学科前沿讲座课程总结与感悟

0 写在前面

　　本文记录了两个月以来8场学科前沿技术讲座的课程总结与感悟。

　　学院请到了很多厉害的教授以及企业的专家和学者，讲座的方向多以大数据和人工智能为主，作为计算机科学专业的学生，时刻保持对行业发展前沿领域的关注，我认为是十分必要的。

1 课程感悟

　　经过近两个月的讲座课程的学习，我对计算机科学的学术前沿内容有了更多、更深入的理解和感悟。

　　讲座的内容很充实，形式也十分丰富，讲座的主题也涵盖了包括但不限于数据库原理、大数据、人工智能等等。我认为，在本科三年级的这个阶段，在核心专业课基础知识-包括数据结构与算法、计算机组成原理、编译原理、操作系统、面向对象等-已经熟练掌握得十分牢固的前提下，应该把目光放得长远。

　　在邹欣老师的《构建之法》一书的前言中有所提到：

　　学校想培养什么样的学生，是世界一流，中国一流，还是本省二流？有什么样的期望，就要有什么样的课程设计。

　　作为北航的一名本科生，应该将成为国际一流人才作为自己的培养目标，而要成为这样的人才，就需要用国际一流的标准去要求自己。

　　所以，能够在这个本科生涯即将告一段落、即将步入社会的重要关键节点，学院为我们开设这样一门课程，并请到了李波老师、马殿富老师、邹欣老师、马帅老师等等为我们深入地剖析当前计算机科学与技术的前沿知识，是我在这一学期的一大幸运。

　　在众多精彩的讲座中，最吸引我的主题，非人工智能相关的话题莫属。一方面，是今年来，人工智能浪潮来袭，使人工智能技术再一次到达顶峰，与人工智能有关的内容成为炙手可热的话题。另一方面，也是我本人，对于人工智能领域的前沿技术的热爱，让我对老师们精彩的演讲产生了浓厚的兴趣。因此，若要在这短短五千字的报告中，用简洁凝练的语言，来表达我的感悟的话，那么我最想表达的内容，必定是我对于人工智能前沿技术的体会与心得。

　　人工智能在历史上曾经历三起三落，现在正是人工智能技术走上坡路的时期，这一点是不难解释的，那就是数据量的不断增长、数据硬件存储能力的扩增以及数据计算能力的提升与计算成本的降低，为机器学习的算法实现提供了无限可能。

　　另外，随着理论研究的不断深入，机器学习在传统领域的基础上，又扩展出了多个分支—强化学习、深度学习、多任务学习，等等。应用领域也得以扩展，从数据挖掘、图像检测、模式识别到自然语言处理等等，可以说机器学习已经遍及到人们生活的方方面面。

　　讲座中所学到的内容与知识都是静态的，而只有将这些知识，实际运用起来才能让其变得生动灵活。正如马尔科姆•格拉德威尔在他的《逆转：弱者如何找到优势，反败为胜》一书中所提到的，如果一直停留在理论层面上去分析问题的话，那么有利局势的天平将很难朝你的一侧倾斜。因此，只有在真正的实践中，才能体会到讲座中，老师们所向我们介绍的人工智能的神奇力量。为此，我亲自尝试了人工智能的两个具体的应用，并用机器学习的方法，解决了实际生活中的问题，这一过程让我感触颇深，也是我在这门课中收获最大的地方。

　　第一个实践是运用多任务学习的方法，尝试解决了一类商业选址