赣南师范大学硕士数据智能分析与应用专业目录

智能科学与技术专业考研方向1：计算机技术 计算机技术是（专业硕士）工程下的二级学科专业。计算机技术领域重点研究得是如何扩展计算机系统的功能和发挥计算机系统在各学科、各类工程、人类生活和工作中的作用。计算机技术是信息社会中的核心技术，也是实现现代化的关键技术之一。计算机领域包括计算机软、硬件系统的设计、开发以及与其他领域紧密相关的应用系统的研究、开发和应用、涉及计算机科学与技术学科理论、技术和方法等等。 智能科学与技术专业考研方向2：计算机科学与技术 计算机科学与技术专业学生主要学习计算机科学与技术包括计算机硬件、软件与应用的基本理论、基础知识和基本技能与方法，接受从事计算机应用开发和研究能力的基本训练等。本专业学生主要学习计算机科学与技术方面的基本理论和基本知识，接受从事研究与应用计算机的基本训练，具有研究和开发计算机系统的基本能力。智能科学与技术专业毕业生有两条职业路线：第一类路线，纯技术路线；信息产业是朝阳产业，对人才提出了更高的要求，因为这个行业的特点是技术更新快，这就要求从业人员不断补充新知识，同时对从业人员的学习能力的要求也非常高；第二类路线，由技术转型为管理，这种转型尤为常见于计算机行业，比方说编写程序，是一项脑力劳动强度非常大的工作，随着年龄的增长，很多从事这个行业的专业人才往往会感到力不从心，因而由技术人才转型到管理类人才不失为一个很好的选择。 智能科学与技术专业考研方向3：电子与通信工程 电子通信工程英文名为Electronics and Communication Engineering，是电子科学与技术和信息技术相结合，构建现代信息社会的工程领域，利用电子科学与技术和信息技术的基本理论解决电子元器件、集成电路、电子控制、仪器仪表、计算机设计与制造及与电子和通信工程相关领域的技术问题，研究电子信息的检测、传输、交换、处理和显示的理论和技术。电子与通信工程领域工程硕士要求掌握本领域扎实的基础理论和宽广的专业知识以及管理知识，较为熟练地掌握一门外国语，掌握解决工程问题的先进技术方法和现代技术手段，具有创新意识和独立承担工程技术或工程管理等方面的能力。学生毕业后可在通信企事业单位从事通信网络的设计和维护工作，并能从事通信系统的建设、监理及通信设备的生产、营销等方面工作。 智能科学与技术专业考研方向4：控制科学与工程 控制科学与工程是研究控制的理论、方法、技术及其工程应用的学科。控制科学以控制论、系统论、信息论为基础，研究各应用领域内的共性问题，即为了实现控制目标，应如何建立系统的模型，分析其内部与环境信息，采取何种控制与决策行为；而与各应用领域的密切结合，又形成了控制工程丰富多样的内容。本专业方向主要研究工业自动控制装置，系统可靠性评估及设计，控制系统的自动测试方法，数据信息采集、传输、处理、转换方法和相应设备，新型传感器和仪表，传感器数据融合理论及应用，动态系统故障诊断技术，工业现场总线技术，高速企业网络组成及安全技术，新型大功率电子器件及应用，嵌入式系统的研究及相关产品的开发。控制科学与工程专业考研学校推荐：清华大学、北京航空航天大学、东北大学、哈尔滨工业大学、上海交通大学、浙江大学、华中科技大学、西安交通大学、国防科学技术大学。收起

计算机相对来说是挺难考的，具体好不好考，也真的很主观，不过内数学专业的跨考计算机倒是挺容多的。计算机统考有4门课：数据结构、组成原理、操作系统和网络，强度比较大，但是每年跨专业考上的人也很多。计算机专业是计算机硬件与相结合、面向系统、侧重应用的宽口径专业。通过基础教学与专业训练，培养基础知识扎实、知识面宽、工程实践能力强，具有开拓创新意识，在计算机科学与技术领域从事科学研究、教育、开发和应用的高级人才。本专业开设的主要课程有:电子技术、离散数学、程序设计、数据结构、操作系统、计算机组成原理、微机系统、计算机系统结构、编译原理、计算机网络、数据库系统、工程、人工智能、计算机图形学、数字图像处理、计算机通讯原理、多媒体信息处理技术、数字信号处理、计算机控制、网络计算、算法设计与分析、信息安全、应用密码学基础、信息对抗、移动计算、数论与有限域基础、人机界面设计、面向对象程序设计等。收起

应用统计学专业分析应用统计在很多高校课程设置包括多元回归，抽样调查等等。要学版会数据建模所用权软件SAS/SPSS/EVIEWS，传统统计学的建模与抽样方法这些具有重要的实用性，但是现在是大数据时代，所以在这方面还需要了解关于大数据相关的知识。应用统计学专业就业应用统计专业的就业面很广，包括一些数据分析、数据报表、社会调查等等，但企业在招聘时更看重的是一个人的经验和能力，所以如果决定以后要从事这一方面的工作的话，就需要在校时多增加一些社会经验，为毕业后的就业早作打算，应届生找工作是有一定难度的，但能不能找到好工作看个人综合水平，在校期间可以自学想要做的工作内容方面的技能。应用统计专业是否建议考研是否读研这个就在于你自己了，一般来说应用统计专业的学生在本科阶段学到的东西有限，所以读研在一定程度上可以拓宽你的知识面，另外也能够对你的能力有一个提升，主要还是在于你自己的一个人生规划。收起

控制理论与控制工程学科是以工程领域内的控制系统为主要研究对象，采用现代数学版方法和计算机技权术、电子与通讯技术、测量技术等，研究系统的建模、分析、控制、设计和实现的理论、方法和技术的一门学科导航、制导与控制学科[1]一直突出为国防、航天服务的特色，注重理论与工程实际的结合，重视高素质人才的培养，建立起一支梯队结构合理、学术方向稳定、能打“硬仗”的科研队伍。半个世纪里，导航、制导与控制学科先后开辟出飞行器控制、导航技术、惯导测试设备及测试方法、制导与系统仿真等四大研究方向，在制导控制系统半实物仿真、复杂系统分布式仿真、大功率低干扰电驱动、惯导测试设备一体化设计、姿态控制、惯导平台小型化数字化等技术研究上取得突出成绩，为国防和国民经济建设作出了贡献。双控的研究范围比导航的宽点，呵呵，导航毕业了以后估计只能进国家单位了收起

答：1、网络工程是一门新兴的偏重于工程实践的学科，根据高等教育大纲，网络工程在本科学习阶段注重信息网络方面的培养，因此，结合当前的信息化时代的特点，我强烈建议你，考研选择信息工程大类（其中的小学科可根据你的爱好选择，这里只给出前景和分析），你考这类的好处是：你知道网络工程在工程方面的应用，懂硬件和布线，具有实际应用的知识，而纯粹的信息研究很理论化，整天和拉氏变换无穷级数打交道；另外，工业信息网络也是当前发展的热门，譬如现场总线技术，如果你感兴趣可以报考自动化类（智能仪表，控制理论与控制工程等），你在这类里面的优势是你有网络方面的知识，应用于现场总线是比较便宜的！值得注意的一点是：现今网络完全或者大一点讲信息安全非常热门，因此，你完全可以报考这部分的研究生，一般而言，信息安全是新兴学科，有的学校放在自动化类，有的放在计算机类，还有的放在信息工程类或者干脆成立个网络信息安全专业，这个需要根据你所报考的学校来定，最好去研招办看看资料，问问老师，弄清楚这方面招考是哪一个专业，这是最好的第一手资料！2、说道学硕和专硕，必须要讲仔细一点！首先弄清楚一点，硕士的培养根据高等教育大纲规定是具有独立科研和独立带队，具有科学创新精神的研究性人才。但是，又很奇怪的分成了学硕和专硕，而且，全世界而言，只有我们才有“专硕”（别的国家没有，也不承认！现在才陆续有国家承认了！）；再说明白一点，工程硕士（即工作了一段时间，为了弄个职称或晋升需要提高一下自己的学历时，就会报考的硕士！）就是属于专硕！当然了，也不能完全说专硕不行，因为有的科研机构和学校培养的专硕是非常厉害的，但是就整体而言，还是学硕更符合高等教育大纲！3、你的专业非常不错，发展前途和前景是很前沿的，其实选任何专业都是可以的，总体来说，国内只要是985或者211院校都开设了这类专业，你要报考的话问题都不大，传统的如哈工大，清华，西交，中南工大都不错，一些211或985的地方院校也还行，选择余地是非常大的！收起

以下是我网上找的 不过我们电子专业差不多就这些方向3335313166··不错如果从工程师和研究生的专业方向来看，电子信息专业的方向大概有 ) 1）数字电子线路方向。从事单片机（8位的8051系列、32位的ARM系列等等）、FPGA(CPLD)、数字逻辑电路、微机接口(串口、并口、USB、PCI)的开发，更高的要求会写驱动程序、会写底层应用程序。 单片机主要用C语言和汇编语言开发，复杂的要涉及到实时嵌入式操作系统(ucLinux，VxWorks，uC-OS，WindowsCE等等)的开发、移植。 大部分搞电子技术的人都是从事这一方向，主要用于工业控制、监控等方面。 2）通信方向。一个分支是工程设计、施工、调试（基站、机房等）。另一分支是开发，路由器、交换机、软件等，要懂7号信令，各种通信相关协议，开发平台从ARM、DSP到Linux、Unix。 3）多媒体方向。各种音频、视频编码、解码，mpeg2、mpeg4、h.264、h.263，开发平台主要是ARM、DSP、windows。 4）电源。电源属于模拟电路，包括线性电源、开关电源、变压器等。电源是任何电路中必不可少的部分。 5）射频、微波电路。也就是无线电电子线路。包括天线、微波固态电路等等，属于高频模拟电路。是各种通信系统的核心部分之一。 6）信号处理。这里包括图像处理、模式识别。这需要些数学知识，主要是矩阵代数、概率和随即过程、傅立叶分析。从如同乱麻的一群信号中取出我们感兴趣的成分是很吸引人的事情，有点人工智能的意思。如雷达信号的合成、图像的各种变换、CT扫描，车牌、人脸、指纹识别等等。 7）微电子方向。集成电路的设计和制造分成前端和后端，前端侧重功能设计，FPGA(CPLD)开发也可以算作前端设计，后端侧重于物理版图的实现。 8）还有很多方向，比如音响电路、电力电子线路、汽车飞机等的控制电路和协议。。。 物理专业从事电子技术的人，一般都偏向应用物理较多的方向，这样更能发挥自己的专长。比如模拟电路、射频电路、电源乃至集成电路设计。 您要是有一定物理基础，又爱动手，应该考虑这些比较难的方向。它们虽然入门不易，但是都是非常专业的东东，5年以上经验的基本都月入1万以上（安捷伦在北京招的射频工程师月入4000美元），而且这些专业对外行人来说都是天书，做这些行业是越老越吃香。 但是，这些专业需要您最好读一下该专业的研究生。 如果想找工作容易，就去学学单片机、ARM、FPGA，这种工作很多，几年经验的人收入在6000元以上。 如果不畏惧编程、不怕数学和算法，信号处理、DSP也是很好的选择，能够承担项目的人收入在8千~1万/月左右。 你熟悉网络的话，可以做企事业单位的网管、网络维护、建网站等工作。舒舒服服的。 *你能熟练使用C＋＋编程，熟悉操作系统，你可以成为专职程序员，熟悉底层软件你还可以成为系统工程师。是比较受累的活儿，但工资不低呀！ *你能熟练使用JAVA,可以处理面向对象的企业型的应用开发，公司企业WEB页面设计、INTERNET可视化软件开发及动画等，Web服务器手机上的JAVA游戏开发等等。很时髦的工作，工作时的心情很重要，哈哈！ *你若熟悉linux，完全可以在linux世界里自由竞争，你只需要一台电脑，连上internet以及一个好的头脑就足够了。你的linux战友们将会根据你的意见，你的代码和你的其他贡献来判断你的能力，不愁找不到工作，工作会来找你拉！ *你能熟练使用protel，可以找排线路板方面的工作，如设计PC机板卡等等。循规蹈矩，安安静静，与世无争，但不能干一辈子吧？ *你单片机熟，可以找单片机开发编程应用方面的工作。小企业，小产品多多，其中也自有一番乐趣。 *你对DSP有一定基础的话，你可以在人工智能、模式识别、图像处理或者数据采集、神经网络等领域谋求一个职位。将来一准是公司的栋梁之材啊！ *你若熟悉ARM，可以成为便携式通信产品、手持运算、多媒体和嵌入式解决方案等领域里的一名产品研发工程师。哈，一个新的IT精英诞生了！ *你熟悉EDA，能熟练应用HDL语言，熟悉各种算法，如FIR、FFT、CPU等等，同时掌握最新FPGA/CPLD器件的应用，把研制的自主知识产权的模块用于ASIC。恭喜你，你马上可找到月薪上万的工作了。 什么？你什么也不会？这四年白上了！？那就去问问你们老师怎么教的你，回来再问问你自己是怎么学的！找工作的同时抓紧时间补课吧！ 专业是个好专业：适用面比较宽，和计算机、通信、电子都有交叉； 但是这行偏电，因此动手能力很重要； 另外，最好能是本科，现在专科找工作太难了！当然大虾除外 本专业对数学和英语要求不低，学起来比较郁闷 要拿高薪，英语是必需的；吃技术这碗饭，动手能力和数学是基本功 当然，也不要求你成为数学家，只要能看懂公式就可以了，比如微积分和概率统计公式，至少知道是在说些什么 而线性代数要求就高一些，因为任何书在讲一个算法时，最后都会把算法化为矩阵计算（这样就能编程实现了，而现代的电子工程相当一部分工作都是编程） 对于动手能力，低年级最好能焊接装配一些小电路，加强对模拟、数字、高频电路（这三门可是电子线路的核心）的感性认识；工具吗就找最便宜的吧！电烙铁、万用表是必需的，如果有钱可以买个二手示波器 电路图吗，无线电杂志上经常刊登，无线电爱好者的入门书对实际操作很有好处。 另一块是单片机、CPLD/FPGA、DSP 其中单片机是必会的，51系列单片机就可以，因为这个用得最多；找块51开发板（比较便宜）自己动手编编程序就可以了 ARM单片机、FPGA、DSP开发板都比较贵，不过这是趋势，有条件就玩玩吧 编程方面：c/c++是要会的，实际上单片机/DSP应用系统就常用c语言来开发 数据结构和操作系统是计算机软件专业最核心的课程（北大老师认为，学过这两门课就认为是学过计算机了） 大型单片机（比如ARM系列)经常使用嵌入式操作系统（比如uCLinux)，因此除了windows编程外，有机会可以玩玩Linux编程 另外计算机专业的数据库原理（数据库现在太重要了，最好能学学大型的比如说SQLServer、Oracle，也可以学MySQL、Access）、软件工程、计算机体系结构（如果你微机原理的底子厚也可不学）、编译原理（够难的） windows编程：初学者还是用vb吧，真正开发用Delphi/C++Builder比较多，学vc花的代价太大，至于Java/C#现在离底层开发还比较远 底层方面还有一块是写驱动（WDM或Linux驱动），不过这些都比较专业，要对操作系统有很深的认识 电子工程的课程另一大块就是信号系统、数字信号处理、通信原理、电磁场与微波技术基础，这些课程用到很多数学，学起来比较痛苦 而且我觉得本科很难把这些课程学明白（因为你的数学基础不够），不过在理论上能搞明白一些总比稀里糊涂强 其实电子信息工程专业最核心的课程是 单片机技术,EDA技术,DSP技术和嵌入式系统这四样,只要"精通"一样,就可以过上比较体面的生活喽 此外还有一些比较重要的课程,如电路CAD,操作系统等 要是真的 出去都要饭 的花 早 臭名远扬 拉 有点信心 dsp最有前途，但数学要好，5年经验薪水8千~万元 vc结合底层和复杂计算开发，有难度，5年薪水6千~万元 单片机一般在工控领域，5年薪水4~6千 我说的都是沿海大城市工资 另外只会一样工资就很低，比如单片机，如果会上位机编程，等于掌握了整个系统的开发，工资就要多1~3千 基本上越难的东西，要的人越少，工资越高 越简单、普及的东西，要的人越多，工资就少 但是如果你深入某个行业，掌握了该行业开发的整个业务流程；或者在其间结识了一些客户，手中有项目，我想年薪应该达到几十万以上吧，那时你可能就想自己开公司了收起

