与分类
第2节 利率互换及估价
第3节 货币互换及其估价
第4节 信用违约互换
第5节 案例 ：高盛金融欺诈案
第六章 期权 5学时
第1节 期权市场的机制、期权的交易策略
第2节 二叉树模型、Black-Scholes-Merton模型
第3节 股票指数期权定价、货币期权定价
第4节 期货期权定价、希腊字母的含义及期权套期保值策略
第5节 案例：中信泰富炒汇巨亏事件
第七章 信用风险与信用评级 4学时
第1节 信用风险
第2节 VaR模型
第3节 主权国家信用评级、公司信用评级
第4节 压力测试
第八章 房地产投资信托基金 2学时
第1节 房地产（业）的特点
第2节 REITs简介、REITs案例、REITs在中国
第九章 业内专家讲座二 2学时
第1节 业内专家讲座二
第十章 案例报告及考试 1学时
第1节 案例报告及考试
参考书
课程教师信息
略
非参数统计
课程编码：020208M05004H 英文名称：nonparametric statistics 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：孙佳婧
教学目的要求
本课程为经济管理学科研究生的专业课程。近年来，非参数计量经济学已经成为计量经济学研究的重要方向。开设此课程的目的在于让学生掌握非参数计量经济学的基本思想，了解非参数估计、检验的最新研究进展，引导开发学生对本领域的研究潜力，为其日后从事理论计量经济学和应用计量经济学研究提供基本的研究基础。本课程采用双语教学，全英文课件。
预修课程
概率论与数理统计、线性代数、统计学、计量经济学
大纲内容
第一章 非参数模型的简介 4.0学时
第1节 核函数、带宽等基础概念
第2节 非参数估计的基本思想和应用价值
第二章 非参数密度估计 10.0学时
第1节 单变量密度估计
第2节 核估计量
第3节 核估计量的渐近性质
第4节 带宽的选取
第5节 多变量密度估计
第三章 非参数回归 12.0学时
第1节 局部常数回归
第2节 局部常数回归的渐近性质
第3节 局部线性核估计量
第4节 局部多项式核估计量
第5节 非参数模型设定检验
第6节 渐变时间趋势模型
第四章 非参数样条估计 8.0学时
第1节 样条近似的基本思想
第2节 样条空间、线性样条估计量
第3节 多项式样条估计量的渐近性质
第4节 密度函数的样条估计方法
第五章 非参数谱分析方法 4.0学时
第1节 样本周期图
第2节 核谱估计及其性质
第六章 考试 2.0学时
第1节 考试
参考书
1、 Nonparametric Econometrics: Theory and Practice Li Q. and Racine J. 2007 Princeton University
课程教师信息
孙佳婧博士毕业于英国利物浦大学，获管理学（计量经济学）博士学位。加入中国科学院大学经济与管理学院之前，曾任教于英国利物浦大学，并一直以来具有利物浦大学的荣誉职位。她的主要研究方向为计量经济学，例如：计数数据自回归模型，研究成果应用于排队人数，罢工人数，期货市场交易合同数等分析。此外，她的其他研究兴趣还包括金融学以及经济学理论与实证研究。
孙佳婧博士熟练掌握英语、德语以及西班牙语三门外语； 精通MATLAB、Gauss、R、Stata、SPSS、EViews等计量经济学软件；同时具有世界金融投资行业公认的特许金融分析师（CFA）资质。
商业数据分析
课程编码：120100MGX051H 英文名称：Business Data Analysis 课时：30 学分：1.00 课程属性：公共选修课 主讲教师：刘颖
教学目的要求
网络与信息技术发展催生了数据资源的繁荣，大数据给社会经济等诸多学科开辟了新的研究视野，数据科学成为继经验科学、理论科学、计算科学之后的一种新研究范式，为经济学、金融学、管理学等领域提供基础的理论和方法。本课程从商业和管理中的实际问题出发，让学生掌握基本的数据分析方法，包括：数据勘探与获取、数据清洗与整合、数据管理与抽样、数据分析与实验、数据解释与应用等，结合经济管理领域的经典问题和大数据下的交叉前沿研究成果，引导学生探索数据分析在各自研究领域的创新和应用，为他们以后的工作、科研拓展思路和视野，并打下良好的基础。
预修课程
无
大纲内容
第一章 绪论
第1节 大数据时代的商业变革和科研变革 0.5学时
第2节 数据思维与数据技能 0.5学时
第3节 数字经济的演化规律 0.5学时
第4节 产业智能化发展 0.5学时
第二章 商业数据分析的流程与范式
第1节 数据的定义与分类 0.5学时
第2节 数据勘探与采集 0.5学时
第3节 数据处理与分析 0.5学时
