计算机学院研究生课程(19-20下)

本课程主旨在于讲述网络挖掘的任务和他们相关的核心算法，让学生掌握关联规则、监督学习、无监督学习、半监督学习、信息整合、观点挖掘等技术知识，启发和培养学生的创新意识和创新思维，为今后在互联网或大数据挖掘领域中的相关学习和研究奠定基础。

授课主要以英文课件为主，中文讲解。

考试方式是提交论文考核。

        网格计算是研究如何把需要非常巨大计算能力的问题化解成许多小部分，通过将这些小部分发送到多个计算机处理，最后综合结果。课程主要设计计算机网络、虚拟化、并行计算和高性能计算等内容。本课程中，突出了教学讨论环节，强化学生对网格计算相关知识的认识，引导学生自主了解、分析、掌握网格计算的相关理论，并对国内外现有的研究做出调查分析，以期增强学生自主学习和研究的能力。

       Grid Computing  studies  how to resolve the problem of the huge computing into many small parts, through sending these small part to many computers,  final combine result. which relates to computer network, virtualization and parallel algorithms and high performance computing, such as the area of basic knowledge. This course highlights aspects of teaching discussion, strengthen the students' understanding of knowledge related to grid computing, and guide students to self-study, analysis, master the theory of grid computing, and To investigate and analyze the existing domestic and foreign  research , to enhance the ability of students' autonomous learning and studying.

课程主要讲授数据挖掘的基本理论、各个分支及应用。课程涵盖DM的定义、流程、数据预处理、数据可视化、关联分析、聚类、分类、数值预测等内容。通过课程学习，掌握数据挖掘的基本理论、思想和方法，并通过简单易用的软件来解决相关的问题。

1. 了解和掌握数据挖掘的基本理论、流程和方法。
2. 了解和掌握数据挖掘过程过中的技术，如数据预处理、数据可视化、关联分析、聚类、分类、数值预测等内容。
3. 通过课程学习，能通过简单易用的软件来解决数据挖掘的相关问题。

《人工神经网络》是硕士研究生的专业选修课。

人工神经网络是一门发展迅速的前沿交叉学科，它是模拟生物神经结构及其智能的新型信息处理系统。深度学习概念的提出和深度神经网络模型的有效应用，使得人工神经网络再次成为各个领域应用和研究的热点。

本课程主要讲授人工神经网络的基本概念、理论以及浅层和深度神经网络模型的结构、训练算法、设计要点、典型应用、软件实现方法等内容。通过教师讲解、学生研讨、项目实作等方式，使学生在了解和掌握人工神经网络领域的理论和方法的同时，学会用神经网络去解决实际问题，了解人工神经网络的发展动向和应用前景。培养学生自主学习、主动探索、规范操作的应用开发和科学研究的良好习惯。