我感觉，信息与计算科学专业考研还是很有必要的，因为作为3431353433这个专业的学生来说，我很清楚我们专业的本科毕业生找工作的处境，好的工作很难入手，因为大部分企业对于此类人才的要求的标准，一般都是硕士研究生以上，而本科毕业生只能从事一些较为辛苦的工作，每天都会累的不行，而这里的累，的是精神方面的累。我上大一的时候，因为我当时很想了解我们专业的具体情况，所以就在高中的校友群了找到了一个大三的学长，后来慢慢的我们就成了朋友，而到了我大二的时候，他也迎来了他的毕业季，因为当时他没有选择考研，所以毕业之后就去找工作。一番面试下来，他也是找到了一份看着还可以的工作，但是没干几个月，他就受不了了，因为天天要熬夜加班，要不然很难赶上进度，后来他就干脆辞职不干了，在学校附近租了个房子，老老实实的开始了他的考研路。其实，严格来说，我们专业考研并不能算太难，因为专业课知识都差不太多，只要掌握住了技巧，然后把基础的东西都复习复习，专业课分数就不会太低，难就难在英语上，这也是理工男的通病，因为大多数的理科生，英语水平都不太好，所以说，如果你想要考研的话，就要在这方面多付出点努力。总之，考不考研，最主要的还是看你自己的想法，我这里只能给你一些参考意见，希望能帮到你，谢谢阅读。收起

我建议你向这个机械类方向来发展。3433646463因为电子信息太多了人我可以分析如下。希望你可以采纳。机械类是个大家族，在本科专业目录中，机械大类包含：机械工程、机械设计制造及其自动化、材料成型及控制工程、过程装备与控制工程等8个一级专业。但不少考生会有这样的问题：机械工程和机械设计制造及其自动化有什么区别呢？从文字的理解来说，机械工程的外延要大一些，包含机械设计、机械制造等很多内容。可以说机械设计制造及其自动化是机械工程的一部分，机械工程则更宽泛一些，但两者之间差别不大。业内人士也表示，其实这两个专业没有什么本质的区别，叫机械工程只是因为有些院校设立该专业的年份较早，行业背景深厚，包含的专业方向比较广，会根据自身的优势培养人才。另外，就是以前在招生过程中很多院校使用的名称不太统一，有叫机械工程及其自动化的，也有用机械制造及其自动化的，2012年专业目录修改后，统一改为机械工程，和机械设计制造及其自动化两个专业。机械专业的就业呈现跨学科、多行业就业的形式。因为并非只有机械行业才需要机械专业人才，任何行业，无论是生产型企业还是研发型单位，只要使用设备、生产线，就会给机械专业人才用武之地，例如印刷、物流、制药、食品、橡胶等行业都需要他们来安装和维护生产设备。只要整个社会经济正常发展，该专业毕业生就不乏就业岗位。该专业毕业生的就业领域有很多，就业岗位归纳起来主要有三大方向：1.机械工程技术人员。可在工业生产一线从事机械的维修、保养和管理的现场技术支持人员。这类工作需要一定的技术含量和实践经验。2.设计研发人员。负责参与新产品的设计、开发、生产，可从事新产品（零件）的机械部分的安装、调试、改进、图纸的绘制等工作。这类工作对毕业生的要求比较高，一般起点都是名牌大学毕业或硕士学历。3.机械产品的销售人员。可以从事相关行业机械类产品的销售和客服工作。机械专业毕业生具备相关机械专业方面的技术知识，从事销售工作会更有优势。收起