第4节 数据应用与解释 0.5学时
第四章 消费行为数据分析：洞悉需求
第1节 消费行为数据特点 1学时
第2节 数据预处理方法 1学时
第3节 智能推荐算法及应用 1学时
第4节 信息茧房问题的反思 1学时
第5节 新零售中的消费行为分析案例 1学时
第6节 电商销售结果与消费过程分析 1学时
第五章 社会网络数据分析：挖掘社会关系规律
第1节 随时网络与无尺度网络 1学时
第2节 网络的构成与特点 1学时
第3节 网络结构与特征指标 2学时
第4节 网络传染与案例分析 2学时
第六章 关联与因果分析：变量之间的影响机理
第1节 相关分析的方法与适用条件 1学时
第2节 因果模型与判别分析 2学时
第3节 变量机理分析：直接与间接效应 1学时
第4节 因果分析的实际案例 2学时
第七章 评价预测分析：把握未来发展趋势
第1节 预测理论与方法 1学时
第2节 多源数据的融合 1学时
第3节 评价指数的构建方法 1学时
第4节 案例分析与现实应用 1学时
第八章 数智背景下的商业模式研讨
第1节 生产要素的变革 1学时
第2节 商业模式要素理论 1学时
第3节 数据驱动的决策 1学时
第4节 商业案例分析 1学时
参考书
1、 飞轮效应：数据驱动的企业 吕本富、刘颖 42005.0 电子工业出版社
课程教师信息
略
组织行为学
课程编码：120202M04001H 英文名称：ORGANIZATIONAL BEHAVIOR 课时：60 学分：3.00 课程属性：专业核心课 主讲教师：汤超颖等
教学目的要求
组织行为学综合了心理学、社会心理学、组织社会学等相关学科的理论知识，诠释个体、群体与组织层面的心理与行为规律，是工商管理专业的核心课程。课程主要内容包括：个体心理、行为及其动机；群体心理与互动，高绩效团队管理；领导力以及组织中的权力；组织文化与组织设计。本课程将系统呈现国内外经典理论，并通过核心文献导读、现象案例讨论、小组文献分享等方式，让学生在有限的课时内系统掌握组织行为学的专业理论与研究方法，了解组织行为学的前沿方向。本课程浓缩理论精华，采集当下管理现象，体现中国情境与国际视野的结合。
授课方式分三步：（1）各研究主题的核心理论讲述；（2）经典文献导读；（3）小组任务的汇报、讨论与反馈。
本课程主要目标如下：（1）帮助学生系统掌握组织行为学的经典理论与前沿方向，为工商管理专业研究打下理论基础；（2）提升学生的文献阅读与分析能力、研究设计能力、论文写作能力；（3）提升学生的行为分析能力，以及职业发展所需的管理与领导技能。
课程考核
?出勤：20%
?课堂讨论：30%
?文献阅读与汇报：50%
预修课程
无
大纲内容
第一章 认识自我与他人
第1节 经典理论讲解：1) 组织行为学学科特点
- 经典人格理论：特质论，大五理论，大七理论
- 多元智力
- 斯瓦兹价值观理论 2.0学时
第2节 经典理论讲解： 5)选择性认知
6)自我概念，社会类化与社会身份
7)归因理论
8)知觉偏误 2.0学时
第3节 核心文献导读 2.0学时
第4节 核心文献导读 2.0学时
第5节 文献阅读汇报与讨论 2.0学时
第6节 文献阅读汇报与讨论 2.0学时
第二章 行为与动机解读
第1节 经典理论讲解：1) 需求论 - 动机过程论
- 自主决定论 2.0学时
第2节 经典理论讲解：4) 积极组织行为 - 工作的意义和工作重塑
- 心理资本 2.0学时
第3节 核心文献导读 2.0学时
第4节 核心文献导读 2.0学时
第5节 文献阅读汇报与讨论 2.0学时
第6节 文献阅读汇报与讨论 2.0学时
第三章 高效团队
第1节 经典理论讲解：1) 群体心理：社会懈怠、群体迷思、群体极化、承诺升级、信任 - 群体结构：角色、规模、规范、地位、凝聚
- 场论
- 团队互动：共享心智、交互记忆系统、团队冲突、互动行为分析
- 团队发展阶段 2.0学时
第2节 经典理论讲解：6)双环学习
7)吸收能力
8)学习行为，知识搜索与转移
9)经验式学习 2.0学时
第3节 核心文献导读 2.0学时
第4节 核心文献导读 2.0学时
第5节 文献阅读汇报与讨论 2.0学时
第6节 文献阅读汇报与讨论 2.0学时
第四章 领导力与权力
第1节 经典理论讲解：1) 特质论 - 行为论
- 情境论
- 风格论
- 上下级互动视角 2.0学时
第2节 经典理论讲解：6)权力基础
7)影响策略
8)政治技能
9)权力和权力差异的影响 2.0学时
第3节 核心文献导读 2.0学时
第4节 核心文献导读 2.0学时
第5节 组织行为学综述研究设计：小组作业汇报与讨论 2.0学时
第6节 组织行为学理论模型构建设计 2.0学时
