English

通知公告

2025年计算机学院暑期国际学堂选课通知

2025年06月04日  


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2025623日至713日邀请世界名校教师开展“暑期国际学堂”,现公布课程信息及选课方式:


课程信息

序号

课程名称(中/英文)

授课专家姓名

工作单位

开课时间

1

计算机视觉与人工智能/

Computer vision and AI

Sergey V. Ablameyko

白俄罗斯国立大学

6.25-6.26

2

数字法律/

Digital law

Maria Ablameyko

白俄罗斯国立大学

6.23-6.26

3

微流控生物芯片设计自动化(英)/
Design automation for microfluidic biochips

何宗易

香港中文大学

7.7-7.8

4

可信人工智能/
Trustworthy AI

张愉

澳大利亚格里菲斯大学

6.23-6.30

5

深度学习中的高效计算方法/
Efficient Computing of Deep Neural Networks

余备

香港中文大学

6.23-6.26

6

医疗数据分析/
Medical Data Analysis

周志国

美国明尼苏达大学

6.23-7.4

7

数据管理系统/
Data Base management System

Gulzat turken

阿里·法拉比哈萨克国立大学

6.23-6.26

8

机器学习和自然语言处理/

Machine Learning and Natural Language Processing (NLP)

Irina Ualiyeva

阿里·法拉比哈萨克国立大学

6.23-6.26

9

深度学习与物理建模/

Deep Learning Meets Physics

Symbat Kabdrakhova

阿里·法拉比哈萨克国立大学

6.23-6.26

10

人类信息学/
Human Informatics

武博

东京工科大学

6.28-7.6

11

人工智能数据分析/
Data Analysis with AI

Kwoh Chee Keong

南洋理工大学

6.23-6.27

12

AI在医学信号处理中的数学方法/

Mathematical methods and algorithms of artificial intelligence for the processing of medical signals

Zukhra Abdiakhmetova

阿里·法拉比哈萨克国立大学

6.23-6.26


课程一:

课程名称:

计算机视觉与人工智能Computer vision and AI

课程简介:本课程整合了人工智能(AI)数据分析和计算机视觉的核心技术,涵盖了经典的机器学习算法、深度学习架构和视觉任务应用。通过理论讲解和案例实践,学生将掌握数据预处理、模型构建和图像/视频分析技能,并了解人工智能在跨学科场景(如智能系统、视觉感知)中的价值。

时间安排:

1周 周三 第一节-第四节 长安校区 教东C-312

1周 周四 第一节-第四节 长安校区 教东C-312

学时:8学时/0.5学分

课程QQ群:


课程二:

课程名称:数字法律 Digital law

课程简介:本课程主要涵盖人工智能与法律交叉领域的内容,重点探讨数字国家、电子政务、智慧城市、人工智能、网络安全及个人数据保护等方面的法律问题。课程内容包括人工智能的法律规制、数据隐私保护、跨国法律比较、以及人工智能带来的风险与法律应对等。通过学习,学生将深入理解人工智能技术在各行业中的应用与法律挑战,掌握如何从法律角度分析并应对技术发展带来的伦理和安全问题。学习本课程后,学生将具备分析人工智能技术及其法律规范的能力,能够识别和评估相关法律风险,并提出切实可行的解决方案。同时,学生将能应对跨国法律差异,具备在数字化与人工智能迅速发展的环境中,运用法律框架解决实际问题的能力。

时间安排:

1周 周一 第一节-第四节 长安校区 教东C-509

1周 周二 第一节-第四节 长安校区 教东C-509

1周 周三 第一节-第四节 长安校区 教东C-509

1周 周四 第一节-第四节 长安校区 教东C-509

学时:16学时/1学分

课程QQ群:

课程三:

课程名称:

微流控生物芯片设计自动化英)

Design automation for microfluidic biochips

课程简介:本课程将介绍微流体生物芯片的背景知识,设计自动化算法及优化与微流体生物芯片之关联性,基于电润湿驱动的基于液滴的“数字”微流控和基于微阀技术的基于流动的“连续”微流控。此次,介绍系统级综合,包括操作调度和资源绑定算法,以及物理级综合,包括布局和布线优化。最后,还将介绍控制综合和基于传感器反馈的网络物理适应。通过这种方式,学生将看到“生物芯片编译器”如何将用户提供的协议描述转换为一组优化且可执行的流体指令,以及这些指令如何在底层微流体平台执行,最后讨论开源微流控生态系统的现状和未来挑战。

时间安排:

