计算机学院

        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。

《人工智能原理》是学术型硕士研究生的专业必修课（学位课）。

人工智能是以机器实现人类智能为目标的研究领域。人工智能原理课程全面介绍了人工智能的研究目标、研究内容、应用领域、发展历史和现状以及存在问题和未来发展，较详细地讲述了人工智能的基本理论、基本方法和应用技术。

课程通过理论讲解、实例展示、课后任务、课堂讨论等多种方式组织教学，促使学生在掌握人工智能领域的理论、方法、技术和应用的同时，培养学生利用所学专业知识分析问题和解决问题的能力；养成良好的自主学习和科学研究的习惯。

计算机学院博士课程——社会网络计算