第五章 组织设计与组织文化
第1节 经典理论讲解：1) 机械结构 - 有机结构
- 网络结构
- 组织生态 2.0学时
第2节 经典理论讲解：5)国家文化维度
6)文化的组织影响
7)文化智力
8)组织文化
9)个人－组织匹配理论 2.0学时
第3节 核心文献导读 2.0学时
第4节 核心文献导读 2.0学时
第5节 组织行为学的交叉研究：讨论课 2.0学时
第6节 组织行为学专业论文准备 2.0学时
参考书
1、 Organizational Behavior Stephen P Robbins & Timothy A. Judge 2013.1 Peasrson
课程教师信息
汤超颖，教授，博士生导师。主要讲授课程：组织行为学、创造力管理。主要研究方向：创造力与创新管理、组织行为、人力资源管理。
数学，心理，网安院
心理学研究方法与技术
课程编码：040200M01002H 英文名称：Research Method of Psychology 课时：60 学分：3.00 课程属性：一级学科核心课 主讲教师：付秋芳等
教学目的要求
科学心理学的每一项研究成果的出现和心理学理论的提出，都建立在科学的研究方法之上。学习和掌握各种心理学研究方法，是进行科学心理学研究的前提和基础。该课程的目的是让学生树立起科学研究的基本理念，培养科学思维的基本逻辑，掌握心理学研究的基本流程和方法，了解目前主流的认知神经科学方法和技术，为以后进行深入的科学研究打下良好的基础。
学生通过这门课的学习了解心理学研究的方法论和心理学研究方法的特点与原则；熟悉和了解心理学研究方法的历史沿革、当前现状和对未来新方法的展望，以及理论流派的观点对研究方法的促进作用与制约；掌握现代科学心理学研究所基于的认识论基础，心理学研究的理论基础和思路。学生应该掌握心理学研究中采用的具体方法和技术。主要包括：⑴进行研究设计的方法，⑵评价研究的方法，⑶收集研究数据的方法，⑷处理和分析数据的方法，⑸总结研究结果和建构理论模型的方法。针对上述5个部分，学生应该掌握进行研究的步骤，如何取样，如何设计一项研究；以及如何评价一项研究的信度和效度；如何通过观察法、访谈法、问卷法、测量法、实验法，以及认知神经科学技术等方法收集数据；针对定性的材料，如何将其转化为定量的数据；如何选择恰当的统计分析方法对数据进行处理和分析等；最后如何总结研究结果，并建构理论模型，对研究结果进行解释和总结，以及如何撰写研究报告和学术论文。
坚持理论联系实际，注重学以致用的原则，在对心理学研究的基本理论和基本方法讲解的基础上，结合《实验心理学》和《心理统计学》的内容引导学生深入地思考研究问题、研究理论与研究方法之间的关系。同时，要求学生勇于实践，不但要学会阅读和批判前人已发表的研究成果，而且可以根据个人的兴趣，提出各自关心的心理学问题，并尝试采用课堂上学习到的方法设计研究方案，甚至付诸实施。目的是丰富学生的心理学知识体系，同时培养学生自己动手做研究的能力和兴趣。
预修课程
普通心理学
大纲内容
第一章 导论 3学时
第1节 为什么学习研究方法
第2节 什么是科学方法
第3节 什么是科学研究
第4节 科学心理学
第5节 像研究者一样思考
第二章 研究的问题与设计 3学时
第1节 研究取向
第2节 变量设置
第3节 确定问题
第4节 形成假设
第5节 实验设计
第6节 研究伦理
第三章 研究的取样 3学时
第1节 为什么需要取样
第2节 什么是取样
第3节 取样的类型
第4节 取样与选题的关系
第5节 取样的步骤
第6节 其他取样问题
第四章 研究的信度与效度 3学时
第1节 研究的信度
第2节 研究的效度
第3节 测量的信度
第4节 测量的效度
第五章 描述性方法 9学时
第1节 观察法
第2节 访谈法
第3节 调查法
第4节 心理测量概述
第5节 测量的信度与效度
第6节 编制标准化测验的过程
第7节 测量方法举例
第六章 实验法 9学时
第1节 实验法概述
第2节 变量与变量控制
第3节 实施实验的流程
第4节 真实验设计
第5节 准实验设计
第6节 前实验设计
第七章 脑电技术 3学时
第1节 ERP技术概述
第2节 ERP实验设计
第3节 ERP实验的记录
第4节 ERP数据的分析
第八章 功能磁共振技术 3学时
第1节 核磁研究的基本原理
第2节 功能性磁共振研究设计
第3节 功能性磁共振设计的基本原理
第九章 脑磁技术 3学时
第1节 脑磁技术的历史
第2节 脑磁信号的主要特征
第3节 脑磁实验过程及数据分析
第十章 经颅磁刺激技术 3学时
第1节 概述与基本原理机制
第2节 TMS技术参数与操作
第3节 神经导航与安全性
第4节 TMS刺激方案
第5节 临床应用