人工智能的研究领域及应用人工智能的研究领域分支较多，从研究角度来分有三大分支：知识工程(knowledge engineering)、模式识别(pattern recognition)与机器人学(robotoligy)。这里仅择其中几种研究领域进行粗略的介绍。专家系统 1977年费根鲍姆提出“知识工程”，把实用的人工智能称为知识工程，标志着人工智能研究进入实际应用的阶段。他开发出了第一个“专家系统”(expert systems)，认为“专家系统是一种智能的计算机程序，它运用知识和推理步骤来解决只有专家才能解决的复杂问题”。专家系统是指利用研究领域的专业知识进行推论，在解决专业的高级问题方面具有和专家相同能力的解决系统，属于人工智能的应用领域。目前，这一领域发展较快，应用也较广，已开发出不少有实际价值的专家系统．与传统的计算机程序相比，专家系统是以知识为中心，注重知识本身而不是确定的算法．专家系统所要解决的是复杂而专门的问题，对这些问题人们还没有精确的描述和严格的分析，因而一般没有解法，而且经常要在不确定或不精确的信息基础上做出判断，需要专家的理论知识和实际经验。标准的计算机程序能精确地区分出每一任务应该如何完成，而专家系统则是告诉计算机做什么，而不区分出如何完成，这是两者最大的区别。另外，专家系统突出了知识的价值，大大减少了知识传授和应用的代价，使专家的知识迅速变成社会的财富。再者，专家系统采用的是人工智能的原理和技术，如符号表示、符号推理、启发式搜索等等，与一般的数据处理系统不同。60年代末，以猜测为基础的第一个专家系统Dendral是由费根鲍姆和莱登伯格在斯坦福大学共同设计的，当时用于分析化合物的化学结构。这一系统至今仍被有机化学家经常使用。70年代中期，肖特列夫开发了Mycin这一专家系统，它是针对传染性血液病的诊断和治疗开发的。把患者的病状输入后，经过Mycin推理，最终由计算机开出处方来。据检测，Mycin的能力通常并不比专门的医生逊色。但它没敢投入实际使用，只是在培养医生的学校当作教材在使用。还有由斯坦福研究所美国地质调查国际组织开发的“探矿人”(Prospector)专家系统，波音公司的专家系统可辅助工程师更快地设计飞机等等。从不同角度，专家系统也可分为多种类型。从其完成的功能来分，可包括诊断、解释、修理、规划、设计、监督、控制等多种类型，这些功能又可分为两大类：分析型和综合型。分析型专家系统所要解决的问题有明确的、有限个数的解，系统的任务在于根据实际的情况选择其中一种或几种解。综合型专家系统的任务是根据实际的需要构造问题的解，包括设计、规划等问题。此外，也可根据知识的特征和推理的类型对专家系统进行分类。专家系统在各个领域的应用已经产生了很可观的经济效益，这从另一方面促进了对专家系统的理论和技术方面的研究。开发专家系统的关键是如何获取知识，如何表示、运用人类专家的知识，这方面的研究也就成了重点。对这一点，范伦特(K．Vanlent，1987)作了充分说明：“我们应该去建构一个专家系统，去模拟专家的问题解决。专家行为，不管是由人或机器产生，都是他(它)的知识产物，但是，用什么能解释知识呢?尽管可以用不同的方式进行测量或限定，但对专家知识的形式和内容的最终解释，是人用来获取知识的学习过程。实际上，对于专家问题解决，学习理论可能是唯一足够科学的理论。”自然语言处理自然语言处理是人工智能早期的研究领域之一，也是一个极为重要的领域，主要包括人机对话和机器翻译两大任务，是一门融语言学、计算机科学、数学于一体的科学。由于以乔姆斯基为代表的新一代语言学派的贡献和计算机技术的发展，自然语言理解正在变得越来越热门．有很多理由值得人们去研究如何使计算机程序能以某种方式使用自然语言的问题。口语是人们进行交际的自然形式，计算机用户希望能与机器对话交流。自然语言输入可以表示成口语，也能从键盘上打入，以文体的形式给出。最早的自然语言理解方面的研究工作是机器翻译。1949年，美国人威弗首先提出了机器翻译设计方案。20世纪60年代，国外对机器翻译曾有大规模的研究工作，耗费了巨额费用，但人们当时显然是低估了自然语言的复杂性，语言处理的理论和技术均不成热，所以进展不大。主要的做法是存储两种语言的单词、短语对应译法的大辞典，翻译时一一对应，技术上只是调整语言的同条顺序。但曰常生活中语言的翻译远不是如此简单，很多时候还要参考某句话前后的意思。例如，英语的一句话：Stay away from the bank．由于bank有银行和河堤两个意思，因此上面这句活应该翻译成“不要靠近那家银行”呢?还是“不要靠近河堤”呢?显然，光翻译这句话本身不看背景场合，不能保证翻译的正确，需要上下文联系起来才能正确翻译，这就是技术难度高之所在。从20世纪70年代末期，随着机器翻译理论和计算机技术的进步，机器翻译有很大的进展。一种常见的做法是将语言的翻译分为“原语言的理解”和“所理解的语言表达成目的语言”两个子过程。这样就需要—种中间语言，只要做好原语言到中间语言以及中间语言到目的语言的转换程序，就可完成翻译。这种办法还容易实现—种语言到多种语言的翻译系统。到现在为止，西语系的一些语言(例如法语、英语)之间的互译技术已经比较成熟，双向翻译辅助系统准确性比较高，不过，翻译完后，还要对译文稍作修改。1995年，松下公司试制成功一种可进行曰英文对译的可视电话，引起了人们的广泛兴趣。该系统由计算机语音识别、声音合成和可视电话通信三个子系统组成，使用者可以用各自的语言进行交谈，通过分析语音波形的变化，该系统可从3000个例句中选择出语意最接近的单词，其识别率达到98％。据称，只要备有专用词典，就可以用它来流利地进行会话。对于我们每天使用的汉语，总的来说，与其他语言的互译水平还不太高，其中与英语的互译水平稍微高—些，市面上已有多种翻译软件出售。主要是我们对汉语的形式化研究还不够，特别是汉语与西方语言不是一个语系，翻译起来难度较大。总之，要真正建立一个能够生成和理解自然语言的计算机处理系统是相当困难的。因为，语言的生成和理解是一个极为复杂的编码和解码过程，一个能理解用自然语言来表达信息的计算机系绕，就应像人那样，不仅需要掌握上下文知识和语境等有关信息，而且还要能够利用这些知识进行推理，人具备大量的经验以及拥有自己的观点和对世界的看法，而现在的机器还做不到这一点。机器翻译离达到“自然的理解和表达”这个最终目标还有相当大的距离。 目前所能做到的仍然是人工辅助型的翻译系统，即靠人对翻译的结果进行修正，来获得自然的翻译。推理人类智力的优越性表现在人能思维、判断和决策。思维是人类在感性认识的基础上形成的理性认识，是通过分析和综合过程来实现的，而人类思维中的分析综合过程则产生了质变，在一般的分析和综合基础上，产生了抽象和概括，比较和分类、系统化和具体化等一系列新的、高级的、复杂的思维能力，在头脑中运用概念作出判断和推理。要使机器具有智能，就必须使其具有推理的功能。推理是由一个或几个判断推出另一个判断的一种思维形式，也即从已有事实推出新的事实的过程。在形式逻辑中，推理由前提(已知判断)、结论(被推出的判断)和推理形式(前提和结论之间的联系方式)组成。人类之所以能高效率地解决一些复杂的问题，这除了拥有大量的专门知识外，还由于人具有合理选择知识和运用知识的能力，也即推理能力和推理策略。以符号逻辑为基础的人工智能，是以逻辑思维和推理为主要内容的。传统的形式化推理技术，是以经典的谓词逻辑也即演绎推理为基础，广泛应用于早期的问题求解和定理证明中，但随着人工智能研究的不断深入，人们在研究中碰到的许多复杂问题不能用严格的演绎推理来解决，因而对非单调逻辑推理等方式的研究正迅速发展起来，已成为人工智能的重要研究内容之一．感知问题感知问题是人工智能的一个经典研究课题，涉及神经生理学、视觉心理学、物理学、化学等学科领域，具体包括计算机视觉和声音处理等。计算机视觉研究的是，如何对由视觉传感器(如摄像机)获得的外部世界的景物和信息进行分析和理解，也就是说如何使计算机“看见”周围的东西。声音处理则是研究如何使计算机“听见”讲话的声音，对语音信息等进行分析和理解。感知问题的关键是必须把数量巨大的感知数据以一种易于处理的精练的方式，进行简练、有效的表征和描述。对计算机视觉做出卓越贡献的是马尔(D．Marr)教授，他认为视觉是一个复杂的信息处理过程，并有不同的信息表达方式和不同层次的处理过程，而最终的目的是实现计算机对外部世界的描述。由此，他提出了三十层次的研究方法，包括计算理论、算法和硬件实现。他的理论奠定了计算机视觉研究的理论基础，并明确指出了研究内容和研究目标．目前，计算机视觉已在图像处理、立体与运动视觉、三维物体建模和识别等方面取得了很大的进展，但离建构一个实用的计算机视觉系统还有很大的距离。在2002年岁末，有关“智能人机交互”领域的重要研究内容之一“面像识别技术”在我国取得了突破性进展，其稳定性、识别率等都达到了国际先进水平，初步达到了实用阶段。面像识别技术使计算机“人性化”、“智能化”的水平大大提高。探索在下棋或思考问题或寻求迷宫出口时，人们总要探索解决问题的原理，这就需要对之进行专门的研究。探索是人工智能研究的核心内容之一。早期的人工智能研究成果如通用问题求解系统、几何定理证明、博弈等都是围绕着如何进行有效的搜索，以获得满意的问题求解。探索是人工智能研究和应用的基本技术领域。人工智能中的问题求解和通常的数值计算不同。人工智能的问题求解首先对一个给定的问题进行描述，然后通过搜索推理以求得问题的解，而数值计算是通过程序设计的算法来实现数值的运算。人工智能问题求解的过程就是状态空间中从初始状态到目标状态的探索推理的过程。探索的主要任务是确定如何选出一个合适的操作规则。探索有两种基本方式，一种是盲目探索，即不考虑给定问题的具体知识，而根据事先确定的某种固定顺序来调用操作规则。盲目探索技术主要有深度优先搜索、广度优先搜索；另一种是启发式搜索，考虑问题可应用的知识，动态地优先调用操作规则，探索就会变得更快。探索技术中重点是启发式搜索。一般地，对给定的问题有很多不同的表示方法，但它们对问题求解具有不同的效率。在许多的问题求解中，有很多与问题有关的信息可利用，使整个问题解决过程加快，这类与问题有关的信息称为启发信息，而利用启发信息的探索就是启发式探索。启发式探索利用启发信息评估解题路径中有希望的节点进行排序，优先扩展最有希望的节点，以实现问题解决的最佳方案。博弈博弈，指赌博的学说，对抗的学问，起源于下棋。让计算机学会下棋是人们使机器具有智能的最早尝试。早在1956年，人工智能的先驱之一 ——塞缪尔就研制出跳棋程序，这个程序能够从棋谱中进行学习，并能从实战中总结经验。当时最轰动的一条新闻是塞缪尔的跳棋程序下赢了美国一个州的跳棋冠军。不过，在随后几年与世界冠军的较量中它没能占到便宜。今天的个人计算机家用软件上一般都有跳棋程序、象棋程序、五子棋程序甚至是围棋程序。即使你选择的是初级水平，要赢计算机一盘棋还真不容易呢。事实上，对于跳棋、象棋、五子棋以及围棋等博弈游戏，其过程完全可用一棵博弈树来表示，利用最基本的状态空间搜索技术来找到一条必胜的下棋路线。遗憾的是，这棵博弈树往往大得惊人，特别是像象棋程序和围棋程序。即使计算机的存储空间能够装得下所有的状态，花在搜索上的时间(也就是通常所谓朝前看几步的时间)常常长得令人不能忍受。好在现在计算机的性能越来越高，存储空间也越来越大，给人感觉上好像计算机的棋力提高了。另外，现有的计算机下棋程序建立在传统的状态空间搜索技术基础上，通过—些启发式算法对棋局中间状态获胜的可能性进行估计，并以此来决定下—步该怎么走。这一方法可以大大减少状态空间的存储和搜索，从而为现代高性能计算机战胜国际—流下棋高手进一步铺平道路。从20世纪50年代起，计算机与国际象棋高手、大师的比赛一直是人们很感兴趣的话题，计算机通过与高手的比赛来不断改进程序，计算机界有人原以为计算机可以在80年代战胜国际象棋冠军，但实际时间却有所推延。IBM公司一直有开发博弈程序这样一个传统，当年的塞缪尔就隶属于IBM公司。90年代，IBM公司先后开发了多种高性能计算机及相应的下棋软件，并把经过不断改进的下棋程序和“深蓝”计算机的矛头直接对准当今国际象棋头号高手——俄国人卡斯帕罗夫。在新闻媒体的推波助澜之下，1997年5月在美国纽约，卡氏和“深蓝”展开了令全球瞩目的又一轮人机大战。前两盘，双方下成一比一平，之后，双方连下三盘和棋，在关键性的第六盘比赛中，“深蓝”计算机发挥出色，赢得了胜利，从而以“2胜3平1负”的总比分战胜了对手，令全球观众哗然；有人形容这是一场“像人一样的机器和像机器一样的人之间的比赛”。虽然 “深蓝”计算机取胜了，但是也不能说明人工智能取得了突破性的成就。正如卡氏所说，他们之间的较量是不公平的，“深蓝”计算机掌握了他与别人下棋的大量棋谱，用到的仍然是状态空间搜索、模式匹配等传统的人工智能技术，只不过是计算机速度大幅度提高罢了。计算机取胜卡氏另外一个重要的原因是除了计算机工程师之外，IBM公司还有一帮深谙国际象棋规则和计算机知识的高手躲在“深蓝”计算机后面帮助它出谋划策，及时调整程序，如此一来，卡氏岂有不输的道理，输棋只是时间早晚的问题。如果换一种棋，比如说用计算机和人下围棋，情况又会怎样呢?目前计算机要战胜围棋一流高手恐怕还有相当大的困难，这是因为围棋的状态空间又大了很多，又复杂了很多。机器人学机器人和机器人学是人工智能研究的另一个重要的应用领域，促进了许多人工智能思想的发展，由它衍生而来的一些技术可用来模拟现实世界的状态，描述从一种状态到另一种状态的变化过程，而且对于规划如何产生动作序列以及监督规划执行提供了较好的帮助。机器人的应用范围越来越广，已开始走向第三产业，如商业中心、办公室自动化等。目前机器人学的研究方向主要是研制智能机器人。智能机器人将极大地扩展机器人应用领域。智能机器人本身能够认识工作环境、工作对象及其状态，根据人给予的指令和自身的知识，独立决定工作方式，由操作机构和移动机构实现任务，并能适应工作环境的变化。智能机器人只要告诉它做什么，而不用告诉怎么做。它共有四种基本功能，分别是：(1)运动功能，类似于人的手、臂和腿的基本功能，对外界环境施加作用。(2)感知功能，获取外界信息的功能。(3)思维功能，求解问题的认识、判断、推理的功能。(4)人机通信功能，理解指示，输出内部状态，与人进行信息交流的功能。智能机器人是以一种“认知——适应”方式进行操作的。著名的机器人和人工智能专家布拉迪(Brady)曾总结了机器人学当前面临的30个难题，包括传感器、视觉、机动性、设计、控制、典型操作、推理和系统等几个方面，指出了机器人学当前急需解决的难题。只有在这些方面有所突破，机器人应用和机器人学才能更适应社会的要求，成为开发人类智力的帮手。今天，在仿真人各种外在功能的各个方面，机器人的设计都有很大的进展。现在有一些科学家在研究如何从生物工程的角度去研制高逼真度的仿真机器人。目前的机器人离人们心目中的能够做各种家务活，任劳任怨，并会揣摩主人心思的所谓“机器仆人”的目标还相去甚远。因为机器人所表现的智能行为都是由人预先编好的程序决定的，机器人只会做人要他做的事。人的创造性、意念、联想、随机应变乃至当机立断等都难以在机器人身上体现出来。要想使机器人融入人类的生活，看来还是比较遥远的事情。本回答被网友采纳收起

有两点需要考虑。第一，你考哪个专业把握大一点第二，你还需要大概了解一专下老师们都是做属什么的。打个比方，如果你考自动化把握大一点，你可以看看自动化的老师里有没有做程序这块，或者是微机什么的。自动化这个专业例不仅仅包含控制，还有很多其他方向，比如单片机、PLC这些硬件的，或者是模式识别图像处理然后用编程做仿真实验的。所以你还需要了解一下老师们都有做什么方向的，如果一个专业有一个最好是几个老师做的方向你比较感兴趣，你就可以报那个专业个人意见，仅供参考嘻嘻，你是自动化专业的吧，很专业的回答其实，这个我也考虑过了呀。其实我想考南理工的模式识别，但是南理工的模式识别在计算机学院里面，考离散数学+数据结构+操作系统。我们的老师有搞检测电路的，有搞图像处理的，还有的老师即给我们学院带研究生又给计算机还有电子工程学院的带研究生 - -#还有个老师的研究方向就是Internet与信息系统...其实吧我们学校有考的话，初试考微机原理（或自控），复试考C语言收起

