课程:AIST5030课程ID:014509 AFF日期:2024-07-01 CRSE状态:主动批准。状态:批准的[新课程]生成人工智能生成式人工智能该课程旨在为学生提供最新生成的AI(Genai)技术的概述,这些技术生成了各种类型的数据,例如图像,视频,音频,文本,代码,音乐和分子等对行业和社会产生了深远的影响。本课程将对Genai背后的基本概念和技术提供全面的理解,包括生成模型,概率模型,深度学习体系结构以及自学/无监督的学习等。将进一步探讨大型语言模型,对话型AI和Mutli-Mododity AI的先进主题。将引入语音和对话数据的应用,以说明Genai的概念和技术。在本课程中也将讨论Genai的道德和社会含义,以便学生可以批判性地分析Genai对社会的影响,并提出道德准则对其发展和部署。将为学生提供充足的机会,以通过动手实施和研究论文在课堂上实现他们在课堂上学到的知识。该课程适合具有机器学习,概率,统计和线性代数背景的学生。
课程:AIST4010课程ID:013173 AFF日期:2024-07-01 CRSE状态:主动批准。状态:批准的[课程Rev]应用深度学习的基础应用深度学习基础本课程涵盖了如何使用深度学习技术来解决现实生活中的计算问题,处理各种数据。我们通过深入学习引入解决问题的范式来开始课程:数据准备,建立模型,训练模型,模型评估和超参数搜索。然后,我们填写范式中的详细信息。关于深度学习模型,我们将从最简单的线性回归模型转向相对复杂的模型。要处理各种数据类型,即结构化数据,图像,文本,序列,信号和图形,在我们的日常生活中,我们将介绍CNN/Resnet,RNN/LSTM,注意力和GNN模型。除了上述范式外,我们还将涵盖处理过度拟合的常用技术。在本课程结束时,我们将简要浏览生成模型VAE和GAN。咨询:预计学生将具有有关Python编程的背景知识。
课程:ENGG5105课程ID:011158 AFF日期:2024-07-01 CRSE状态:主动批准。状态:已批准的[新课程]计算机和网络安全性电脑系统与网络安全本课程旨在从应用的角度引入计算机和网络安全性的重要主题。主题包括:(i)应用加密图(例如加密原始图,使用OpenSSL编程),(ii)网络安全性(例如未经授权的访问,大规模网络攻击,防火墙和入侵检测系统),(iii)网络安全性(例如,HTTP Sessign和Web System and Felesers and Felecter and Felecter and Eveer(e.G) 安全)。该课程还根据当前的研究趋势讨论了最新的应用安全主题。咨询:预计学生应服用CSCI3150或ETSR3102,CSCI4430或CENG4430或IERG3310
课程:CSCI5370 课程 ID:002640 生效日期:2024-07-01 Crse 状态:有效 审批状态:已批准 [ 新课程 ] 量子计算 量子計算 本课程介绍量子计算中的以下主题:1.量子计算和通信模型;2.量子算法及其局限性;3.其他主题(量子通信、量子密码学、量子证明、量子纠错、量子霸权)。
1。组合优化:Alexander Schrijver,Springer,2003年,多面体和效率。2。近似算法的设计,David Williamson和David Shmoys,剑桥大学出版社,2010年。3。L.Lovász的半决赛程序和组合优化,载于:算法和组合学的最新进展(编辑B.A. Reed,C.L。 linhares-sales),CMS书籍数学。/ouvrages数学。 SMC 11,纽约施普林格(2003),137-194。 4。 Rajeev Motwani和Prabhakar Raghavan的随机算法,剑桥大学出版社,1995年。 5。 关于“光谱图理论”的注释,丹尼尔·斯皮尔曼(Daniel Spielman),耶鲁大学,2012年。。B.A.Reed,C.L。 linhares-sales),CMS书籍数学。/ouvrages数学。 SMC 11,纽约施普林格(2003),137-194。 4。 Rajeev Motwani和Prabhakar Raghavan的随机算法,剑桥大学出版社,1995年。 5。 关于“光谱图理论”的注释,丹尼尔·斯皮尔曼(Daniel Spielman),耶鲁大学,2012年。。Reed,C.L。linhares-sales),CMS书籍数学。/ouvrages数学。SMC 11,纽约施普林格(2003),137-194。4。Rajeev Motwani和Prabhakar Raghavan的随机算法,剑桥大学出版社,1995年。5。关于“光谱图理论”的注释,丹尼尔·斯皮尔曼(Daniel Spielman),耶鲁大学,2012年。