第6节 虚拟损伤与功能定位
第十一章 眼动技术 3学时
第1节 眼动技术概述
第2节 眼动指标
第3节 眼动研究范式
第4节 场景知觉和视觉搜索中的眼动研究
第5节 其他眼动研究
第十二章 统计方法 6学时
第1节 基本统计概述
第2节 统计方法选择
第3节 统计结果解释以及常见统计谬误
第4节 假设检验
第5节 效应量
第6节 统计效力
第十四章 研究结果的解释与讨论 3学时
第1节 推论统计概述
第2节 显著性检验
第3节 置信区间
第4节 演技结果的解释与评估
第5节 演技u结果的推广
第十五章 研究论文的写作与发表 3学时
第1节 如何写出清晰简洁的句子
第2节 如何写出精彩的段落
第3节 如何布局谋篇
第4节 如何撰写综述
第5节 如何撰写研究报告
第6节 APA格式的文献引用
参考书
1、 心理学研究方法 约翰·肖内西，尤金·泽克迈斯特，珍妮·泽克迈斯特 2010年4月 人民邮电出版社
2、 心理学研究方法 尼尔·J.萨尔金德 2019年1月 中国人民大学出版社
3、 研究方法：设计与分析 拉里·克里斯滕森，伯克·约翰逊，莉萨·特纳 2018年1月 商务印书馆
4、 心理与行为科学研究方法 保罗·科兹比，斯科特·贝茨 2014年7月 机械工业出版社
5、 心理学研究方法：实验设计和数据分析 张亚旭，舒华 2008年8月 人民教育出版社
6、 心理学研究方法 黄希庭，张志杰 2010年1月 高等教育出版社
7、 心理学研究方法 王重鸣 2001年2月 人民教育出版社
8、 心理学研究方法 莫雷，温忠麟，陈彩琦 2007年2月 广东高等教育出版社
9、 事件相关电位基础 拉克 2019年10月 华东师范大学出版社
课程教师信息
付秋芳，女，博士，中国科学院心理研究所研究员。一直从事内隐学习与意识的研究，主要采用序列学习和类别学习的研究范式，探讨内隐学习中意识和无意识知识产生的认知神经机制。有关序列学习的研究发现，无意识知识和意识知识的产生分别与ERP中N2和P3波形的变化有关,并且提出了一个DSRN模型来解释人们在序列学习中如何同时获得无意识的组块知识和抽象知识。有关类别学习的研究发现，分类中主观视觉意识的出现与ERP中P3波形的变化相关，并且对类别结构的表征主要是由基于边缘的信息（如形状等）而非基于表面（如颜色等）的信息构成。先后主持3项有关“内隐学习”的国家自然科学基金项目，已发表论文30余篇，其中被SCI/SSCI期刊如Consciousness and Cognition等收录20余篇，被SCI/SSCI期刊Trends in Cognitive Sciences等引用约170次。
赵科，男，博士，中国科学院心理研究所副研究员，主要采用行为、脑电（ERPs）、脑磁（MEG）、功能磁共振（fMRI）等技术手段，研究领域为情绪识别、情绪与时间、主动控制感等的认知神经机制。在Psychophysiology, Scientific Reports, Experiment Brain Research, Neuroscience Letters, Frontiers in Psychology等SCI/SSCI杂志上发表文章10多篇，其中第一/通信作者文章10篇，已经授权发明专利一项，实用新型专利一项。主持或以科研骨干身份参与973、国家重点研发计划、国家自然科学基金累计10项。2017年获得北京市科技进步二等奖。曾获湖南省优秀硕士论文，中科院百篇优秀博士论文等科研奖励。Google Scholar学术引用次数375次。中国心理学会生理心理学会专业委员会委员。担任国际杂志NeuroImage, Cognition, Experiment Brain Research, Scientific Reports等杂志的审稿人，Frontiers in Psychology的客座编辑等。
刘烨，女，博士，中国科学院心理研究所副研究员。主要采用行为、脑电、功能磁共振、经颅磁刺激（TMS）等技术研究物体概念的表征与加工，其中涉及手势动作在物体识别中的作用、动作在概念隐喻理解中的作用；也关注社会认知和情绪，其中包括头部朝向与眼睛注视对社会性注意的影响、对情绪的影响，情绪的生理反应模式，以及说谎相关的行为和生理线索。一直致力于将心理学和计算机科学进行更好地交叉和融合，与清华大学、中国科学院自动化研究所、北京交通大学等计算机研究机构开展广泛合作。在Experiment Brain Research, Frontiers in Psychology等期刊上发表文章30多篇，已经申请发明专利1项，已经授权实用新型专利6项。2007年至2008年期间，曾在中央财经大学社会与心理学院给两届本科生教授过《心理学研究方法》，获得了学生们的一致好评。
