| 课程号 |
04835490 |
学分 |
2 |
| 英文名称 |
Advanced Topics in Computer Science |
| 先修课程 |
无。 |
| 中文简介 |
本课程涉及计算机学科多个领域，由北大计算机学院的多位知名教授共同讲授，课程内容包括程序设计语言概览、算法设计与复杂性理论、计算机视觉、操作系统、智能视频传输、计算摄像学、人工智能系统实践、具身智能、软硬件协同设计优化、网络计算与分布式系统、开源数据分析以及普适计算和情境感知。课程理论和实践并重，将设置多个实验和操作环节。通过本课程的学习，学生基本掌握编程语言发展、量子算法、深度学习应用、操作系统原理、视频传输优化、计算摄像学基本概念、人工智能系统构建、智能机器人原理、软硬件设计协同优化、现代自适应计算、网络计算技术、开源数据分析以及普适计算的愿景和无线传感技术应用等计算学科各个领域的核心原理与方法，获得相关领域的实践经验，提高创新意识和实践能力。本课程的各部分内容概要介绍如下：
1. 程序设计语言概览：介绍编程语言的发展、技术、未来方向。
2. 算法设计与复杂性理论：涉及传统算法、量子计算趋势下的算法设计，联结理论计算机科学与量子计算的研究，并探讨其与机器学习和优化的关系。
3. 计算机视觉：介绍重要模型与算法，深度学习在其中的应用，以及面对开放环境的计算机视觉挑战，包括大量数据域偏移和新类别动态出现。
4. 操作系统：概述操作系统，讨论核心概念、原理以及最新发展和前沿，课程实践包含操作系统编程作业。
5. 智能视频传输：探讨提升视频流服务与体验质量的关键技术，如预测视频内容流行度、网络带宽动态变化表征、对象检测等，为 5G 时代视频内容消费者提供更好服务。
6. 计算摄像学：介绍计算摄像学的基本概念、研究趋势、数字图像形成以及数码相机工作原理，并包含与成像基本原理相关的课程实践练习。
7. 人工智能系统实践：涵盖问题建模、数据获取、预处理、调参、部署和维护等技术，通过现实人工智能系统实例展示系统构建全流程所需的关键知识和工具。
8. 具身智能：介绍具身智能或智能机器人的基本概念和关键要素，涵盖感知、决策、执行等方面，以及相关技术趋势和未来发展。
9. 软硬件协同设计优化：探讨硬件和软件组件的协同设计原则，强调提高性能和效率，学生将参与实践项目设计系统。
10. 现代自适应计算：介绍现代自适应计算的芯片架构、编译技术、编程接口等，以及其作为系统原型研究平台的典型案例。
11. 网络计算与分布式系统：介绍在网络计算的原语，降低网络流量和时延，提升系统效率的设计、管理、应用编程模型等。
12. 开源数据分析：讨论开源软件及其开发复杂性，以及挖掘数据揭示开源规律的量化分析技术和建立智能工具控制复杂系统及其开发的方法。
13. 普适计算和情境感知：介绍普适计算的愿景、历史、研究原则和情境感知计算，涵盖无线传感作为新的情境感知计算研究领域。
|
| 英文简介 |
Students will explore programming language development, traditional and quantum algorithm design, deep learning applications in computer vision, challenges in open-world computer vision, operating system core principles, video streaming optimization techniques, computational photography concepts, AI system construction, embodied intelligence principles, hardware-software co-design principles, adaptive computing, network computing, open-source software complexities, and the vision of ubiquitous computing with wireless sensing applications. The course includes practical experiments and hands-on activities to master core principles and methods, enhance practical skills, and foster innovation.
1. An Overview of Programming: Introducing the evolution, technologies, future directions of programming languages, and the related professors at Peking University.
2. Algorithm Design and Complexity Theory: A Modern Perspective: Covering traditional and quantum algorithm design, bridging theoretical computer science with quantum computing, and exploring its relations with machine learning and optimization.
3. Computer Vision in the Open World: Presenting important models, algorithms, and deep learning applications in computer vision, addressing challenges in open environments, including data domain shifts and emerging categories.
4. Operating Systems: Overviewing core concepts, principles, recent developments, and including an operating system programming assignment.