机器人新闻生产写作机器人新闻生产是指运用一定的计算机程序，通过对数据进行加工处理，自动生成新闻报道的过程。机器人的新闻生产与传统媒体采编人员的新闻生产在生产方式上有本质的区别。传统媒体的新闻生产是新闻媒体采编人员经过新闻收集、编辑加工、制作、发布的生产过程，这一过程是单向链条的。而机器人的新闻生产主要通过数据采集、数据加工、自动写稿、编辑签发四个环节进行，形成了新的采编流程。2015年9月，腾讯财经频道用自动化新闻写作机器人Dreamwriter，发布了一篇名为《8月CH涨2%创12个月新髙》的报道，开了国内机器人写稿的先河。此后，新华社的“快笔小新”、今日头条的“张小明”，还是湖北广播电视台的“云朵”，都是机器人写作代表。机器人写作的优势（一）生产内容精准化真实性是新闻的第一生命，机器人写作最大的优势在于精确。利用机器人生产新闻，可以不通过在新闻事发第一现场获取情况，而是对已有的数据、资料进行快速搜集，加工编制而成。虽然机器人对稿件的理解深度远不及记者，但在海量数据和强大计算能力的支撑下，其信息的准确度还是比较高的。除此以外，正因为机器人写稿依靠的是全网数据，所以在数据海量的情况下，机器人写稿可以有效避免虚假数据。（二）生产速度迅速便捷5秒钟可以干什么？对于很多记者来说，甚至不够他们点开文档，但5秒却足以让一个机器人写出一篇文稿。2017年8月8日21时19分，四川九寨沟县发生7.0级地震。中国地震台网机器人自动编写稿件，仅用25秒出稿，540字并配以4张图片。此后一系列余震消息，自动编写速度最快的仅用时5秒。由此看来，传统意义上的记者在新闻生产的速度上是远不及机器人记者的。除了这种灾难性报道，比如财经、体育、战争类的新闻报道，只要格式固定、逻辑单一且主要由数据构成，机器人就能够轻而易举地完成。从某一程度来说，机器人写作加快了新闻生产的速度。（此为机器人写作内容）（三）生产时间全天候传统的新闻生产是一个流水线式的构建过程，新闻工作人员首先需要对报道进行策划组织、新闻线索收集、采访和编辑，每一个环节都需要消耗时间和人力，受到各种客观社会环境的影响，导致新闻生产效率大打折扣。机器人写作在新闻生产中正好弥补了这一不足，首先，产生新闻的主题并非人而是机器，它没有知觉、情绪和思想等主观方面的影响因素，其次，工作时间不受限制，只要工作人员设置好程序，就可以全天候不间断地工作，实现新闻24小时滚动播放。机器人写作的劣势机器人新闻生产在给人们带来便利的同时，因为机器的特点，也会相伴而生许多问题。（一）写作范围有限因为机器不会思考，所以只能按照既定的新闻写作模板进行新闻生产，生产体育、财经类的报道，因为这些领域的新闻报道比较简单，只是数据的罗列和分析处理，材料比较固定，模式比较单一。机器人在新闻生产时能提供海量的数据，但却无法生产深度新闻、解释性新闻和评论等。（二）内容缺乏深度机器人生产新闻虽然速度快，但是固定的模板使其只能简单地罗列数据，对数据进行排列组合，因此每篇文章在篇章结构和文字表达上都差不多，同质化严重，读多了只能味同嚼蜡，没有新意和深度。并且机器人写作新闻不能进行规律的总结，不能进行引人入胜的描述，甚至对有些特定词汇的语义无法理解，极易产生伦理道德方面的问题。（三）内容错误易造成不良后果机器人新闻写作与传统媒体记者的新闻采写一样也会出错，但是出错后远比人工写作危害要大得多。由于数据录入以及数据收集可能会出现错误，一旦机器人抓取了错误数据，生成不实新闻并自动发布出去，瞬间就能传遍整个互联网，人力是不可能及时干预和修正的，这会造成无法挽回的后果和损失。机器人新闻写作的发展途径（一）人机结合进行新闻生产虽然机器人写作已经成为现实，但是机器人还远远代替不了记者的位置，因为它有自身的技术和写作的局限性。对记者而言，不能将机器人只看作是自己职业的威胁，而盲目地加以排斥，而是应该用开放的眼光看到机器人写作对自己写作的帮助，并借此不断提升自己的综合素养。可以利用机器人进行初级新闻生产，生产出最基本的数据和现象，省却了记者耗费大量时间而做的收集和整理工作，记者能够在此基础上进行更深入的采访和分析，快速切入主题，找准重心，进行深度报道和解释，使用户既能获得大量真实数据，又能知道现象背后隐藏的本质内涵，在稿件完成后还可以帮助记者及时校对，实现机器人新闻生产和新闻从业人员的良性互补。（二）拓宽报道领域随着科技和人工智能的不断发展、大数据平台的逐步完善，机器人报道的领域必将不再局限在体育、财经等单一领域，而是向多领域发展。机器人数据处理能力的不断加强，可以写作的领域将更加广泛，甚至通过编程、语义理解等技术的发展，机器人写作具有情感性、民生类、深度报道等新闻也可以成为现实。（三）提供个性化服务传统媒体的传播方式是一对多的大众传播，媒体处于主动地位，媒体生产什么，用户就得接受什么，用户处于被动地位，没有选择的权利。大数据时代，机器人写作兼具大众传播和人际传播的特点，不仅能进行一对多的传播，还能进行一对一的传播。技术的进步使得机器人新闻写作能充分利用大数据技术，分析用户的爱好和阅读兴趣、阅读习惯，并按照这些兴趣和习惯进行个性化新闻的写作，进而进行个性化新闻的推送，满足用户的个性化需求，即使某一稿件只有一个用户有兴趣阅读。这种个性化服务的提供能够增加用户对媒体的黏合度，提高媒体的传播效果。（四）新闻从业者提升综合素养机器人新闻生产的出现，对新闻从业者而言是他们提升综合素养的机遇。新闻从业人员要改变自己的传统思维，树立大数据思维，不仅要提高传统媒体的新闻采写、编辑的业务能力，而且要在媒体融合环境下掌握新媒体和新闻深度报道的能力。要不断加强学习，掌握新的技术，提高写作能力和水平，在机器人新闻生产的基础上写作出更有创意和深度的新闻稿件。参考文献1喻国明.“机器新闻写作”时代传媒发展的新变局[J].中国报业,20152翟欣.大数据时代机器人新闻生产出现的问题和解决对策[J].视听，20183邹阿江.新闻传播中机器人写作的局限性与对策研究[J].新闻研究导刊，20194黄磊.浅析新闻写作机器人的应用和不足[J].新闻前哨，2019收起

团队倡导“以德立教、率先垂范、严于律己、无私奉献”，欢迎有志于信息管理与商务智能研究的同学加入！导语信息管理与商务智能团队倡导“以德立教、率先垂范、严于律己、无私奉献”，在教书育人、科研创新、社会服务等方面取得了丰硕的成果。其中团队负责人李敏强教授为国家杰出青年基金获得者，教育部长江学者特聘教授，国务院政府特殊津贴专家，主持和参与省部级以上科研项目30余项，发表学术论文130余篇，撰写专著3部，曾获国家级科技进步奖二等奖1项，国家教育部科技进步奖4项，中国高等学校科技进步奖一等奖1项，天津市科技进步奖4项。团队主要科研方向涉及大数据环境下的数据挖掘和商务智能，信息管理和信息系统，互联网、移动互联环境下的信息产品与服务管理，信息系统安全风险管理等。团队近几年共发表论文160余篇，包括MIS Quarterly，Information Systems Research, Journal of Management and Information Systems（管理信息系统领域的三大顶级期刊，团队近五年共有5篇论文发表其上）以及IEEE Transactions on Neural Networks and Learning Systems，Information & Management等顶级期刊，SCI/SSCI检索70余篇，获教育部科技进步奖一等奖1项、自然科学一等奖1项；获市级优秀博士论文1篇，获校级优秀博士论文2篇。团队目前在研项目（纵向）12项，其中国家自然科学基金重点1项，面上/青年项目6项、教育部高等学校博士学科点专项科研基金2项。实验室重视校企合作、产学共赢，推动产学研一体化。团队研究方向互联网/移动互联环境下的信息产品与服务管理1.数字化平台运营与治理；2.信息产品（服务）的组合优化设计；3.信息产品的定价与竞争；4.信息产品市场的复杂适应系统建模与模拟大数据环境下数据挖掘与商务智能1.基于海量／复杂数据的知识发现；2.Web数据挖掘与社交网络挖掘；3.复杂信息系统安全风险分析；4.复杂环境下的智能决策支持系统企业信息系统安全风险管理策略研究1.企业信息系统安全投资策略研究；2.云服务环境下安全服务外包策略研究；3.信息系统安全信息共享；4.用户隐私保护团队展示团队负责人李敏强：信息管理与管理科学系教授，博士生导师，信息管理与信息系统学科带头人。教育部长江学者特聘教授、国家杰出青年基金获得者、入选国家“百千万人才工程”，国务院政府特殊津贴专家。先后获国家级科技进步奖二等奖1项, 教育部科技进步奖4项，高等学校科技进步奖2项，天津市科技进步奖4项。1998年12月获天津市首届优秀青年人才奖，2001年3月获第六届天津青年科技奖。2005年获教育部新世纪优秀人才支持计划资助。主要研究方向为信息管理与电子商务、信息产品定价、商务智能、进化计算理论与应用等。团队主要成员南国芳：天津大学管理与经济学部系统工程研究所教授、博士生导师。主要研究领域为信息经济、平台经济、信息系统、电子商务、数据挖掘及智能计算等。先后承担4项国家自然科学基金项目和多项省部级科研项目，于2008年获得教育部自然科学奖一等奖一项，于2015年获得教育部自然科学奖二等奖一项。获得2008年度教育部新世纪优秀人才称号，获得2013 年度天津市“131人才培养工程”第一层次人选，获得2013 年度天津大学“北洋青年学者”。于2018年获得天津市“131创新型人才团队”。冯楠：信息管理与管理科学系教授，博士生导师，管理与经济学部副主任。2013年入选教育部“新世纪优秀人才”支持计划，2014年入选“北洋青年学者”支持计划，2015年入选天津市“131”创新型人才。曾获第十六届天津市社会科学优秀成果一等奖，以及2019年教育部自然科学二等奖。中国信息经济学会副理事长，天津市工商与会计专业学位教育指导委员会委员。主要研究领域为：数字化平台运营与治理，信息安全服务管理，平台经济与共享经济，大数据与商务智能。陈富赞：信息管理与管理科学系教授、博士生导师。获教育部科技进步一等奖1项、自然科学一等奖1项。主要研究领域为：(1)大数据分析及基于大数据分析的企业智能决策；(2)开放云计算环境下的云服务运营、管理以及及定价决策；(3)社交网络数据分析以及基于社交网络的用户行为模式分析及商务决策等。田津：信息管理与管理科学系教授、硕士生导师。获得2019年教育部自然科学奖二等奖，天津大学“北洋学者——骨干教师”等。主要研究领域为电子商务与商务智能；数据挖掘与知识发现；个性化推荐技术；机器学习与进化计算；社交网络挖掘与分析。窦润亮：信息管理与管理科学系副教授、硕士生导师。信息管理与管理科学系党支部书记、系副主任。中国机械工程学会工业工程分会常务副秘书长、全球华人工业工程与物流管理院系主任联席会秘书长。主要研究方向为大数据分析与智能决策、机器学习与数据挖掘、产品与服务创新、客户需求分析。冯海洋：信息管理与管理科学系副教授、硕士生导师。获得2018年中国信息经济学会青年创新奖、天津大学“北洋学者——骨干教师”、 天津大学管理与经济学部“经管榜样（教工）”年度科学奖。主要研究领域为信息系统经济学、平台商务模式与策略、商务大数据分析等。课题组老师研究成果团队主要获奖获国家科技进步二等奖2项，教育部科技进步奖一等奖4项、自然科学一等奖1项，天津市科技进步奖4项；获市级优秀博士论文1篇，获校级优秀博士论文2篇。团队培养的研究生荣获2017年国际信息技术与系统大会最佳论文奖亚军，也是我国大陆高校研究生首次获得该奖项。2018年获评天津市劳模创新工作室先进典型荣誉称号。2018年获评天津大学“金牌活力实验室”。2017年获评天津大学“银牌活力实验室”和“最佳人气实验室”。2015年获评天津大学劳模创新工作室。团队近期论著选登【代表性论文】[1] Zhang, Zan, Guofang Nan, and Yong Tan. "Cloud Services vs. On-Premises Software: Competition Under Security Risk and Proct Customization." Information Systems Research (2020).[2] Haiyang Feng, Zhengrui Jiang, Minqiang Li, and Nan Feng, First- or Second-Mover Advantage? The Case of IT-Enabled Platform Market, MIS Quarterly, Forthcoming.[3] Haiyang Feng, Zhengrui Jiang, Dengpan Liu, Quality, Pricing, and Release Time: Optimal Market Entry Strategy for New Software-as-a-Service Vendors, MIS Quarterly, 42(1), 333-353, 2018.[4] Guofang Nan, Lina Yao, Chad Ho, Zhiyong Li* Minqiang Li. (2019). An Economic Analysis of Platform Protection in the Presence of Content Substitutability,Journal of Management Information Systems, Accepted.[5] Zan Zhang, Guofang Nan*, Minqiang Li, Yong Tan. (2016). Duopoly pricing strategy for information procts with premium service: free proct or bundling? Journal of Management Information Systems, 33(1): 260-295.[6] Jin Tian, Minqiang Li*, Fuzan Chen, and Nan Feng. Learning subspace-based RBFNN using coevolutionary algorithm for complex classification tasks. IEEE Transactions on Neural Networks and Learning Systems, 2016.[7] Nan Feng, Huanhuan Feng, Dahui Li, Minqiang Li, Online media coverage, consumer engagement and movie sales: A PVAR approach, Decision Support Systems, vol. 131, 2020, pp. 1-11.[8] Chenglong Zhang, Nan Feng*, Dahui Li, Minqiang Li, Outsourcing Strategies for Information Security: Correlated Losses and Security Externalities, Information Systems Frontiers, 2020，Forthcoming.[9] Minqiang Li*, Haiyang Feng, Fuzan Chen, Jisong Kou. Numerical investigation on mixed bundling and pricing of information procts.International Journal of Proction Economics, Volume 144, Issue 2, August 2013, pp.560-571.[10] Runliang Dou, Yubo Zhang, Guofang Nan, Iterative Proct Design through Group Opinion Evolution[J],International Journal of Proction Research, 2017, 55(13): 3886-3905[11] Fuzan Chen, Minqiang Li, Harris Wu*, GACRM: A Dynamic Multi-Attribute Decision Making Approach to Large-Scale Web Service Composition, Applied Soft Computing, Volume 61, Issue 12, 2017, 947-958【专著】[1] 李敏强，寇纪淞，林丹，李书全著. 遗传算法的基本理论与应用. 北京：科学出版社，2002年3月第1次印刷，2004年2月第2次印刷，ISBN: 7-03-009950-5.[2] 杨海军, 李建武, 李敏强著. 进化算法的模式、涌现与困难性研究. 北京：科学出版社，ISBN 978-7-03-033175-5, 2012年2月.[3] Minqiang Li, et al. Real-coded ECGA for Solving DecomposableReal-Valued Optimization Problems. In Ying-ping Chen, Meng-Hiot Lim (eds.),Linkage in Evolutionary Computation, Springer, October 1, 2008, pp.61-86.[4] 李敏强, 冯海洋, 冯楠, 南国芳. “互联网+”新经济形态下信息产品与服务管理研究.《信息管理与信息系统研究进展（第二辑）》，马费城主编，武汉：武汉大学出版社，ISBN：9787307188778, 2017年6月.[5] 田津, 李敏强. 径向基函数神经网络及协同进化学习. 科学出版社, 2017.在研项目目前在研项目（纵向）13项，预算经费800多万元。国家自然科学基金重点项目/面上项目/青年项目7项。先后承担国家杰出青年科学基金1项，国家自然科学基金重点项目1项、面上项目10项、青年基金项目 6项，教育部高等学校博士点项目 5项；[1]国家自然科学基金重点项目（71631003），“互联网+”经济形态下信息产品与服务管理研究，起止年月: 2017年1月—2021年12月[2]国家杰出青年基金，“信息管理与系统（研究方向）”，起止年月:2010年1月-2014年12月[3]国家自然科学基金面上项目（71871155），“存在多利益相关主体复杂情境下企业信息系统安全投资策略演化过程研究”，起止年月: 2019年1月—2022年12月[4]国家自然科学基金面上项目(No.71771169)，考虑需求多样性的云服务最优分级定价策略研究，2018-2021[5]国家自然科学基金面上项目，数字化内容平台收益模式与版权策略研究，起止年月：2020年1月—2023年12月[6]国家自然科学基金青年基金项目，存在供给侧竞争与协作的互联网平台企业产品或服务动态定价策略，起止年月：2018年1月—2020年12月[7]天津市“131”创新型人才团队项目，信息商品定价与服务创新，2019/01 -2021/12国际交流团队教师有着丰富的海外交流、合作渠道。团队教师多次出访美国、德国、意大利、加拿大、韩国等国家的著名大学和研究机构并进行研究交流，定期参加研究相关国际学术会议，与多个国外研究机构建立了广泛合作基础。近几年部分教师海外交流情况如下：李敏强：2002年在香港城市大学从事合作研究，2005-2006年美国伊利诺伊大学厄巴纳-香槟分校工学院访问学者。南国芳：2005年在英国帝国理工学院做访问学者，2008年至2009年在意大利都灵理工大学做博士后研究。冯楠：2012年1月-2013年1月在美国特拉华大学(University of Delaware)商学院做访问学者陈富赞：2015年8月-2016年8月美国欧道明大学(Old Dominion University)访问学者。田津：2014年11月-2015年11月美国马里兰大学访问学者冯海洋：2014年3月-2015年6月美国爱荷华州立大学（Iowa State University）博士后在团队老师的带动下，实验室研究生广泛参与国际学术合作和交流，全部博士生和大多数硕士研究生参加过国际学术会议（例如ICIS、PACIS、CSWIM等国际会议），还有大量研究生前往海外名校进行交流学习。近五年参与海外交流学习的部分研究生如下：罗潇潇：2016年6月-2017年6月美国德克萨斯大学阿灵顿分校，联合培养吴丹：2017年12月-2018年12月美国德克萨斯大学达拉斯分校，联合培养王宇：2018年6月-2020年3月美国德克萨斯大学阿灵顿分校，联合培养李枝勇：2018年9月-2019年9月新加坡管理大学，联合培养陈林：2019年6月-2020年6月美国德克萨斯大学阿灵顿分校，联合培养活动剪影团队邀请吴东军教授来校访问。吴教授现任佐治亚理工大学Scheller商学院Scheller讲席教授 (创新、创业及商业化)、信息技术管理系终身教授及学科负责人 (Area Coordinator)，现任国际顶尖学术期刊信息系统研究 (Information Systems Research)高级编辑 (Senior Editor), 以及国际顶尖学术期刊管理科学 (Management Science) Department Editor。团队邀请姜正瑞教授来校交流。姜正瑞教授在2019年加入南大之前，任美国爱荷华州立大学商学院的信息系统与商业分析教授和Thome讲席教授。为国际顶尖期刊Information Systems Research的副主编和Proction and Operations Management的高级主编，曾任 MISQuarterly副主编（2014-2017），并获得该刊2016年最佳副主编奖。团队邀请陈建清教授来校交流。陈建清教授为美国德克萨斯大学达拉斯分校商学院副教授（终身教职）。目前担任Information Systems Research, Journal of Electronic CommerceResearch等国际期刊副主编，在相关领域具有较高的学术声誉。2016年，陈教授获得了INFORMS杰出青年奖，是获得此奖的唯一华人。团队邀请宋培建教授来校交流。宋培建教授是南京大学商学院营销与电子商务系教授，担任国际期刊Electronic Commerce Research and Applications副编辑（Associate Editor），Journal of GlobalInformation Management评审委员会成员（Editorial Review Board）。团队邀请Xinxue (Shawn) Qu (Assistant Professorat University of Notre Dame)来校交流。团队邀请时任浙江大学教授的霍宝锋教授来校交流。霍宝锋教授担任运营管理顶级期刊Journal of Operations Management编委。团队与易融联成立金融科技联合实验室。团队参加信息管理领域顶级会议ICIS。人才培养1.团队任务：1）聚焦国际相关领域的理论与应用基础研究前沿；2）聚焦我国经济与社会信息化建设中的重大需求。(特别是我国“信息化带动工业化”发展思路所提供的巨大需求)2.培养目标：1）具备现代经营与管理理论基础和意识，具有信息管理、信息系统、电子商务、大数据分析及商务智能等方面的理论研究与应用能力。2）高素质、宽基础，具备创新精神和实践能力的高级复合型人才。3）可以在第一、二、三产业和高等教育、科学研究、政府及有关组织，从事信息管理和信息系统的理论研究、战略规划、管理组织和技术开发等工作。3.对研究生基本要求1）做好职业发展规划，应用所学的管理知识，管理好整个研究生期间的学习和科研任务。2）严格遵守研究生院研究生培养的各项规定，严格遵守学术规范。3）追求上进，勤奋刻苦；认真负责，积极主动；在学习和科研工作中，发挥主观能动性。4.团队校友部分博士校友毕业去向就职于高校及科研院所：985高校、211高校以及中科院企事业单位：百度、滨海新区政府、中国移动、中石油、建设银行 ……部分硕士校友毕业去向Google(美国)：2001级硕Linkedin(美国)：2009级硕百度：2013级硕、2014级硕阿里：2012级硕、2017级硕腾讯：2011级硕、2017级硕华为：2013级硕、2014级硕美团：2015级硕、2017级硕中科院：2013级硕、2014级硕、2016级硕建设银行：2009级硕、2015级硕招商银行：2012级硕浦发银行：2017级硕字节跳动：2017级硕5、活动剪影团队年终汇报学生毕业团队讨论团队参加PACIS2019团队参加CSWIM2018团队参加CSWIM2019文体活动生源要求团队接收外校优秀推荐免试硕士研究生、直博生或招考博士生。期望报考申请的研究生具备以下能力和特点：（1） 具有在管理科学、数学和统计学、经济学、计算机和信息科学等相关学科之一的学习背景；（2） 具有数学建模能力、计量/统计或数据分析的能力，掌握基本的文献研究和定性分析方法；（3） 学习能力强，具备发现问题和解决问题的能力、自我挑战意识和责任心，以及团队协作精神；（4）具有较好的中英文阅读、写作和口语表达的能力；（5）身体健康，阳光乐观，积极向上。课题组联系方式如果你想加入我们，请私信小编。信息来源 / 信息管理与商务智能团队封面图制作 / 刘 洋图文编辑 / 刘 洋责任编辑 / 李 庚收起

