XiaoMi-AI文件搜索系统
World File Search SystemCSCI
CSCI 599：用于机器学习的优化
• what is convexity and why is it useful (convex optimization) • why can we train using only mini-batches (stochastic optimization) • why Adam is typically preferred over SGD (preconditioning and adaptivity) • how to train robust ML models (min-max optimization) • explaining feature learning in neural networks (non-convex optimization) • how to train privately on distributed datasets (federated optimization)注意：本课程是理论上的。学习目标本课程将使您通过优化的形式主义来查看机器学习。您将能够分析优化算法并得出其收敛速率。您将学习现代ML中使用的大量算法，并了解它们都旨在实现的权衡。您还将学会在实践中实施它们。建议的准备概率（在数学505A的级别），线性代数和多变量的演算（在数学225的水平上），算法分析（在CSCI 570的级别上）和机器学习（在CSCI 567的水平上）。课程注释类型：信用或信用编号/信用技术熟练程度和所需的硬件/软件您将需要一台可以在本课程中运行Pytorch的笔记本电脑 - 将笔记本电脑带到运动课程。USC计算中心笔记本电脑借贷程序的链接信息。所需的读数和补充材料我们将使用来自多个来源的材料，包括以下教科书的一部分：
CSCI 566-春季2025-教学大纲
●项目匹配。此表格旨在协助课程研究项目的团队匹配过程。学生将指示他们的项目偏好和潜在的队友。我们将使用广场来帮助这一过程。●预先提前（10％）。预言是一份简短的1页文件，证实了您的团队并对您的研究项目提供了最初的想法。这包括您计划使用的数据集。●中期报告（30％）。中期报告应总结当前的研究进度，文献综述和初步结果。它还应该提供团队计划探索的研究想法的最新清单。●最终报告和演示文稿（60％）。最终报告应类似于研究论文，激发问题，提出新方法，描述实验并讨论结果。
mcce-pos.pdf
主要选修课程代码标题信用条件准则CSCI362网络安全3 CSCI342-CSCI300 CSCI370视觉编程3 CSCI335-CSCI300 CSCI372自然语言处理3 CSCI300 CSCI426 Web编程高级3 CSCI390 CSCI441机器学习3 CSCI378 CSCI443游戏开发3 CSCI378 CSCI378 CSCI454高级Robotics 3 CSCI373
CSCI 340 - 认知科学方法 - 教学大纲
认知科学是研究人类、动物和人工系统心理运作的基础科学。这是一项高度跨学科的事业，涉及哲学、心理学、生物学、语言学和计算机科学以及其他传统学科。本课程综合介绍了研究人类思维的主要经验方法。学生将学习如何应用科学方法来研究自然和人工认知系统中心理信息的表征、操纵和利用。它将教会学生理解现有的方法论，并认识到复制结果的必要条件。主题将包括认知科学的哲学基础、认知心理学的基本方法、神经科学、语言学、计算建模、数据分析以及进行认知研究时的道德责任。- 3 个学分，CRN 23619 学生学习成果：
CSCI 699：医疗保健和生物医学的机器学习
课程描述本课程提供了一个独特的机会，可以探索机器学习如何重塑医疗保健和生物医学的景观。拥有大量的医疗保健数据以及医疗挑战的复杂性，机器学习和医疗保健的融合从未有过更多的相关性，为增强患者护理，加速药物发现并释放了对人类健康的更深入了解的激动人心的机会。这是一个关键时刻，机器学习算法和数据驱动的见解正在为更美好，更健康的未来铺平道路。本课程旨在针对对机器学习概念有基本理解并热衷于应对重大医疗保健和生物医学挑战的学生。在本课程中，我们将在简化药物发现，临床试验，疾病诊断和精密医学的流线中剖析机器学习应用。通过分析尖端研究，专家的客座讲师以及从事团队项目的工作，学生将对机器学习如何改变医疗保健和生物医学有一定的了解。学习目标和成果学生将对医疗保健和生物医学中当前的计算挑战以及机器学习算法的设计进行全面了解，以应对这些挑战。本课程将使学生具备精通研究，审查和本研究论文的技能。此外，学生将学习如何在医疗保健生物医学领域进行机器学习研究并应对挑战。先决条件： - 共同条件（S）： - 并发入学： - 建议准备：CSCI 567或DSCI 552或其他研究生级的机器学习课程，或熟悉机器学习。
csci 5355-人工智能和专家系统
计算机科学系 CSCI 5355 教学大纲，第 1 页 斯蒂芬 F. 奥斯汀州立大学 09/01/20 CSCI 5355 - 人工智能与专家系统 学分：3 先决条件：研究生学分和 9 个高级学时 CSCI 成绩提醒：每门先决条件课程的成绩必须为 C 或更高。 目录描述 使用计算机解决涉及信息表示、搜索、定理证明和替换模式匹配的问题。知识表示、搜索、空间、时间和常识推理以及逻辑和概率推理的方法。在专家系统和机器人技术中的应用。 课程目的 介绍人工智能的基本概念和技术，并深入了解活跃的研究领域和当前的应用。 教育目标 本课程的目标是让学生发展与需要智能才能解决的问题相关的概念和技能。这些问题需要使用搜索、模式匹配、知识表示、机器学习、推理、不确定性和执行“常识”处理的能力的解决策略。评估将基于实验室作业的成功完成、家庭作业的表现和考试答案的分析。成功完成课程后，学生应该能够：1. 展示对计算解决问题中的问题、关注点和难题的了解
CSCI 575：量子计算和量子密码学
课程描述 几十年来，量子力学一直被认为是物理学中一个备受争议的数学和理论模型，如今它已成为设计和开发革命性计算设备和通信系统的基础。量子计算已成为一个具有巨大实际应用潜力的突出研究领域。对实用大规模量子计算和信息处理的追求已变得更加紧迫和具有竞争力。本课程介绍量子计算和量子密码学的基本思想和技术。本课程将讨论数学、计算机科学和量子力学的背景材料，适合这三个学科的研究生入学水平。我们的探索将以以下问题为指导：量子力学原理在计算中的应用是什么？量子计算与经典计算有何不同或优于经典计算？实现量子计算需要什么？研究和调查的主题包括量子傅立叶采样，应用于搜索、周期查找、因式分解和离散对数问题，以及量子密钥分发，与 EPR 悖论和贝尔不等式有关。学习目标 完成本课程后，学生将能够
CSCI 599量子计算和量子密码学
讲师：Ming-deh Huang办公室：SAL 314办公时间：TBD联系信息：mdhuang@usc.edu，X4783课程描述数十年来，被认为是物理学的有争议的数学和理论模型，量子力学现在是革命性计算的设备和通信系统的基础。量子计算已成为一个重要的研究领域，具有实用应用的巨大潜力。实用的大规模量子计算和信息处理的追求变得更加紧迫和竞争。本课程是量子计算和量子密码学中基本思想和技术的介绍。在数学，计算机科学和量子力学中的背景材料以适合三个学科的初学者的水平讨论。我们的探索将由以下问题指导：适用于计算的量子机械原理是什么？量子计算与经典计算有何不同或更好？实现量子计算需要什么？研究和研究的主题包括量子傅立叶采样，以及用于搜索，PEIORD查找，保出和离散对数问题的应用以及与EPR Paradox和Bell的不平等的联系。学习目标本课程的主要目的是为学生提供探索量子计算和量子加密的基本工具。先决条件：CSCI 570建议准备：线性代数通过讲座，讨论，阅读（教科书和选定论文），家庭作业，中期纸和最终项目（论文和演示文稿）的结合来实现目标。