5. Video Streaming with AI: Exploring key technologies enhancing video streaming services, such as predicting video content popularity, dynamic bandwidth characterization, object detection, to deliver better services in the 5G era.
6. Computational Photography: Introducing fundamental concepts, research trends, digital image formation, and the working principles of digital cameras, including course practice exercises related to imaging fundamentals.
7. Artificial Intelligence System Practice: Covering techniques in problem modeling, data acquisition, preprocessing, tuning, deployment, and maintenance, showcasing real-world AI system examples to demonstrate the required knowledge and tools for system construction.
8. Embodied Intelligence: Introduces the fundamental concepts and essential components of embodied intelligence or intelligent robots, encompassing aspects like perception, decision-making, execution, and discussing related technological trends and future developments.
9. Software/Hardware Codesign & Optimization: Explores the principles of collaborative design between hardware and software components, emphasizing the enhancement of performance and efficiency. Students will engage in practical projects to design systems.
10. Tutorial on Modern Adaptive Computing: Introduces modern adaptive computing chip architectures, compilation techniques, programming interfaces, and illustrates typical use cases as a platform for system prototyping and research
11. Accelerating Distributed Systems with In-Network Computing: Presents the primitives of network computing, focusing on reducing network traffic and latency, improving system efficiency through the design, management, and application of programming models in network computing.
12. Open-source Data Analytics: Explores the complexities of open-source software development, quantitative analysis techniques to reveal patterns in open-source systems, and establishes intelligent tools to control complex system development through data mining.
13. Ubiquitous Computing and Context Awareness: Outlines the vision, history, research principles of ubiquitous computing, emphasizing context-aware computing, including wireless sensing as a novel research field in context-aware computing.
|
| 开课院系 |
信息科学技术学院 |
| 通选课领域 |
|
| 是否属于艺术与美育 |
否 |
| 平台课性质 |
|
| 平台课类型 |
|
| 授课语言 |
英文 |
| 教材 |
|
| 参考书 |
|
| 教学大纲 |