最近，全国各省高考成绩陆续下发，考生们都开始为报名哪所学校而苦恼的时候，各大高校也在为了招生绞尽脑汁，在宣传文案中尽力卖萌，苦做功夫。在各大高校学长学姐的创意宣传下，相信大部分高考生对于学校的选择心里已经有了大概的想法。除了学校，专业的选择也相当重要，关系着以后的就业方向，工作内容，薪资等等。伴随着计算机技术的飞速发展，人工智能等新兴高科技领域成为了大家蜂拥报名的热门专业。今天人工智能网就为大家好好分析下如何正确选择人工智能专业。为什么要报考人工智能专业1998年，国内互联网行业刚刚兴起，百度、阿里巴巴、腾讯和京东这些如今在互联网领域叱咤风云的巨头企业，都才刚刚成立甚至还没有成立。当时，国家出台政策大力发展互联网人才，各大高校都开始设立计算机专业。现在看来，发现当年报考IT专业的那批学生，如今都已经成为了中国互联网行业的中坚力量，无论是薪资还是职业发展都优于其他专业。21世纪是属于人工智能的世纪，人工智能技术正处在飞速发展阶段，而各国对于AI人才的需求是无止境的。近日，加拿大Element AI首席执行官发布了最新的2019年《全球AI人才流动报告》，报告显示，如果按照在机器学习顶级学术会议上发表过论文为门槛，2018年全球共有22400位AI顶级人才。LinkedIn上个人资料的补充调查显示，共有36524人符合AI专家资格，这比2018年的报告增长了66%。这些顶尖AI专家中，美国拥有46%，远超其他国家的人才数量；中国占比11%，位居第二。也就是说，国内AI顶尖人才的数量距离美国还有很大的差距。从另外一份关于AI就业的调查报告也显示，从全球来看，中国空缺的AI职位最多，共有超过万余名AI人才缺口。由于人工智能专业需要跨多学科领域的知识，优秀人才成为各大公司争夺的重点对象，薪酬、竞争力自然水涨船高。GMIC北京2018大会发布的《AI人才竞争力报告》显示：AI平均年薪约33万，稳超互联网行业水平。麦可思2019年6月10日发布的《2019年中国大学生就业报告》显示：2019年本科就业绿牌专业（失业量较小，就业率、薪资和就业满意度综合较高）基本与AI相关。多数中国知名高校设立人工智能专业近年来随着国家对人工智能技术发展的重视，人工智能技术越来越普及，于是市场对人才的迫切需求也越来越高，很多高校加强人工智能方向的人才培养。3月29日，教育部发布《教育部关于公布2018年度普通高等学校本科专业备案和审批结果的通知》，全国共有35所高校获首批人工智能新专业建设资格。与人工智能行业发展密切相关的是，25所高校获批大数据管理与应用专业，50所高校新增智能制造工程专业，96所高校新设智能科学与技术专业，101所高校新增机器人工程专业，203所高校获批数据科学与大数据技术专业……清华大学 新增了“人工智能学堂班”（简称“智班”），将从2019年秋季开始招收本科生，首批预计30人。智班成为清华学堂人才培养计划第八个实验班，图灵奖得主、清华大学交叉信息院院长姚期智院士将担纲智班首席教授。北京大学 在2019级启动机器人工程的本科生教育和培养。自2018年起，北大工学院在“北京大学机器人研究中心”的基础上，重点筹建“机器人工程”本科专业。据北京大学本科招生信息发布会消息，北大今年将在北京地区投放本科一批次招生指标167人，包括理科105人，文科62人。中国人民大学 一向以人文社科文明，也在4月22日正式成立人工智能学院。该学院为二级独立学院，将开展人工智能学科和相关交叉学科领域本、硕、博人才培养和科学研究工作，预计2020年9月开始第一轮招生。北京师范大学 在6月1日正式成立人工智能学院。浙江大学 今年9月份正式开始招生，学生纳入新设立的竺可桢学院图灵班。哈尔滨工业大学 在3月份正式获教育部审批的计算金融专业，成为国内唯一一所具有计算金融专业本科招生资格的学校。国务院参事室参事汤敏在接受采访时表示：“人工智能跟互联网一样，涉及到方方面面，各行各业。因此，文科从另一角度参与也有意义。”在专业方向上，硕士学位研究方向名称中含“人工智能”的有10所高校，北大、北交大、北科大等在列。研究方向主要包括人工智能理论与方法、人工智能的应用、人工智能产业创新等；博士学位研究方向名称中含“人工智能”的有6所高校，研究方向主要包括人工智能的理论和人工智能的技术研发与应用等；在本科生培养上，专业主要集中在计算机科学与技术、智能科学与技术等。其中，专业名称为“人工智能”的高校有两所，北京交通大学、北京科技大学。专注人工智能行业研究的允能智库从中国新一代人工智能发展战略研究院采集了72所开设人工智能、数据科学以及智能科学与技术等相关专业的人工智能大学在相关领域的国内外论文数、专利数（2008-2018年）以及中国745家人工智能企业核心人力资本毕业院校这四项指标的相关数据，通过专家赋权计算出上述四个维度的权重分别为0.2930、0.1872、0.1080、0.4118。据此对这72所大学进行了综合排名，进而形成了一份中国大学人工智能专业榜单。理性报考，从长远考虑专业选择在人工智能专业如此大热的环境下，相信很多家长和高考生都蠢蠢欲动，但AI报道还是要提醒大家，提醒大家，报考需理性，切莫跟风。前几年物联网工程专业大热的时候，考生们也争先恐后报这个专业，但据统计毕业后真正从事物联网行业的少之又少，大部分从事的行业跟本科专业没有太大的关系，还有一小部分选择继续在物联网专业考研深造。中国工程院院士、北京大学教授高文也曾说过：“目前与其说中国的 AI 人才不够，不如说是顶级 AI人才不够。对此倒也不必搞一个全民运动，像当年搞软件学院一样，弄出一堆人工智能学院，那可能又是一个灾难。顶级 AI 人才的培养需要有一些顶级学校，多投入一些资源，培养一些好一点的学生。”首先，人工智能的确是一个很有发展前景的专业，但你真的对人工智能感兴趣吗？你的能力和潜力真的适合去学习人工智能吗？不同的专业有不同的专业培养方式和课程，除非是确定是真的对人工智能感兴趣，否则本应该丰富多彩的大学生活因为一个不适合自己的专业变得寡淡无味还有些艰难，甚至让很多人中途选择调剂专业，从而浪费了很多时间。其次，人工智能在中国还算是一个比较新的专业，教育模式，培养方案和课程内容都是首创。本科阶段对于很多学生来说就是扎实基础的阶段，不仅有利于学生的长期发展，也有利于到了硕士和博士阶段的深入研究。现在我们其实无法去确认这些首创的教育模式，培养方案和课程内容，是否能够适合大多数学生去在本科学到知识，所以我们更应该冷静的去思考本科就报考人工智能是否能够为以后人工智能行业打好基础。最后，众所周知AI人工智能拥有庞大的知识体系，包括：坚实的数学基础、计算和程序基础，人工智能的专业知识，分析建模能力。光是数学基础，就需要去了解基本的编程和数据结构，高数，概率论，线性代数，模式识别，最优化，然后还要看神经网络，遗传算法相关的论文。对于一个刚刚进入大学的学生来说，大学四年的时间可能都不太可能把计算机和数学这两门学科学透，何况这么庞大的知识体系。当然，还是有很多学霸能够做到，但毕竟学霸是少数。所以若能在大学本科专业选择时，考虑一下计算机方向，数学方向，甚至物理专业也是不错的，这些专业未来向人工智能专业发展也比较容易。有了扎实的理论知识，学习人工智能也会更有针对性。根据《AI人才竞争力报告》显示，AI核心职能越来越青睐高学历，博士人才需求同比增长最高，从2016年三季度到2017年四季度的六个季度中，AI对核心职能的需求在不同的学历中表现为：对本科学历的需求整体呈下降趋势；与此同时，AI领域的职位对博士和硕士的需求总体呈逐年上升的趋势。而且在本科专业目录中，早已经有了智能科学与技术专业。人工智能学会教育工作委员会主任王万森在接受采访时也表示：“智能科学与技术专业和人工智能专业并没有本质区别，差别知识在于专业名称不同，名字的社会认知度不同。我国智能科学与技术专业15年来的教育实践，为我国培养了大批高层次人工智能专业人才。”考生若对人工智能有浓厚的兴趣，也可以考虑智能科学与技术专业。总结：综上所述，人工智能专业虽然大热，成为很多家长和考生的首选，但还是必须要保持冷静，理性思考，从实际情况出发，这样才能选择最适合自己的专业和学校去学习人工智能，才能在人工智能这条路上越走越稳！收起