3周 周 -第四节 长安校区 教东C-509

3周 周 第七节-第十节 长安校区 教东C-509

3周 周二 第-第四节 长安校区 教东C-509

3周 周二 第七节-第十节 长安校区 教东C-509

学时:16学时/1学分

课程联系人:徐绍倡

课程QQ群:


课程四:

课程名称:

可信人工智能 Trustworthy AI

课程简介:本课程深入探讨构建可靠人工智能系统所涉及的技术层面,旨在揭示其基本原理与方法论。课程内容涵盖安全性与鲁棒性、公平性与偏差、透明性与可解释性、隐私保护与数据安全,以及相关法规与标准,帮助你在前沿创新与负责任发展之间找到微妙的平衡点。通过真实案例分析与沉浸式实践操作,你将掌握构建可信AI系统的核心能力,不仅能有效保护隐私、减少偏差,还能在用户与利益相关方之间建立起坚实的信任基础。

时间安排:

1周 周一 1-4 长安校区 教东B1-305

1周 周二 1-4 长安校区 教东B1-305

1周 周四 1-4 长安校区 教东B1-305

1周 周五 1-4 长安校区 教东B1-305  

学时:16学时/1学分

课程QQ群:


课程

课程名称:

深度学习中的高效计算方法

Efficient Computing of Deep Neural Networks

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。

时间安排:

1周 周 第一节-第四节 长安校区 教东C-211

1周 周二 第一节-第四节 长安校区 教东C-211

1周 周三 第一节-第四节 长安校区 教东C-211

1周 周四 第-第四节 长安校区 教东C-211

学时:16学时/1学分

课程联系人:丁榕

课程QQ群:


课程

课程名称:医疗数据分析Medical Data Analysis

课程简介:本课程为应用数学模型和人工智能算法分析医学信号提供了全面的基础,将核心信号处理技术与现代机器学习方法结合。学生将学习使用离散时间信号分析、随机过程建模和频谱估计方法来处理生理数据(ECG、MRI)。本课程将传统数字滤波(IIR/FIR 设计)与机器学习框架(包括监督学习、神经网络和 CNN 等深度学习架构)结合。关键组件着重于通过使用 Python/MATLAB 的实践项目来关注疾病检测、健康事件预测和生理参数估计等临床应用。本课程强调验证方法,包括 ROC 分析、交叉验证技术和生物医学系统的绩效指标。参与者将获得处理真实世界数据集的经验,例如癫痫发作检测、睡眠呼吸暂停分析和穿戴式设备的活动识别等任务。

时间安排:

1-2周 周一 第七节-第九节 长安校区 教东B1-104

1-2周 周二 第七节-第九节 长安校区 教东B1-104

1-2周 周三 第七节-第九节 长安校区 教东B1-104

1周 周四 第七节-第九节 长安校区 教东B1-104

1周 周五 第七节-第九节 长安校区 教东B1-104

1周 周六 第七节-第九节 长安校区 教东B1-104

1周 周日 第七节-第九节 长安校区 教东B1-104

2周 周四 第七节-第八节 长安校区 教东B1-104

课程QQ群:

课程

课程名称:数据管理系统 Data Base management System

课程简介:本课程介绍数据库管理系统的基本概念、体系结构、数据建模、关系数据库设计、SQL查询语言及事务管理。学生将学习如何设计、实现和管理数据库系统,掌握数据一致性与安全性的重要知识。通过实际项目练习,提升数据库应用能力。

时间安排:

1周 周一 第七节-第十节 线上授课

1周 周二 第七节-第十节 线上授课

1周 周三 第七节-第十节 线上授课

1周 周四 第七节-第十节 线上授课

学时:16学时/1学分

课程联系人:习嘉琪

课程QQ群:

课程

课程名称:

机器学习和自然语言处理

Machine Learning and Natural Language Processing (NLP)

课程简介:本课程介绍机器学习方法,重点介绍它们在自然语言处理(NLP)中的应用。学生将学习分类和文本分析的关键算法,探索文本预处理和特征提取技术,并获得实现NLP任务机器学习模型的实用技能。通过指导项目和案例研究,重点放在理论基础和实践经验上。

时间安排:

1周 周一 第一节-第四节 长安校区 教东C-309

1周 周二 第一节-第四节 长安校区 教东C-309

1周 周三 第一节-第四节 长安校区 教东C-309

1周 周四 第一节-第四节 长安校区 教东C-309

学时:16学时/1学分

课程QQ群:


课程

课程名称:

深度学习与物理建模Deep Learning Meets Physics

课程简介:本课程系统介绍了物理信息神经网络(PINNs)这一新兴的深度学习方法,旨在通过将物理定律融入机器学习过程,求解微分方程。学生将了解传统数值方法如何通过机器学习模型得到提升,从而实现物理与数据科学的交叉融合。通过讲授与实践编程训练,学生将掌握正问题与反问题的建模与求解,应用领域包括热传导、流体动力学以及可再生能源应用。完成课程后,学生将具备开发 PINN 模型、使用现代深度学习框架进行实现,并将其应用于实际科学与工程问题的能力。

时间安排:

1周 周一 第一节-第四节 长安校区 教东C-505

1周 周二 第一节-第四节 长安校区 教东C-505

1周 周三 第一节-第四节 长安校区 教东C-505

1周 周四 第一节-第四节 长安校区 教东C-505

学时:16学时/1学分

课程QQ群:


课程十:

课程名称:

人类信息学Human Informatics

课程简介:人类信息科学与计算机科学紧密相连,其研究重点在于分析创造信息的过程和设计创造信息的系统,是用来研究人类和技术之间关系等内容的一门新兴交叉学科。人类信息科学的特点在于从不同的侧面来研究信息,其研究范围包括但不限于:人类之间的信息交流、人类和信息的互相影响,人类与环境、工具的相互作用、人类从环境中获得信息时的信息处理过程等。其在促进经济发展、惠及人类生活、保障国防安全等方面,具有广泛的应用前景,也日益受到学术界、产业界和各国政府的重视。本课程将结合最新的相关技术,介绍人类信息学的基础知识和研究成果,帮助学生了解人类行为分析的基本原理和最新进展,提高学生的综合素质,拓展学生的国际视野。

时间安排:

1-2周 周六 第一节-第四节 线上授课

1-2周 周日 第一节-第四节 线上授课

学时:16学时/1学分

课程联系人:林圣博

课程QQ群:




课程十

课程名称:人工智能数据分析 Data Analysis with AI

课程简介:本课程的目的是向参与者介绍人工智能数据分析和选定的应用程序。人工智能是机器以智能方式与其环境交互的推动者。人工智能技术在各种现实场景中都得到了成功的应用,这有助于它的普及。这些成功的应用程序,以及其他应用程序,展示了人工智能在提高多个部门的效率、决策和用户体验方面的变革潜力。物联网(IoT)带来的全球复苏导致了数据量和种类的增长,这些数据在创建智能系统中的效用以及对数据价值的认识的提高极大地改变了我们的生活。人工智能使组织能够更高效地运作,利用数据预测未来和管理现在。具有人工智能的计算机系统可以执行各种任务:优化和自动化流程;提取和分类数据;分析和预测趋势/模式;加强与人类/环境的互动。

时间安排:

1周 周一 第一节-第三节 长安校区 教东C-208

1周 周二 第一节-第三节 长安校区 教东C-208

1周 周三 第一节-第三节 长安校区 教东C-208

1周 周四 第一节-第三节 长安校区 教东C-208

1周 周五 第一节-第四节 长安校区 教东C-208

学时:16学时/1学分

课程联系人:张颖珊

课程QQ群:

课程十

课程名称:

AI在医学信号处理中的数学方法

Mathematical methods and algorithms of artificial intelligence for the processing of medical signals

课程简介:本课程为应用数学模型和人工智慧演算法分析医学讯号提供了全面的基础,将核心讯号处理技术与吸纳带机器学习方法结合。学生将学习使用离散时间讯号分析、随机过程建模和频谱估计方法来处理生理数据(ECG、MRI)。本课程话将传统数位滤波(IIR/FIR 设计)与机器学习框架(包括监督学习、神经网络和 CNN 等深度学习架构)结合。着重于通过使用 Python/MATLAB 的实践项目来关注疾病检测、健康事件预测和生理参数估计等临床应用。本课程强调验证方法,包括 ROC 分析、交叉验证技术和生物医学系统的绩效指标。参与者将获得 处理真实世界数据集的经验,例如癫痫发作检测、睡眠呼吸中止分析和穿戴式装置的活动识别等任务。

时间安排:

1周 周一 第七节-第十节 长安校区 教东B2-206

1周 周二 第七节-第十节 长安校区 教东B2-206

1周 周四 第七节-第十节 长安校区 教东B2-206

1周 周五 第七节-第十节 长安校区 教东B2-206

学时:16学时/1学分

课程联系人:

课程QQ群:



【选课方式】

选课时间安排:

选课操作指南详见教务部2024-2025学年夏季学期选课通知



上一条:关于计算机学院2025年硕博连读招生工作的通知 下一条:关于公示2025年西北工业大学计算机学院博士研究生拟录取名单的通知

关闭