该课程旨在通过多位资深教授的授课，帮助留学生深入探索计算机领域的前沿研究内容，激发他们的学术热情。通过课程学习，留学生将全面了解计算机科学领域的最新进展，进而增强其对学术研究的兴趣和动力。这将有助于吸引更多有志于深造的留学生选择报考计算机学院的硕士和博士项目，同时也将有助于提升学院的国际声誉，扩大其在全球学术界的影响力。
1. 程序设计语言概览： 3学时
2. 算法设计与复杂性理论： 2学时
3. 计算机视觉： 3学时
4. 操作系统： 3学时
5. 智能视频传输： 3学时
6. 计算摄像学： 3学时
7. 人工智能系统实践： 3学时
8. 具身智能： 3学时
9. 软硬件协同设计优化： 3学时
10. 现代自适应计算： 2学时
11. 网络计算与分布式系统： 3学时
12. 开源数据分析： 3学时
13. 普适计算和情境感知： 3学时
本课程涉及计算机学科多个领域，课程理论和实践并重，将设置多个实验和操作环节。通过本课程的学习，学生基本掌握编程语言发展、量子算法、深度学习应用、操作系统原理、视频传输优化、计算摄像学基本概念、人工智能系统构建、智能机器人原理、软硬件设计协同优化、现代自适应计算、网络计算技术、开源数据分析以及普适计算的愿景和无线传感技术应用等计算学科各个领域的核心原理与方法，获得相关领域的实践经验，提高创新意识和实践能力。本课程的各章节内容如下：
第一章为程序设计语言概览：将概述编程语言的发展，讨论其动机、发明的主要技术和未来方向。
第二章为算法设计与复杂性理论：算法分析与复杂性理论是计算机科学中最基本的方向之一。自计算机科学研究开始以来，传统算法已被广泛研究，但在当前量子计算的趋势下，量子算法的设计仍研究较少。本章将讲述连接了理论计算机科学与量子计算这两个领域的研究。更具体地说，将简要介绍在机器学习和优化方面的量子算法的一些前沿发展，并介绍它们与计算机科学总体研究的联系。
第三章为计算机视觉：本章将介绍计算机视觉的重要模型与算法，包括图片分类、物体检测、语义分割、视觉Transformer等，并重点介绍深度学习在计算机视觉中的典型应用。现实世界中的计算机视觉往往面对开放环境，存在大量数据域偏移，并有新的类别动态出现。然而已有机器视觉往往针对封闭环境，存在闭集假设和大样本假设等局限。本章将介绍一系列增强开放世界计算机视觉泛化能力，使其自动适应新环境、识别新事物的研究工作。为了加深学生对课程内容的理解，还安排了机器人真机上的动手实践内容。
第四章为操作系统：本章将将概述操作系统，讨论操作系统的核心概念和原理。还将介绍计算机系统的最新发展和前沿。其中包含一个操作系统编程作业。
第五章为智能视频传输：互联网视频内容传输已经消耗了80%以上的网络带宽。在中国观看长视频或短视频的用户数量已超过6亿。然而，高速移动接入网、骨干网络和正在建设的“边缘”网络无法满足互联网用户对视频流的需求。因此，提高在线观看视频的体验质量仍然具有挑战性。为了解决这个问题，在网络边缘使用人工智能 (AI) 技术可以极大地增强视频流服务与体验质量，例如预测未来视频内容的流行度、表征网络带宽的动态变化、以及分析网络带宽的变化以及用户行为等。关键技术包括视频内容缓存、动态比特率选择、超分辨率、对象检测、广告推荐等，这些技术为 5G时代的视频内容消费者提供更好的服务与体验质量。
第六章为计算摄像学：计算摄像学是一门融合计算机视觉、计算机图形学和计算光学的新兴交叉学科，通过在成像过程中引入计算，实现比传统相机更高性能和更多维度的视觉信息捕捉，呈现传统相机看不清、看不准、甚至看不到的内容。本章会介绍计算摄像学的基本概念、研究趋势以及数字图像的形成和数码相机的工作原理（包含一个关于成像基本原理的课程实践练习）。
第七章为人工智能系统实践：构建人工智能系统，除掌握其核心算法外，还需掌握问题建模、数据获取、预处理、调参、部署和维护等各方面技术。本章将通过若干现实人工智能系统实例，讲授在核心算法之外，构建人工智能系统全流程中所需掌握的关键知识和工具。
第八章为具身智能：本章将概述具身智能或智能机器人的基本概念和关键要素。我们将探讨感知、决策和执行这三个方面，深入了解智能系统如何感知环境、做出决策并执行相应的动作。通过本章您将对具身智能技术的基本原理有一个清晰的了解，并能够理解智能机器人在实际应用中的运作方式。还将涵盖相关的技术趋势和未来发展方向，使您能够更好地把握这一领域的动态。
第九章为软硬件协同设计优化：本章涵盖硬件和软件组件的协同设计原则，强调它们之间的协同作用，以提高性能和效率。主题包括系统级协同设计、硬件/软件接口协议和优化技术。学生将参与实践项目，从高层次的角度设计系统，同时考虑硬件和软件组件。
第十章为现代自适应计算：本章将介绍现代自适应计算的芯片架构、编译技术、编程接口等，以及其作为系统原型研究平台的典型案例。
第十一章为网络计算与分布式系统：本章将介绍一种新的提升和扩展集群效率的原语——在网计算。在网计算将应用功能卸载到网络设备上，可以降低网络流量和时延，进而提升系统整体效率。其中包含正确高效的在网计算协议的设计、集群中多在网计算实例的管理、在网计算的应用编程模型。
第十二章为开源数据分析：开源已经成为软件技术创新和软件产业发展的主要模式。开源软件及其开发非常复杂，难以理解难以控制。开源量化分析是挖掘软件数据以理解开源开发进而进行智能预测和推荐。它涉及的内容包括：对开源软件以及量化分析技术的介绍；开源开发的重要问题；如何挖掘数据揭示开源规律，如何建立智能工具帮助控制复杂系统及其开发。
第十三章为普适计算和情境感知:本章将介绍普适计算的愿景、历史、主要研究原则和主题。讲座还将介绍关键研究主题--情境感知计算，包括关键概念、主要研究领域、情境推理机制和一些应用实例。其中，无线传感将作为一个新的情境感知计算研究领域加以介绍。
课堂讲述80%，实践作业10%, 小组交流讨论5%，文献阅读5%
总结报告100%
|
| 教学评估 |
|
|