大数据和机器学习是我的主要研究方向，同时也在带相关方向的研究生，所以我来探讨一下这个问题。要想搞清楚大数据与AI之间的关系，首先要了解大数据和AI的概念。大数据是互联网和物联网发展的必然结果，大数据技术的重点在于实现数据价值化，整个大数据产业链也紧紧围绕数据进行展开，包括数据的采集、存储、安全、分析、呈现和应用。另外，云计算技术与大数据技术也有密切的联系，云计算为大数据提供了服务支撑。人工智能目前已经经过了60多年的发展，主要的研究领域集中在机器学习、自然语言处理、自动推理、知识表示、计算机视觉和机器人学等六大方面，重点的问题在于“合理的思考”和“合理的行动”。人工智能由于是典型的交叉学科，所以目前依然处在行业发展的初期，人工智能领域依然有大量的课题需要攻克，也需要解决落地应用问题。大数据与人工智能的关系可以通过三个角度来描述，其一是大数据是人工智能的基础，大数据带来大智慧；其二是人工智能促进大数据的发展；其三是大数据和人工智能共同组建了一个新的技术生态。大数据的发展在很大程度上推动了人工智能的发展，比如机器学习需要大量的训练数据，数据量越大则训练的效果就会越好，所以在大数据时代，机器学习包括深度学习受到了广泛的关注，一系列基于机器学习的产品在陆续开始落地应用，比如自动驾驶、智能诊疗等。人工智能的发展反过来也极大的促进了大数据的发展，比如人工智能领域需要采集更多的数据，而且要对这些数据进行清洗、归并、分析等处理过程，这个过程也在促进大数据技术的发展。另外，大数据和人工智能之间还存在两个重要的技术板块，其一是云计算（提供计算资源服务），其二是物联网（提供人工智能产品的落地应用场景），所以大数据和人工智能的发展将带动一个新的技术生态。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网方面的问题，或者考研方面的问题，都可以咨询我，谢谢！收起