感知觉
课程编码：040201M05001H 英文名称：Sensation and Perception 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：黄昌兵等
教学目的要求
本课程为心理学学科研究生的专业普及课。本课程主要讲授内容为基于视觉、听觉、嗅觉、味觉、触觉和痛觉等单一和多感觉通道信息加工和知觉过程以及高级认知控制理论。通过本课程学习，希望学生理解感觉、知觉的概念，掌握感知觉的基本规律和理论，熟悉多感觉通道信息交互整合的研究方法。
预修课程
普通心理学、认知心理学、心理学研究方法
大纲内容
第一章 感知觉基本介绍 6.0学时
第1节 基本定义、五感基本介绍
第2节 感知觉阈值、感知觉现象、感知觉迷思
第二章 视觉 9.0学时
第1节 视觉系统基本结构介绍、非视觉效应通路
第2节 颜色知觉、立体知觉、物体知觉、面孔知觉、注意等
第3节 错觉、审美、记忆色、文化等视觉现象
第三章 感知觉研究方法 3.0学时
第1节 心理物理学基本原理介绍
第四章 味觉嗅觉和触觉等 3.0学时
第1节 构成、通路、基本特性
第五章 听觉和言语知觉 9.0学时
第1节 声音基本特性、听觉系统基本结构、听力障碍与康复、听觉编码和线索感知、空间知觉
第2节 听觉场景分析、鸡尾酒会问题、听觉注意、语音刺激、语音范畴知觉
第3节 言语知觉的理论和神经机制、预测编码、言语感知与产生的关系、言语知觉的老化与可塑性
第六章 音乐感觉 3.0学时
第1节 音乐与语音比较、音乐中的预测编码、层级加工、情绪与奖赏、音乐障碍）和多感觉整合（视嗅、视听整合的基本规律和神经通路
第七章 主题汇报
第1节 分组汇报感知觉相关设想内容1 3.0学时
第2节 分组汇报感知觉相关设想内容2 3.0学时
第八章 考试 1.0学时
第1节 期末考试
参考书
1、 Sensation and Perception E. Bruce Goldstein 43132.0 中国轻工业出版社
课程教师信息
黄昌兵 研究员（中国科学院心理研究所）
杜忆 研究员（中国科学院心理研究所）
凸分析
课程编码：070105M04002H 英文名称：Convex Analysis 课时：40 学分：2.00 课程属性：专业核心课 主讲教师：刘亚锋
教学目的要求
本课程是运筹学、计算数学、应用数学等专业硕士研究生的专业基础课。本课程详细介绍凸分析基本知识，主要理论和应用。
通过本课程学习，希望学生对凸分析的理论有全面的了解。
预修课程
数学分析，线性代数
大纲内容
第一章 凸集合 刘亚锋
第1节 欧氏空间与扩充实值函数 2学时
第2节 最优化问题 1学时
第3节 包算子 2学时
第4节 仿射集合 1学时
第5节 仿射变换 1学时
第6节 凸集的基本性质 2学时
第7节 凸包 2学时
第8节 凸集的拓扑性质 2学时
第二章 锥 刘亚锋
第1节 锥 1学时
第2节 凸锥与锥包 2学时
第3节 切锥与法锥 2学时
第4节 地平锥 1学时
第5节 闭凸集的投影 1学时
第三章 凸集分离 刘亚锋
第1节 凸集分离定理 2学时
第2节 闭凸集的包络表示 1学时
第3节 Farkas引理 1学时
第4节 Karush-Kuhn-Tucher条件 1学时
第5节 Minkowski定理 2学时
第四章 凸函数与对偶 刘亚锋
第1节 凸函数的基本性质 3学时
第2节 Moreau包络 1学时
第3节 凸函数的连续性 1学时
第4节 仿射近似与函数的凸包 1学时
第5节 凸函数的共轭 2学时
第6节 对偶算子 1学时
第7节 Fenchel-Rochafellar对偶 1学时
第8节 凸函数的次微分 2学时
第9节 Attouch-Brezis定理 1学时
参考书
1、 Convex Analysis Ralph Tyrrell Rockafellar 1996.12 Princeton University Press
2、 Fundamentals of Convex Analysis Jean-Baptiste Hiriart-Urruty and Claude Lemaréchal 2001.9 Springer-Verlag Berlin Heidelberg GmbH
课程教师信息
略
鲁棒优化
课程编码：070105M05001H 英文名称：Robust Optimization 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：杨文国
教学目的要求
