为扎实推进“一流学科”建设，提升学院国际办学能力，有效促进学生本土国际化发展，计算机学院将于2021年6月26日至7月16日邀请世界名校教师开展“暑期国际学堂”，现公布部分线下课程信息及选课方式：
【课程一】
课程名称：因果机器学习 Causal machine learning
课程编码：U10M12035S
课程简介：本课程旨在介绍因果机器学习的基础概念和方法，帮助学生从观测和干预数据中推断因果关系。本课程内容包括反事实、混淆和选择偏差等概念，以及多种估计因果效应的方法。通过学习本课程，学生将了解因果关系推断的重要性，掌握因果机器学习的核心理论和实践技能，并能够运用这些方法解决实际问题，并批判性地评估科学研究中提出的因果假设。
时间安排：7月10日——7月13日 第1-4节
学时：16学时 / 1学分
课程联系人：徐璐
课程QQ群：
【课程二】
课程名称：深度学习中的高效计算方法 Efficient Computing of Deep Neural Networks
课程编码：U10M12038S
课程简介：深度神经网络(DNN)的高计算需求加上它在云和物联网平台上的普遍性，导致专用硬件和软件技术的发展，以加速 DNN 的执行成为重要的研究课题。本课程将介绍支持 DNN 高效应用和计算的技术。本课程将首先介绍 DNN 综述，然后介绍支持 DNN 的各种框架和体系结构，以及计算平台上的实现和优化。通过这门课的学习，学生能够了解深度学习神经网络架构、神经网络决策过程和算法以及神经网络的高效推理计算。
课程要求：这门课程有关深度学习模型的压缩、剪枝、量化，以及高效的网络架构设计和针对深度学习框架的软件优化，需要学生具备c/c++编程语言和数据结构的基本知识。
时间安排：6月27日——6月30日 第1-4节
学时：16学时 / 1学分
课程联系人：王家璇
课程QQ群：
【课程三】
课程名称：集成电路设计前沿 Frontier of integrated circuit design
课程代码：U10M12037S
课程简介：本课程除介绍电子设计自动化的基础知识外，也针对其中极为重要的物理设计阶段做系统性的介绍。在本课程中，我们将学习电子设计自动化的基础算法，并介绍电路分割、平面规划、芯片布局和布线的核心算法。
课程目标：本课程将教导学生如何开发集成电路物理设计的技术/算法(关于如何将电路描述转换为几何描述)，同时，也能学习到纳米工艺效应及其对物理设计工具开发的影响，最终掌握到发现并学习解决电子设计自动化领域相关问题的技术。
上课时间：6月26日——6月29日 第1-4节
学时：16学时 / 1学分
课程联系人：王家璇
课程QQ群：
【选课方式】
1.本科生：
直选选课：6月12日9：00——6月16日12：00；
补选选课：6月26日9：00——6月29日17：00（系统中申请）
正选阶段选中的课程仅受理一般退课。补选课程原则上不允许退课。
2.研究生
选课时间：6月13日——6月25日。
选课方式：“翱翔门户”--“研究生教育”--“暑期学堂”--“选课”界面选课。
详细课程信息可加入各课程群进行咨询，课程群二维码位于各课程介绍后。（选课同学请务必及时进群）