时代奔腾向前，网络转瞬变迁。不抱紧一两本业界报告书，都不好意思说我是要考研的人。每到年中，媒体圈、新传考研圈就有这么一本重磅报告堪称必读，那就是来自中国社科院的《中国新媒体发展报告》，即新媒体蓝皮书。《蓝皮书》虽然内容上是对2019-2020年的学术热点总结与调查报告，但新传考研真题最爱考的不就是热点吗？这样一来，这本《蓝皮书》其实就变成了2021级新传考研真题的预测之书。与其说是预测，不如说是押题之王！作者介绍大仁学长，厦大新闻学博士3年党报工作经历，5年教学辅导经历。现为爱传播教学部负责人，新闻学理论、新闻实务课程主讲教师。擅长把握新闻传播学命题趋势，串联学界与业界热点动态。 大鲨鱼学长，川大传播学博士参与新闻与传播专业辅导4年，形成了一套完备的知识体系，熟悉传播与网络新媒体相关理论，专注媒介与社会相关研究。凯文·凯利（Kevin Kelly）说过：“人工智能将激活惰性物体，就像100年前电力曾经做到的那样，我们以前曾将一切东西电气化，现在我们将让它们认知化。”智能媒体就是当下的热点中的热点。直接考查智能媒体的院校也还是有一些，比如：1.“智能媒体对新闻制作与传播过程中的应用”（20同济847）；2.“分析主流媒体在智能媒体时代如何创新新闻报道。”（20湖南师大717）；3.“智能媒体”（20陕师大学硕）；4.近年来，大数据、人工智能，5G 等技术的发展极大地影响了信息传播领域，传播进入了智能时代，请集合具体实例，谈谈智能技术对传播生态的影响。（20郑大440）。不过智能媒体不只是一种媒介、一种媒体，而是以人工智能技术为核心而形成的一整套的技术体系和多种形式的媒介和媒体样态。大致而言，智能媒体涉及以下这些方面的内容：包括写作机器人/机器人写作；大数据分析/数据新闻/可视化新闻；智能音箱/智能家居/语音智能/语义交互（同步翻译）/语义识别；OCR识别工具；车载智能媒体等等。从这个范围来看，那关于智能媒体的考查占据了新媒体知识点的大半江山，而伴随新媒体的考察比重增加，对于智能媒体的考查也会持续增多。比如：1.机器人写作对新闻生产的影响（20陕师大学硕）；2.记者怎样应对机器人写作（20华中师大334）；3.简述机器人写作新闻稿的优势与不足（20浙传440）；4.机器人写作对新闻生产的影响（20陕师大学硕）；5.结合材料论述人工智能、大数据时代的新闻业，传统媒体如何应对（20华东师大334）。整体而言，万物皆媒时代更合适叫做万物皆智媒时代，小至一个可穿戴设备、大至智慧城市背后都离不开智能媒体的身影。那么理解整个智媒时代首先要理解什么是“人工智能”。一、什么是人工智能？人工智能将人类因问题和事物而引起的刺激和反应，以及因此而引发的推理、 解决问题、判断及思考决策等过程分解成一些步骤；再通过程序设计，将这些过程模拟化或公式化。使电脑能够有一个系统的方法来设计或应付更复杂的问题。而这套能够应付问题的软件系统，称之为人工智能。简言之，人工智能是一门研究运用计算机模拟和延伸人脑功能的综合性科学。最早由McCarthy于1956年在Dartmouth学会上正式提出，在当前被人们称为世界三大尖端技术之一。1.按技术发展阶段可将人工智能分为计算智能、感知智能和认知智能三个阶段。（1）计算智能是指机器能运用神经网络和遗传算法等机理像人类一样计算、存储和传递信息;（2）感知智能则指机器能够通过视觉和听觉两大信息摄入系统获取信息并作出判断、采取必要行动;（3）认知智能在计算智能和感知智能的基础上取得更为长足的进步，机器能够像人一样独立思考，主动采取行动，比如在智能仿真技术支持下的机器类人化产物，Sopphia获得沙特公民权。2.按照包含的具体技术而言，主要包括：机器人技术，语义识别技术/“语义网”，图像识别技术，面部识别交互技术，视线交互技术，自然语言处理和专家系统，手势或体感交互技术等等。比如：（1）语义识别技术/“语义网”：改变目前互联网作为信息”仓库“和”搬运工“的角色，能够根据语义进行判断的网络，理解人类语言的智能网络。将人类凑够搜索相关网页的繁重劳动中解放出来，通过智能代理筛选出相关有用信息，而不是像现在搜索引擎，只能罗列数以万计的搜索结果。（2）图像识别技术/面部识别交互技术/刷脸技术：2015年3月，阿里支付宝人脸识别技术”Smiletopay“，带来便捷性和安全性2017年1月，最强大脑，”百度大脑“机器人小度击败以记忆著称的最强大脑选手王峰2017年3月，国际权威人脸识别数据库LFW，腾讯优图实验室在无限制条件下人脸验证测试的正确率99.8%。（3）视线交互技术：通过视线就可以控制电脑或其它终端。2012年，眼动仪公司瑞典Tobbi宣布为win8发布眼控Gaze凝视界面，允许用户通过眼控技术来操控电脑操作，达到相同精确度，更加直观，快速，自然；LG和三星曾推出具有眼动追踪技术的手机。可以用于用户需求判断和反馈，江苏《一票难求》引入眼动仪，判断嘉宾关注对电影哈宝的关注点。可应用于互动式广告中；对于一些残疾人来说，无疑是一个革命性的进步；（4）手势或体感交互技术：通过手势或身体动作来与信息终端进行交互。微软X-box体感游戏机；手术医生可以通过无接触控制手术影像的播放，避免用手直接操作带来细菌污染；举例：苹果siri，微软小娜Cortana，2016年，alphago战胜李世石二、智能媒体与内容生产以下内容将从内容发现、采集、把关筛选、等内容生产的维度进行讨论，不过要注意的是以下的具体内容并非是仅由人工智能技术导致，而是涉及到云计算、大数据、物联网等技术。1.内容发现层面（1）智能化搜索：更加智能化理解写作者的搜索意图和诉求，提供精准化的搜索服务。智能搜索不仅仅支持文字搜索、还支持语音、图像视频搜索。除此之外还可以在站内、具体的领域内搜索，搜索选项更加细化和人性化。（2）AI洞见与新闻线索发现：通过人工智能+大数据可以预估热点、研判突发事件、并快速推送。比如新浪鹰眼系统，基于新浪和新浪微博历年用户数据和社交媒体数据的积累，能够捕捉重大事件和预估热点，2019年巴黎圣母院着火事件中，该系统迅速核实并进行了全网首发。2.内容采集层面（1）语音转文字：媒体人的采访利器，智能语音技术极大提高新闻采写的效率。科大讯飞的语音输入技术已实现每分钟400字，准确度高达98%，语音转录工具“讯飞听见”支持录音和撰写、导入音频转写等功能。除此之外还具备多种语言的实时翻译功能；MAGIC提供语音智能提取字幕功能，配合同期声字幕使用相当高效便捷。（2）同声传译：搜狗2019年3月智能录音笔C1，集传统录音笔功能和人工智能语音识别、机器翻译技术为一体；十三届全国人大一次会议召开期间，人民日报就是通过引入类似的人工智能语音识别系统，实现了对直播音频的中英文同步文本翻译，极大地提高了新闻采写速度，减少了人工耗时；合肥卫视打造的“融合媒体生产发布云平台”，视频字幕制作更加简便高效并提升了新闻类撰稿 6 倍以上的效率。3.内容把关筛选层面通过算法进行智能审核，识别虚假新闻和敏感信息，对敏感信息进行追逐、识别、检测、过滤、标注、报警，针对暴力、色情、恐怖信息进行自动筛查。此外此举还可以有效节约人工审查时间和精力，以及辅助版权审查，解决侵权问题。4.内容创作层面（1）智能化写稿：利用算法撰写稿件，高效采集和处理信息，尤其是在应对突发事件、财经、体育新闻等报道领域，大幅解放了人力。类似产品有很多，比如今日头条xiaomingbot(16年8月)、腾讯Dreamwriter（15年9月）、第一财经writingMaster（16年5月）、百度度秘Duer（16年8月）、封面小封（16年12月）等；封面小封实现月写稿件10000篇，涉及体育、财经、灾害、生活、娱乐、科技等十多个领域。（2）字幕自动生成：字幕自动化加工和同步生成技术的应用释放了人工制作同期声字幕的时间精力。以一个3分钟的视频制作为例，传统制可能需要30分钟，现在只需一键生成，数秒内完成。（3）智能视频剪辑、自动识别套用模板等智能编辑功能：极大降低了视频编辑和剪辑的门槛，导入所拍所录，即可即刻生成视频，操作简单便捷。比如Oppo手机Reno2自带的Schoop和小米手机CC9 pro的Vlog等都可以实现智能视频剪辑的一键式操作；MAGIC提供21款视频包装模板，自动实现画面切换，切换节奏和背景音乐节奏。（4）人机协同创作：辅助内容创作者快速检索内容，辅助写作搜索资料和汇总。（5）文字内容转广播口语化：将文字快速转换为“快短平实”的语言，改善文字转语音后的播放体验；这一点想象一下书籍的听书功能的尴尬和难受之处就应该可以理解。（6）可视化内容创作：智能化可视化工具的使用，将技过程封装在黑箱之中，制作者仅需要使用即可，上传表格，套用模板，快捷生成动画、视频、词云图和各类图表。2020年2月2-20日，媒体大脑MAGIC平台上一共制作了疫情相关视频内容20万条。此外还有一键转视频、视频转GIF动画、一键生产AI语音内容播报、一键生成AI新闻通报等。5.形式产品层面最具代表性的就是智能音箱，2011 年苹果手机推出了支持语音交互的应用 Siri；2014年11月，亚马逊 Echo ，Echo Show智能音箱；2015 年 2 月，Naturali 奇点机智在北京成立；2017年 ，Google HomePod；2017年，苹果 Cortana；2017年，微软 invoke。此外还有喜马拉雅音箱、小雅AI音响、科大讯飞和京东合作推出的叮咚音响、小米的小米AI音响、阿里的天猫精灵X1、祝铭明Rokid公司的若琪音响。以亚马逊为例，其已与包括《纽约时报》在内的多家媒体合作，使其优秀的文字内容能够通过Echo智能音箱播放。此外的媒介产品还包括虚拟主持人、实体的仿真和卡通智能主持人、可穿戴同声传译设备等等。6.内容传播层面（1）精准化推荐：基于大数据技术对海量用户进行深度分析。对用户进行画像、针对智能音频内容机械能场景化传播、立足于内容细分之上，洞悉用户需求和消费偏好，在建模基础上达到分众化、个性化、精准化、场景化内容推送和服务定制等功能。（2）人工智能+语义交互下的全新分发模式：突破语音平台原本只能被动由用户触发操作的局限，通过人工智能的调用，实现智能语音针对特定场景的主动预判是场景化的基础要义。用户在什么时间、什么地点、什么场合、听什么、用哪种声音角色听、用多大音量听、听多长时间等效果都是智能语音可以通过场景学习的，主动性和场景适用性大大提高。所说即所得，在行车，驾驶翻译，即时咨询获取，音乐播放，旅行消息，做菜缴费等生活场景下语音平台的适用性更高7.反馈互动层面（1）玛丽·米克尔所言：“语音正在被重塑，成为人机交互的新范式”，彭兰称“在人工智能技术的推动下，未来人与终端的交互也将越来越回归“自然”。所谓VUI，即 Voice User Interface（语音用户界面），VUI 化则是指促进语音交互的发展，扩展人类在图像交互之外新的人机交互形式。（2）媒体开设了语音答疑小助手、智能问答和回复库：阿里神马团队，立足于大数据+人工智能技术，由社区、校园生产体系、大数据清晰等组合成用户问答库，用于回答用户千奇百怪的问题。（3）伴随式互动形式：自然语言聊天的成熟，对儿童和老年人提供伴随性服务，承担起教育和陪伴的功能。目前智能音箱的购买者更看重家庭使用场景，这些用户最常使用的功能是播放儿童故事。（4）参与性和主动性：用户积极主动通过语音交互随时获取自己感兴趣的内容，比如被玩坏的siri、与智能电视机的交互、车内人员与车载语音系统。三、智能媒体与媒体生态1.新闻生产者方面（1）虚拟主播：提取真人主播的表情动作、声音、唇形等特征，基于“自然交互+知识计算”的技术突破，运用人脸识别，语音合成、人脸建模、表情合成、唇形合成和深度学习等技术，虚拟主播得以生成。新华社和搜狗公司合作全球首个站立式AI主播“新小浩”和首个AI合成女主播“新小萌”：肢体动作增多、表现力增强；2019年5月25日，人民日报和科大讯飞推出AI合成主播“果果”，能以多种语言24小时不间断播报新闻；新华智云虚拟主播机器人有4种形象，包括卡通男/女主播和真人男/女主播，用户可以自主选择主播播报的背景和情绪。（2）机器人采访、播报：典型案例有19年春节推出的“AI康辉采访康辉本辉”，机器人采访应用于时效性强、工作强度高、工作价值低等工作领域。FM104.3河北综合广播宣布与微软旗下的人工智能机器人小冰达成合作协议，微软小冰担任河北综合广播《今日十万加》节目的主持人，利用大数据与云计算能力，通过智能语音交互技术实现与主持人和观众的互动2.产业布局层面根据iMeida Research（艾瑞咨询）的数据，2019年全球人工智能市场收入6560亿美元，预计2024年突破3万亿；2030年中国人工智能核心产业规模将突破1万亿元；2020年上半年推出的新基建计划中，人工智能的发展是其核心。基于智能音频的耳朵经济成为产业市场的下一个风口，音频内容平台之间对于内容资源的争夺日益激烈，喜马拉雅作为音频行业头部，2017年拥有市场上70%的畅销书的版权，实现了广播剧、有声书、戏剧、脱口秀等形态的全覆盖。现有的喜马拉雅，蜻蜓FM，得到等产品将迎来新的发展契机，更多以声音为载体的语音内容出现；3.政策规制层面习近平总书记主持中共中央政治局就全媒体时代和媒体融合发展第十二次集体学习时强调，“要探索将人工智能运用在新闻采集、生产、分发、接受、反馈中，全面提高舆论引导能力。”标志着人工智能被提升到战略高度。除此之外，以中宣部、网信办、广电总局为代表的相关单位出台了相关规制和条例以及网信办对劣质违规智能媒体采取的具体行动：比如约谈、下架、关停服务。比如针对社会反映强烈的商业网站平台和“自媒体”扰乱网络传播秩序突出问题，国家网信办决定自2020年7月24日起在全国范围内开展集中整治。整治期间，将依法依规严厉查处一批问题严重的网站平台、封禁一批反映强烈的违规账号。总结与反思智能媒体的发展带来许多的益处，诸如提高了新闻生产的效率；带来了简介而美观的产品；增强了用户交互体验感；使用更加便捷快捷；发掘出传统未曾发现的需求，智能家居使得围绕个人产生的信息变得丰富，人的行为、需求和环境被全方位信息化、数据化；基于语音智能设备语义交互基础之上的个性化推荐更加的精准，大量的交互数据带来更准确的用户画像，弥补算法推荐的固有不足。与此同时也要看到智能媒体所带来的诸多问题，比如写稿机器人的内容有所局限，主要以快讯形式，以体育、财经内容为主；自动生成和播报内容相对粗糙，缺乏深层理解，不能根据用户需求灵活调整，容易带来厌烦情绪、审美疲劳和排斥反应；行业监管落后，缺乏有效引导；数据安全和隐私问题；算法的价值偏向和算法歧视问题；数字鸿沟和社会公平问题等等。针对这些问题需要完善技术短板、加强政府规制、提高媒介素养和内容生产者的新闻专业主义，以期更好的趋利避害。主编：羽生生作者：大鲨鱼爱传播专注新传考研辅导多年，想得到更多新传前沿热点及干货分享，可以关注我，或请关注公众号：爱传播。收起

要想了解大数据与人工智能的区别，首先要从认知大数据和人工智能的概念开始。大数据是物联网、Web系统和信息系统发展的综合结果，其中物联网的影响最大，所以大数据也可以说是物联网发展的必然结果。大数据相关的技术紧紧围绕数据展开，包括数据的采集、整理、传输、存储、安全、分析、呈现和应用等等。目前，大数据的价值主要体现在分析和应用上，比如大数据场景分析等。人工智能是典型的交叉学科，研究的内容集中在机器学习、自然语言处理、计算机视觉、机器人学、自动推理和知识表示等六大方向，目前机器学习的应用范围还是比较广泛的，比如自动驾驶、智慧医疗等领域都有广泛的应用。人工智能的核心在于“思考”和“决策”，如何进行合理的思考和合理的行动是目前人工智能研究的主流方向。大数据和人工智能虽然关注点并不相同，但是却有密切的联系，一方面人工智能需要大量的数据作为“思考”和“决策”的基础，另一方面大数据也需要人工智能技术进行数据价值化操作，比如机器学习就是数据分析的常用方式。在大数据价值的两个主要体现当中，数据应用的主要渠道之一就是智能体（人工智能产品），为智能体提供的数据量越大，智能体运行的效果就会越好，因为智能体通常需要大量的数据进行“训练”和“验证”，从而保障运行的可靠性和稳定性。目前大数据相关技术已经趋于成熟，相关的理论体系已经逐步完善，而人工智能尚处在行业发展的初期，理论体系依然有巨大的发展空间。从学习的角度来说，如果从大数据开始学习是个不错的选择，从大数据过渡到人工智能也会相对比较容易。总的来说，两个技术之间并不存在孰优孰劣的问题，发展空间都非常大。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网方面的问题，或者考研方面的问题，都可以咨询我，谢谢！收起

人工智能与大数据本身就有较为密切的联系，一方面数据作为人工智能的三大基础之一，可以说没有数据也就没有智能，另一方面大数据在价值化的过程中，也需要采用人工智能的相关技术。站在大数据的角度来看，大数据需要通过人工智能技术来完成数据价值化的过程，尤其是数据分析过程。目前大数据分析有两种主要方式，一种是统计学方式，另一种是机器学习方式，而且机器学习实际上也是人工智能六大主要研究内容之一。所以，从大数据的角度来看，通过人工智能技术能够更全面和深入地完成数据价值化过程。站在人工智能的角度来看，大数据是人工智能研发的重要基础。人工智能目前的研究方向包括视觉、自然语言处理、机器学习（深度学习）、自动推理、知识表示和机器人学，虽然不同的方向在具体的研究方式上具有一定的区别，但是都离不开数据收集、数据整理、算法设计、算法训练等步骤。可以说，人工智能的核心是算法设计，但是人工智能的基础却是数据。从目前行业领域的应用场景来看，物联网体系在设计上充分考虑了大数据与人工智能的结合应用，目前大数据处在物联网体系结构的第四层（前三层分别是设备、网络和平台），而人工智能处在物联网的第五层，可以说大数据是人工智能落地到物联网应用的重要支撑。最后，目前在互联网企业，大数据与人工智能的结合应用也比较普遍，比如电商平台普遍采用的推荐系统就是大数据与人工智能技术的结合应用。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！收起