本课程主要介绍处理不确定性问题的鲁棒（Robust）方法，包括：利用鲁棒方法处理不确定性问题的原理、建模步骤、复杂性分析、算法设计、算例分析等；并介绍鲁棒优化的最新发展动向以及处理不确定性问题的其它方法。本课程可作为运筹学专业硕士研究生的专业基础课，也可作为物流工程、管理科学及其它相关专业的选修课。由于不确定性在现实世界中普遍存在，本课程通过讲授资源分配问题、指派问题、最短路问题、最小生成树、背包问题、调度问题、选址问题、订货问题、网络设计等一些经典问题的数学模型,介绍处理不确定性的鲁棒优化方法。教学目标是对一些实际问题能够进行合理、有效的量化描述、建立鲁棒优化模型并设计高效求解算法。能够掌握利用鲁棒优化方法处理实际问题的建模思想是本课程学习的基本要求。
预修课程
运筹学通论
大纲内容
第一章 决策中处理不确定性的方法 4学时
第1节 决策中处理不确定性的传统方法
第2节 鲁棒方法的定义
第3节 鲁棒决策框架
第4节 鲁棒方法在国际资源问题中的应用
第二章 离散鲁棒优化框架、应用与性能分析 6学时
第1节 鲁棒离散优化框架
第2节 鲁棒离散优化的应用
第3节 鲁棒解的有效性
第4节 鲁棒解的期望性能
第三章 鲁棒离散优化问题的计算复杂性 8学时
第1节 NP-完全性证明遵循标准的复杂性证明方法
第2节 鲁棒指派问题的复杂性结果
第3节 鲁棒最短路径问题的复杂性结果
第4节 鲁棒最小生成树问题的复杂性结果
第5节 鲁棒资源分配问题的复杂性结果
第6节 鲁棒机器调度问题的复杂性结果
第7节 鲁棒多阶段生产计划问题复杂性结果
第四章 容易求解的鲁棒离散优化问题 6学时
第1节 树中的鲁棒1-中值问题
第2节 需求不确定的鲁棒多阶段生产计划问题
第3节 鲁棒经济批量订货模型
第4节 鲁棒报童问题
第五章 难求解离散鲁棒优化问题的算法设计 6学时
第1节 基于分支定界的替代松弛方法
第2节 近似算法
第3节 鲁棒资源分配问题算法设计
第六章 连续鲁棒优化及其发展 6学时
第1节 连续鲁棒优化
第2节 分布式鲁棒优化
第3节 可调整鲁棒优化
第七章 鲁棒优化应用与总结 4学时
第1节 鲁棒优化的实际应用
第2节 总结复习
参考书
1、 Robust Discrete Optimization and Its Applications Panos Kouvelis and Gang Yu 1996.10 Springer-Science+Business Media B.Y.
课程教师信息
略
数据分析与优化建模
课程编码：070105M05003H 英文名称：Introduction of data analysis and optimization modeling 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：王勇
教学目的要求
随着计算机和信息技术的迅速发展，在各个领域都积累了大量的数据。从数据存储、组织到搜索带来的需求衍生出大量基于“从数据中挖掘信息和知识”范式的新领域，例如针对生物数据分析的生物信息学。这里最大的挑战在于从数据中提取出重要的模式和趋势，倾听数据发出的声音，并能将新的数据和已有知识有机结合，对未知进行准确预测。这种从数据中的学习对统计、最优化、动力系统、信息论等数学分支形成了巨大的挑战，但也提供了各学科各显神通、交融贯通、并与计算机、工程等密切结合的机会。
本课程将重点讲授数据分析建模的主要思想、一些经典方法和应用实例，并对网络数据的建模和数据集成进行深入阐述。目的是使学生广泛地了解一般性的数据的数学表示、分析和建模方法，宏观地掌握的最优化和统计建模的基本范式，并通过对一些经典方法和应用体会建模的美感和统计和最优化等学科在数据分析中的交融。要求学生积极培养科学理性的思维方式、努力掌握系统深入的数据分析知识，为以后具备独立从事教学或科学研究工作的能力；以及拓展课内外、校内外、国内外各种学术交流打下坚实基础。
本课程一方面强调从数据出发，与现有数学模型课区分，另一方面强调统计、优化模型的重要性，与现有的数据挖掘、机器学习等课程区分。强调理论和实际应用密切结合，通过课后分组Project的形式，学会使用数据分析软件python 和R 来进行数据分析。适合未来有志于从事数据分析方向职业的研究生，背景可以来自于数学、信息、以及其他交叉学科。
预修课程
运筹学、最优化、数理统计学，一门程序设计语言
大纲内容
第一章 数据科学概论 4学时
第1节 什么是数据科学？
第2节 数据的数学表示
第二章 数据建模原理 6学时
第1节 最大似然模型
第2节 贝叶斯模型与最大后验概率
第3节 数据建模的三个层次
第三章 数据的可视化、简化与降维 6学时
第1节 数据的简化原理与计数分析
