SCSE 21fall 课程
1 CE7429?Computational Intelligence: Methods & Applications
計算智能 (CI) 的靈感來自統計、模式識別、神經網絡、機器學習、模糊邏輯、進化計算、科學可視化和其他來源。
本課程涵蓋基礎理論、實現許多計算智能算法（WEKA 和 GhostMiner）的兩個軟件包的使用，以及 計算智能方法在技術、醫學和生物信息學領域數據的實際應用示例。
1.1 課程概要
計算智能概述、自適應系統的類型、學習和應用；
可視化和探索性數據分析：少變量、主成分分析（PCA）、多維尺度（MDS）、自組織映射（SOM）、平行坐標等可視化算法；
理論：學習統計方法概述、偏差-方差分解、期望最大化算法、模型選擇、結果評估、ROC曲線；
介紹 WEKA 和 GhostMiner 軟件包，介紹這些軟件包中可用的算法；
統計算法：判別分析——線性（LDA）、Fisher（FDA）、正則化（RDA）、概率數據建模、核方法；
基于相似性的方法、原型的生成、相似性函數、可分離性標準、模式識別中的結構方法；
改進計算智能模型：boosting、stacking、集成學習、元學習、用于選擇特征的信息論。
總課時數：39小時
（
????????那個computational intelligence，要做的作業好多
????????那個老師看著挺和藹的。但是聽說他會給master學生比較高的分
????????但是會給phd比較低的分
）
（
——7429難不難呀?
——都說作業多
——很麻煩，而且這學期好像有考試
）
（
?——Computational Intelligence: methods & applications這門課有人上過嘛
——三個作業一個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，不過事確實多
）
2?CE7454?Deep Learning For Data Science、
深度學習最近引入了從人類設計特征到端到端系統的范式轉變，并徹底改變了包括計算機視覺、語音識別和自然語言處理在內的多個領域。
谷歌、Facebook、微軟、蘋果、亞馬遜等頂級 IT 公司已經積極利用深度學習技術重新設計他們的產品，未來幾十年的影響將超越自動駕駛汽車、圍棋等戰略游戲和 MRI 癌癥檢測。
本課程的主要目的是介紹深度學習架構的數學基礎、最先進的架構和專業庫。
學生將學習如何設計自己的人工神經網絡來解決他們的數據分析任務。
他們還將學習如何使用 TensorFlow 和 PyTorch 高效地編寫這些新算法。 總課時數：39小時
（比較容易過）（還可以）（據說不難）
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、算法和軟件系統的高級主題。
它涉及設計問題、實現技術以及支持分布式系統實現的軟件工具和環境，旨在為研究生做好分布式系統研究的準備。
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 技術和應用程序
? 分布式協作系統
? 分布式模擬和虛擬環境
? 網格計算和 P2P 系統
? 其他分布式系統
將對真實分布式系統進行案例研究，并回顧該主題領域的最新研究文獻。
總課時數：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。
涵蓋了理論和實踐兩個方面，并對選定的問題進行了深入分析。
本課程附有基于 Matlab 的實驗室組件。
課程概要
圖像形成；
增強；
邊緣檢測；
插值；
顏色處理；
頻域處理；
恢復和重建；
小波處理；
圖像和視頻壓縮；
形態學操作；
圖像分割與表示；
物體識別
總課時數：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：
數字系統和誤差分析、收斂性和準確性。
算法和數據結構，軟件工程原理。
函數和導數。
近似。
插值和正交。
特征值問題。
方程組。
優化。
ODE 和 PDE 的數值解。
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、技術和概念極大地改變了企業在供應鏈、物流、制造和服務運營方面的運作方式。 如果使用得當，定量方法對提高幾乎所有公司的競爭力都有巨大的影響。 本課程旨在為學習者提供基本的定量技術，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：
- 供應鏈工程研究生證書
- 供應鏈工程中的 MiniMastersTM
在課程結束時，學習者能夠應用物流決策所需的各種分析方法。
課程內容
概率和統計概念。
抽樣方法。
統計推斷：估計、假設檢驗。
擬合優度測試。
非參數程序。
回歸分析。
解決物流問題的優化技術。
線性和整數規劃。
網絡流量分析。
排隊論。
計算機應用。
7 離散方法 (MAS711)
教學大綱：
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。
網絡流，Ford-Fulkerson 算法，增廣路徑定理，最大流-最小割定理，最小成本流，網絡單純形算法。
線性規劃、對偶定理、多面體的結構、極值點、單純形算法。
枚舉； 圖和網絡算法； 有限域和應用； 布爾代數； 多面體和線性規劃； 算法復雜度
8. 算法與計算理論（MAS714）
教學大綱：圖靈機、可判定性、時間復雜度、空間復雜度、算法設計與分析（貪心、分治、動態規劃）、圖算法、網絡流、逼近算法。
9?K6308 商業智能
企業環境中的商業智能：應用程序、系統和流程。
競爭者、競爭和社會智力的特征。
商業智能和增長機會：政治、經濟和社會環境。
商業智能戰略和系統。
各種環境中的商業智能：產品、客戶和供應商。
Internet 和基于 Web 的智能。
與商業智能相關的道德問題。
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劃和決策的管理。
信息在社會中的重要性。
學習型組織中的信息管理。
組織中的信息需求和信息搜索。
機構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。
信息在戰略規劃中的作用。
通過競爭對手情報、商業情報、社會情報和“大數據”來源的使用收集信息。
信息產品和服務的營銷。
信息管理活動的外包。
組織信息審計。
11 CI6227 數據挖掘
本課程圍繞通過數據挖掘的知識發現過程展開。 學生將學習所涉及的適當統計技術，并親自操作數據挖掘軟件和工具。 他們還將開始將數據挖掘應用于復雜的數據類型。
CI6227 數據挖掘 3.0 AU 知識發現過程。 數據準備包括數據清理、異常值分析和轉換。 統計技術：回歸建模、多元統計、統計推斷。 監督和無監督學習技術，包括決策樹歸納、最近鄰分類、聚類分析、關聯分析、支持向量機、貝葉斯學習和神經網絡。 數據挖掘軟件和工具。 數據挖掘在復雜數據類型中的應用。
總結
以上是生活随笔為你收集整理的SCSE 21fall 课程的全部內容，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