课程:ENGG5104课程ID:011157 AFF日期:2024-07-01 CRSE状态:主动批准。状态:批准的[新课程]图像处理和计算机视觉图像处理及计算机视觉本课程将涵盖图像处理和计算机视觉中的基本知识和高级主题,包括特征检测,细分,运动估算,全景构建,3D重建,场景检测和分类,颜色图像处理和恢复。还将引入计算机图形中的应用程序,包括图像转换和摄像机校准。将讨论相关算法和数学背景的基本概念。
课程:CSCI3330课程ID:014446 AFF日期:2024-07-01 CRSE状态:主动批准。状态:批准的[课程Rev]应用计算机视觉的基础知识应用计算机视觉基础本课程提供了全面的介绍和应用计算机视觉的基础。计算机视觉是可以从3D场景中感知和提取信息的建筑机器的企业。这是当今学术界和行业中增长最快,最令人兴奋的学科之一,在机器人技术,视频监视,导航,消费电子,人类计算机互动,医学成像,遥感,太空探索等方面有各种各样的应用。本课程旨在为有兴趣了解计算机视觉的基本原理和重要应用的学生打开大门。将涵盖以下主题:相机和图像形成,图像过滤,边缘和角落检测,图像特征和匹配,图像对齐,几何相机模型,双筒望远镜立体声,光学流,放射线,光度法,光度法立体声,结构性光,结构化的光以及其他在机器视觉中的应用。我们将使学生接触到许多对我们日常生活重要的现实应用程序。学生将学习计算机视觉的核心概念以及动手实践的经验,以解决计算机视觉的现实世界问题。
Xiaopu Wang的实验室博士:(要求1或要求2)要求1:(1-2名学生)a。 水凝胶或聚合物的基本知识; b。 热情从事与微型机器人有关的研究; c。精通英语; d。化学实验的经验是一个加分。 e。细胞培养的经验是一个加分。需求2:(1-2个学生)a。 电磁场的理论知识; b。 热情从事微型机器人有关的研究。 c。 Python中出色的编程技能(C/C ++语言是一个加分); d。精通英语; e。喜欢在计算机视觉或图像处理方面的经验;Xiaopu Wang的实验室博士:(要求1或要求2)要求1:(1-2名学生)a。水凝胶或聚合物的基本知识; b。热情从事与微型机器人有关的研究; c。精通英语; d。化学实验的经验是一个加分。 e。细胞培养的经验是一个加分。需求2:(1-2个学生)a。电磁场的理论知识; b。热情从事微型机器人有关的研究。c。 Python中出色的编程技能(C/C ++语言是一个加分); d。精通英语; e。喜欢在计算机视觉或图像处理方面的经验;
现实世界中的精确肿瘤学数据:从电子健康记录中验证自动数据的大型语言模型Deirdre Weymann 1,2 1监管科学实验室,卑诗省癌症研究所,加拿大温哥华2
越来越多地需要使用观察数据的因果推断中的样本量和功率计算,但缺乏相关的工具。本文在因果推断的倾向评分分析中,为样本量和功率计算提供理论上有理由的分析公式。通过分析平均治疗效果的反概率加权估计器的方差(ATE),我们阐明了样本量计算的三个关键组成部分:倾向得分分布,潜在的结果分布及其相关性。我们设计了基于常见和可解释的摘要统计数据来识别这些组件的分析程序。我们阐明了治疗组之间协变量重叠在确定样本量的关键作用。特别是,我们建议将Bhattacharyya系数用作协变量重叠的量度,这与处理比例一起导致了独特的可识别且易于计算的倾向分数分布。所提出的方法适用于连续和二进制结果。我们表明,标准的两样本Z检验和方差通胀因子方法通常会导致有时不准确的样本量估计值,尤其是重叠率有限。我们还得出了治疗(ATT)和重叠人群(ATO)估计的平均治疗效果的公式。我们提供了模拟和真实的示例来说明所提出的方法。我们开发了一个关联的R软件包Pspower。这是Bo Liu和Xiaoxiao Zhou的联合作品。