第2节 降维的优化模型
第3节 线性降维与扩展
第4节 非线性降维的优化方法
第5节 降维的稀疏优化
第6节 聚类的优化模型
第四章 数据的关联建模 8学时
第1节 刻画相关关系
第2节 联合概率列联表
第3节 相关与因果
第4节 互信息熵
第5节 条件相关与条件互信息熵
第6节 线性回归分析
第7节 逻辑回归分析
第8节 相关性的微分方程刻画
第五章 数据的集成建模 8学时
第1节 数据集成的优化框架
第2节 朴素贝叶斯与贝叶斯网络集成
第3节 集成数据的一致优化
第4节 多层次复杂数据集成方法
第六章 网络数据的建模 8学时
第1节 图论复杂网络的数学基础
第2节 网络数据的分析
第3节 网络推断的的优化模型
第4节 网络模块探测的生成模型与优化方法
参考书
1、 Statistical Inference George Casella、Roger L.Berger 2002 China Machine Press
2、 统计学习方法 李航 2019 清华大学出版社
3、 Biological Sequence Analysis：Probabilistic Models of Proteins and Nucleic Acids Richard Durbin、Sean R.Eddy、Anders Krogh、Lyngby、Graeme Mitchison 1998 Cambridge University Press
4、 Convex Optimization Stephen Boyd and Lieven Vandenberghe 2016 Cambridge University Press
5、 The Elements of Statistical Learning: Data Mining Inference and Prediction Second Edition Trevor Hastie、Robert Tibshirani and Jerome Friedman 2016 Springer Series in Statistics
6、 Biomolecular Networks: Methods and Applications in Systems Biology Luonan Chen、Ruisheng Wang and Xiang-Sun Zhang 2009 John Wiley & Sons
课程教师信息
略
多个体系统理论
课程编码：071101M05002H 英文名称：Multi-Agent Systems 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：陈鸽
教学目的要求
本课程为系统理论学科各专业博士、硕士研究生的专业课，同时也可作为复杂系统相关领域研究生的选修课。多个体系统理论有广泛的应用背景，体现了复杂系统的主要特征，多个体系统建模已经成为复杂系统的主要建模方式。多个体系统研究涉及几乎所有自然科学领域甚至经济、社会科学研究的基础，属于复杂系统的最重要的研究领域。但多个体系统的研究仍处于不成熟的阶段，还没有统一和成熟的理论体系，目前国际上尚无系统权威的完整教材，因此这门课将根据当时的研究发展，及时修改和补充最新的研究成果，与时俱进。通过本课程的学习，希望学生：1）学习多个体系统的特点，通过具体实例学习如何建立多个体系统模型；2）认识和理解多个体系统的集体行为，并能掌握集体行为分析的一些工具和方法，包括计算机模拟方法。
预修课程
略
大纲内容
第一章 课程简介和复杂系统研究简介 2学时 陈鸽
第1节 课程简介和复杂系统研究简介
第二章 两种建模方式的比较 2学时 陈鸽
第1节 两种建模方式的比较
第三章 一个经典MAS: 元胞自动机 2学时 陈鸽
第1节 一个经典MAS: 元胞自动机
第四章 Netlogo计算机模拟设计 9学时 陈鸽
第1节 Netlogo计算机模拟设计
第五章 多主体系统集体行为分析和干预 陈鸽
第1节 多主体系统集体行为 2学时
第2节 多主体系统集体行为分析-Vicsek’s 模型的同步分析 2学时
第3节 多主体系统集体行干预 2学时
第六章 多体系统的优化和分析 3学时 陈鸽
第1节 多体系统的优化和分析
第七章 复杂网络 4学时 陈鸽
第1节 复杂网络
第八章 进化计算和遗传算法、复杂自适应系统 5学时 陈鸽
第1节 进化计算和遗传算法、复杂自适应系统
第九章 博弈和演化博弈 3学时 陈鸽
第1节 博弈和演化博弈
第十章 复杂系统思想 1学时 陈鸽
第1节 复杂系统思想
第十一章 总结 1学时 陈鸽
第1节 总结
第十二章 考试 2学时 陈鸽
