清华计算机教学计划

原文:http://hxinguo919.blog.163.com/blog/static/95246157200882310245247/


课程分类:

数学基础课:
  (1)必修课:一元微积分 多元微积分 高等微积分  几何与代数 随机数学方法 复变函数引论 
  (2)必修学分: 离散数学 数理方程引论 应用随机过程 泛函分析 流形上的微积分 初等数论与多项式 应用统计(至少2门以上,离散数字很重要)          

自然科学基础
   (1)必修课:大学物理,物理实验
   (2)必修学分:量子与统计 统计力学 现代生物学导论 近代物理 高新技术中的物理(任选一门)

学科基础课:先修数据结构,再修程序设计
    (1)必修:信息科学技术概论,程序设计课组(计算机语言及程序设计,程序设计基础) 
    (2)必修学分:       数据结构课组:                数据结构  数据结构与算法
                                    信号课组:                       信号与系统  信号处理原理  信号与系统分析
                                    计算机原理课组:             微机原理  计算机组成原理  计算机原理及应用
                                     程序训练课组:                Java程序设计与训练    程序设计与训练

专业核心课:
计算机科学与技术专业核心课程: 操作系统 计算机系统结构 编译原理 计算机网络 形式语言与自动机 嵌入式系统 人工智能
计算机软件专业核心课程:编译原理 操作系统 计算机网络 数据库原理 软件工程 软件系统设计
软件科学实验班核心课程:程序设计与算法基础 操作系统 理论计算机科学 密码及安全计算 分布式计算

其中操作系统 编译原理  计算机网络  程序设计与算法基础为公修课

专业限选课组(至少两到三门)
计算机系统结构:微计算机技术 数字系统设计自动化 VLSI设计导论 网络编程与计算技术 通信电路 通信原理课组 网络安全
计算机软件与理论:初等数论  高性能计算导论  数据库系统概论  软件开发方法  软件工程
计算机应用技术:人工智能导论 模式识别 数字图象处理 多媒体技术基础及应用 计算机图形学基础 计算机实时图形和动画技术 系统仿真与虚拟现实 现代控制技术 信息检索,电子商务平台及核心技术 数据挖掘 机器学习概论 人机交互理论与技术 人工神经网络 理论计算机学 信号处理原理 系统分析与控制


教学计划:
大一:离散数字1,信息科学技术概论,程序设计课组,多元微积分

大二:高等微积分,复变函数引论,数理方程引论,离散数学2,随机数学方法,概率论与数理统计,系统分析与控制(考查)
此外,计算机原理课组、数据结构课组和信号课组中跨组选3门。自学汇编语言程序设计,Java程序设计与训练。

大三上学期:信号处理原理,理论计算机学,形式语言与自动机,编译原理,人工智能导论

选修1门以上:数据库系统概论,人工神经网络,VLSI设计导论,网络编程与计算技术,人机交互理论与技术

大三下学期:操作系统 计算机网络原理 计算机系统结构

选修1门以上:数字系统设计自动化 多媒体技术基础及应用  模式识别  初等数论 微计算机技术  计算机图形学基础 软件工程
大四上学期:嵌入式系统,计算机网络专题训练

选修3门以上:高性能计算导论  数字图像处理  电子商务平台及核心技术  计算机实时图形和动画技术 信息检索  系统仿真与虚拟现实  数据挖掘  软件开发方法  计算机网络安全技术  机器学习概论  网络计算 媒体计算
   
总结:先学离散数字,然后学数据结构,再学计算机原理和信号处理.了解系统分析与控制,再学编译原理 操作系统 计算机网络  数据库原理  程序设计与算法基础等。

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值