机器学习 - 转换型硕士

该课程为计算机科学硕士项目，包含必修、选修模块及毕业论文项目。第一学年秋季学期开设三门必修课：《编程原理实践》（CS5002），面向无编程基础学生，培养计算思维与问题解决能力；《计算基础》（CS5004），介绍计算机科学核心概念；《人工智能中的不确定性》（CS5016），讲授不确定环境下的推理与决策方法。第二学期需从以下两门中任选其一：《机器学习》（CS5014）或《数据挖掘中的机器学习》（ID5059），前者侧重理论与算法，后者强调实际应用。 课程还提供一系列选修模块，包括计算机安全、数据库、数据伦理与隐私、人机交互、软件工程、Web技术、视频游戏开发等，具体可选模块视专业方向和先修要求而定。 第二学年末，学生将与导师共同确定毕业论文课题，并在最后三个月完成一项15,000字的论文。项目可个人或小组完成，但每位学生独立评估。论文内容包括文献综述、新思想或现有方法的拓展、软件实现与测试、分析与评价。每个项目由一至两名教师指导，通过定期会议和稿件评审推进。