第1节 考试
参考书
课程教师信息
略
社会计算与社交网络分析
课程编码：0839X2M05005H 英文名称：Social Computing and Social Network Analysis 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：周川等
教学目的要求
社会媒体在政治经济活动和人们日常生活中发挥作用日益增大,成为近年来的研究热点之一。在本门课程中,我们从网络要素、结构社区、影响传播、用户行为等几个方面,讲授社会计算和社交网络分析中的一些重要思想、理论结果和算法。本课程是计算机科学与技术学科博士和硕士生设立的专业普及课,同时也可作为管理科学和数学学科博士和硕士生的选修课。通过本课程的学习, 希望学生除了掌握一些基本方法和技巧之外, 对社会计算和社交网络分析的近代发展和研究趋向有所了解, 为进一步从事专业研究打下基础。
预修课程
线性代数,概率统计
大纲内容
第一章 引言 2学时
第1节 社会计算简介
第2节 社会媒体与社交网络
第3节 社交网络的表示与性质
第4节 社会媒体上的数据挖掘
第5节 社会媒体挖掘的意义
第6节 社会媒体挖掘的挑战
第7节 本课程关注的社会计算任务有哪些？
第8节 课程设置
第二章 复杂网络的图要素 3学时
第1节 复杂网络与图
第2节 图的基础知识
第3节 图的表示
第4节 图的类型
第5节 图上的通路
第6节 图的连通性
第7节 特殊图
第8节 图算法
第三章 复杂网络度量 3学时
第1节 中心性度量
第2节 传递性和相互性
第3节 相似性
第4节 联系的强度
第四章 复杂网络模型 2学时
第1节 真实世界网络的属性
第2节 随机图模型
第3节 小世界模型
第4节 优先链接模型
第五章 网络表示学习 2学时
第1节 背景
第2节 网络嵌入
第3节 图神经网络
第六章 主题模型 4学时
第1节 贝叶斯概率
第2节 概率图模型
第3节 EM算法
第4节 MCMC方法和Gibbs采样
第5节 主题模型引言
第6节 主题模型的内容框架
第7节 概率隐形语义索引
第8节 LDA主题模型
第七章 话题发现与演化 2学时
第1节 引言
第2节 话题发现的模型和算法
第3节 话题演化简介
第八章 社会媒体信息传播 3学时
第1节 引言
第2节 信息传播影响因素
第3节 基于网络结构的传播模型
第4节 基于群体状态的传播模型
第5节 基于信息特征的传播模型
第6节 热度预测方法
第7节 网络扩散源推断
第8节 影响最大化问题
第九章 社交推荐系统 2学时
第1节 引言
第2节 传统推荐算法
第3节 社会化推荐算法
第4节 推荐系统评估
第十章 文本情感分析 1学时
第1节 引言
第2节 情感分析历史
第3节 情感分析应用
第4节 情感定义及分类
第5节 基于情感词典及其语义规则的情感分析技术
第6节 基于监督学习的情感分析技术
第十一章 社交网络人物分析 3学时
第1节 社交网络数据采集
第2节 用户行为分析
第3节 影响力分析
第4节 跨社交网络账号识别
第十二章 社交网络社区分析 4学时
第1节 网络与社区
第2节 社交网络社区发现方法
第3节 社区的演化与评价
第4节 社区发现方法的评价
第十三章 社交网络链路预测 2学时
第1节 链路预测的意义
第2节 链路预测问题描述及其评价方法
第3节 链路预测的方法
第4节 链路预测的展望
第十四章 社交网络的安全 3学时
第1节 社会媒体谣言的分析与识别
第2节 社会媒体虚假评论的生成与识别
第3节 Fake News的识别
第十五章 数据可视化 3学时
第1节 数据可视化概述
第2节 视觉感知与认知
第3节 数据可视化
第十六章 课程总结 1学时
第1节 内容回顾
第2节 习题解析
参考书
1、 在线社交网络分析 方滨兴 等编 2014年11月 电子工业出版社
课程教师信息
周川,男,中国科学院数学与系统科学研究院，副研究员、博士生导师,中国科学院大学网络空间安全学院副教授,中科院青年创新促进会会员。2013年博士毕业于中科院数学院。研究方向为社交网络分析与图挖掘,发表论文90余篇,申请专利12项。曾获2014年度中科院优秀博士学位论文奖、ICCS-14最佳论文奖、IJCNN-17最佳学生论文奖。承担2项国家自然科学基金、3项国家重点研发计划子课题。多次担任AAAI、IJCAI、SDM等国际会议的PC,担任JCR二区期刊IEEE Access副主编,是IEEE TKDE、ACM TKDD等国内外有影响学术期刊的审稿人。担任中国计算机学会（CCF）高级会员、中国中文信息学会（CIPS）青年工作委员会委员和社会媒体处理专委会通讯委员。