计算机专业近年来持续火热，随着我国大力发展人工智能的脚步迈进，众多的高校也逐渐开设人工智能学院等新兴的计算机相关专业。计算机类历年来考研就以竞争压力大，调剂分数高出名，很多学校的计算机专硕基本上一志愿全部爆满，都不接受调剂，小编整理了江浙沪地区目前还接受计算机调剂的这所高校，供各位考生参考：苏州科技大学电子与信息工程学院2020年硕士研究生招收调剂专业081200 计算机科学与技术（学术学位）的主要研究方向为1、机器学习与大数据分析：该学科方向主要研究大数据分析的理论与方法、数据挖掘技术、机器学习理论及其应用。主要研究方向：(1)机器学习、数据挖掘理论及方法研究。面向建筑节能的深度强化学习理论与方法、建筑环境数据特征提取与深度挖掘技术、多源异构大数据融合、动态多尺度数据分析理论与方法。(2)机器学习应用技术研究。面向建筑、环境、交通大数据等具体问题，研究计算机学习技术在建筑检测、建筑节能、智慧环保、智慧交通等领域的应用技术。2、机器视觉与虚拟现实：该学科方向主要研究机器视觉与虚拟现实的理论和方法，及其在工业4.0、智能建筑、智能交通和智慧医疗等行业应用。主要研究方向：(1)视觉特征提取与表达研究。面向智能建筑、智能交通、智能医学影像分析及应用，研究图像和视频数据的鲁棒特征提取、二维图像空间的特征表达理论与技术。(2)三维建模理论与方法研究。基于全景序列图像的三维建模动态环境建模技术、环境数据匹配技术、动态场景绘制技术。 3、物联网与智能系统：该学科方向主要研究面向复杂应用系统的信息采集、传输、分析、控制优化及信息化管理等方面的理论、机制和应用技术。主要研究方向：(1)复杂网络控制系统的建模及分析研究。复合目标、多样化参数和模糊化的网络控制建模、感知、分析和控制理论、机制和技术。(2)物联网络应用技术研究。物联网体系架构、协议以及新一代网络技术在智能建筑、环境等领域的应用技术。如果觉得对你有帮助，欢迎转发评论想要了解更多考研干货请关注我！欢迎大家点赞、关注、分享，每天不定时更新考研那些事！（图片来自网络，如有侵权，请联系删除）收起

作为一名计算机专业的研究生导师，我来探讨一下这个问题。首先，物联网工程专业的考研方向选择还是比较多的，既可以选择物联网相关方向（车联网、工业物联网、农业物联网、可穿戴设备），也可以选择人工智能相关方向（计算机视觉、机器学习、机器人学、自然语言处理）、智能装备方向、大数据方向、云计算方向等，可以说计算机专业的很多方向都是可以选择的。物联网在大数据、人工智能时代被赋予了更多的含义，整个物联网体系包括设备、网络、平台、数据分析、人工智能（应用）和安全等六大部分，所以物联网工程专业与大数据、云计算、物联网都有一定的联系。随着5G通信的落地应用，未来物联网与人工智能的结合（AIoT）将会进一步紧密，因此读研选择人工智能方向是符合技术发展趋势的选择。在专硕和学硕的选择上可以考虑三方面因素，其一是如果有读博的计划，那么应该首先选择学硕，因为学硕通常可以直博；其二是如果读研之后要到行业企业工作，那么可以重点考虑专硕，因为专硕与行业的结合比较紧密；其三是自身的知识结构，计算机学硕的初试难度会大一些。专硕的培养机制主要是进一步提升研究生教育与行业企业的结合度，专硕通常要配备专门的企业导师，企业导师往往是行业领域的专家，这对于学生行业知识的积累会起到比较积极的作用，未来学生的岗位竞争力也会更强。另外，具备较强的行业领域知识，对于未来科研成果的落地转化也会有积极的作用。总之，如果未来要从事教育、研发型工作，建议读学硕，如果要到行业企业发展可以重点考虑专硕。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！收起

2021考研逐步落幕，大部分同学已经积极开始准备留学了，为自己未来发展多准备一条出路，一方面考研人数激增不减，一方面也想有更好的发展道路。那么考研后，想申请新加坡留学还来得及吗？又有哪些专业可供选择呢？下面一一为大家介绍：新加坡国立大学新加坡国立大学（英文：National University of Singapore），是新加坡的第一所高等学府， QS世界大学排名为世界第11名。相关专业：管理学硕士(1月开学）Master of Science Management截止时间：11.1-1.31（第一轮）2.1-4.15（第二轮） 金融学 Master of Finance 截止时间：10.1-12.21(第一轮）1.1-2.28（第二轮）3.1-4.15（第三轮）市场营销与洞察 Master of Science in Marketing Analytics and Insights截止时间：10.1-12.21(第一轮）1.1-2.28（第二轮）3.1-4.15（第三轮）信息安全 Master of information security截止时间：11.17-3.15（秋季）信息系统 Master of information system截止时间：11.17-3.15（秋季）人工智能 Master of Artificial Intelligence截止时间：11.17-3.15（秋季）计算机硕士 Master of Computing截止时间：11.17-3.15（秋季）工业4.0 Master of Science in Instry 4.0 截止时间：11.15-3.15药剂学（兼读制）Msc in Pharmaceutical Science and Technology (Part-time only) 截止时间：12.1-3.15（秋季）传媒学 MSc in communication截至时间：11.1-1.31食品科学与营养 MSc in food Science and Human Nutrition截止时间：12.1-3.15（秋季）数据科学与机械理学 Master of Science in Data Scinence & Machine Learning截止时间：10.15-1.31创意与环境工程学院：房地产管理 Master of Science in Real Estate 截止时间：11.15-3.1项目管理 Master of Project Management截止时间：1.15-3.15工程学院：化学工程 Master of Chemical Engineering截止时间：1.15-2.22（秋季）土木工程 Master of Civil Engineering截止时间：1.15-2.22（秋季）电气工程 Master of Electrical Engineering截止时间：1.15-2.22（秋季）环境工程 Master of Environment Engineering截止时间：1.15-2.22（秋季）岩土工程 Master of Geotechnical Engineering截止时间：1.15-2.22（秋季）水利工程与水利资源管理 Master of Hudraulic Engineering & Water Resources Managemenr截止时间：1.15-2.22（秋季）工业系统工程 Instrial & Systems Engineering截止时间：1.15-2.22（秋季）知识产权管理 Master of Intellectual Property Management截止时间：1.15-2.22（秋季）海事技术与管理 Maritme Technology and Management 截止时间：1.15-2.22（秋季）技术管理 Master of Management of Technology截止时间：1.15-2.22（秋季）材料科学与工程 Master of Materials Science & Engineering截止时间：1.15-2.22（秋季）机械工程 Master of Mechanical Engineering截止时间：1.15-2.22（秋季）海洋技术 Master of Offshore Technology截止时间：1.15-2.22（秋季）安全健康与环境技术 Master of Safety, Health & Environmental Technology截止时间：1.15-2.22（秋季）供应链管理 Master of Supply Chain Management截止时间：1.15-2.22（秋季）系统设计与管理 Master of Systems Design & management截止时间：1.15-2.22（秋季）运输系统与管理 Master of Transportation Systems & Management截止时间：1.15-2.22（秋季）高级公共行政与管理硕士(中文） Master in Public Administration Management (MPAM)-Chinese截止时间：8.1-3.30理学院化学 Master of Science in Chemistry截止时间：12.1-3.15(秋季）化学-能源与环境方向 Master of Science in Chemistry for Energy and Environment截止时间：12.1-3.15(秋季）食品安全与人类营养学Master of Science in Food Science & Human Nutrition截止时间：12.1-3.15(秋季）应用物理 Master of Science in Applied Physics截止时间：12.1-3.15(秋季）数学 Master of Science in Mathemstics 截止时间：12.1-3.15(秋季）数量金融 Master of Science in Quantitative Finance截止时间：12.1-1.31(秋季）物理 Master of Science in Physics截止时间：12.1-3.15(秋季）统计 Master of Science in Statistics截止时间：12.1-3.15(秋季）供应链管理 Master of Science in Supply Chain Management截止时间：1.22-2.25(秋季）企业与商务信息系统分析 Master of Technology in Enterprise Business Analytics截止时间：10.1-2.28智能系统工程 Master of Technology intelligent System截止时间：10.1-2.28软件工程 Master of Technology in Software Engineering截止时间：10.1-2.28金融工程 Master of Financial Management截止时间：10.1-3.15新加坡南洋理工大学南洋理工大学（英语：Nanyang Technological University）是新加坡的一所综合类研究型大学。在QS世界大学排名中，南大名列全球第11名。汉英翻译（1月） MA in Translation and Interpretation截止时间：8.1-9.30应用老年心理学Master of Science in Applied Gerontology截止时间：12.1-3.15博物馆研究及会展策划MA in Museum Studies& Curatoral Practices 截止时间：9.1-3.15应用经济 Master of Science in Applied Economics截止时间：11.1-2.28商学院金融（双语） Master of Finance (Double Lanaguge)截止时间：8.31-4.30金融（双语） Master of Finance with Peking University Double Dgree截止时间：8.31-2.28金融工程 MSc Financial Engineering截止时间：11.15-2.29(Second Ground)市场营销（原消费者调查） Master of Marketing Science (FT)截止时间：Round1：8.31-1.31Round2：1.31-3.31MBA Fellow MBA 学术研究型截止时间：3.31-Min.7商业分析 MSc Business Analysis截止时间：12.1-1.31(Second Ground)2.1-3.31(Third Ground)会计 Master Of Science in Accountancy截止时间：6.30-1.31(First Ground)2.1-3.31(Second Ground)MBA截止时间：Mid.10-3.30传媒与信息学院：大众传媒 Master in Mass Communication截止时间：11.1-2.15知识管理 MSC in Knowledge Management截止时间：11.1-2.15人工智能 Master of Science in Arificial Intelligence截止时间：10.1-1.31 (Aug Intake）双电子工程学院：通信工程 MSc Communications Engineering截止时间：11.1-1.31计算机控制与自动化 MSc Computer Control & Automation截止时间：11.1-1.31电子学 MSc Electronics截止时间：11.1-1.31能量工程 MSc Power Engineering截止时间：11.1-1.31信号处理 MSc Signal Processing截止时间：11.1-1.31公共管理研究生院中国与全球治理 Master of Social Science(China & Global Governance)截止时间：Jan- Apr (Jul Intake)公共管理（英文）Master of Public Administration in English截止时间：1-4(Aug Intake)公共管理（中文）Master of Public Administration in Chinese 管理经济学（秋季班中文）M.SC.Managerial Economics in Chinese 截止时间：3.1-6.30管理经济学 M.SC.Managerial Economics截止时间：1-3(Jul Intake)机械与航班工程学院：系统与项目管理 Msc(Systems and Project Management)截止时间：2-3月交通与物流-慕尼黑工大联合硕士Msc(Transport & Logistics)截止时间：10.15-3.31绿色电子-慕尼黑工大联合硕士 Msc(Green Electronics) 截止时间：10.15-3.31集成电路设计-慕尼黑工大联合硕士 Msc（Integrated Circuit Design) 截止时间：10.15-3.31航天工程-慕尼黑工大联合硕士 Msc(Aerospace Engineering)截止时间：10.15-3.31国际教育研究所：应用语言MA(Applied Linguistics)截止时间：5.10-7.8(Jan Intake)应用心理学 MA(Applied Psychology) 截止时间：5.10-7.8(Jan Intake)教育管理MA(Ecational Management)截止时间：5.10-7.8(Jan Intake)设计教学与技术 MA(Instructional Design and Technology)截止时间：4.1-6.17(Jan Intake)领导与教育变革-联合硕士MA(leadership and Ecation Change)-Joint Programme with Teacjers'College, Columbia University, New Tork截止时间：5.10-7.8(Jan Intake)国际语言教学（对外汉语） MA(Teaching Chinese as an International Language) 截止时间：5.10-7.8(Jan Intake)艺术 Arts截止时间：5.10-7.8(Jan Intake)戏剧 Drama截止时间：5.10-7.8(Jan Intake)数学 Mathemstics截止时间：5.10-7.8 （Jan Intake）特殊教育 Speclal Ecation截止时间：5.10-7.8 （Jan Intake）体育锻炼研究 Msc(Exercise and Sport Studies)截止时间：5.10-7.8(Jan Intake)生命科学 Msc(life Sciences)截止时间：5.10-7.8(Jan Intake)化学 Chemistry截止时间：5.10-7.8(Jan Intake)清洁能源物理 Clean Energy Physics截止时间：5.10-7.8(Jan Intake)环境生物学 Environmental Biology截止时间：5.10-7.8(Jan Intake)数学教育Msc(Mathematics for Ecatiors) 截止时间：5.10-7.8(Jan Intake)创业与创新（英文）Msc(Technopreneurship & Innovation) In English 截止时间：10.1-2.15创业与创新（中文） Msc(Technopreneurship & Innovation) In Chinese截止时间：1.1-2.15 (Round2)新加坡管理大学新加坡管理大学(Singapore Management University)，简称新大 (SMU)，是新加坡政府于2000年设立的第三所公立大学，是亚洲乃至世界公认的顶级财经类院校，以其卓越 的科研成果和一流的教学闻名全球。与美国精英大学相同，新大采用了美国常春藤大学式 研讨会形式的教学方法。这是因为新大与美国两所顶尖商学院，即美国宾夕法尼亚大学 (University of Pennsylvania)的沃顿商学院(Wharton School)及信息科技教育与研究 闻名于全球的卡内基·梅隆大学(Carnegie Mellon University)保持密切的合作关系。新加 坡管理大学在2020年QS世界同类型专业性大学(Specialist University)排名中位列世界第11位。在2019年UTD世界知名商学院排名中，新加坡管理大学李光前商学院排名第33，亚洲第二，新加坡第一。会计学院在亚洲排名第一，全球第三 。在2019年QS世界大学学科排名中，信息系统学院商业分析排名亚洲第一，世界第11 。此外，李光前商学院和会计学院的本科生和研究生课程都获得了国际商学院联合会(简称AACSB International)，欧洲认证体系(简称EQUIS)和英国工商管理硕士协会(简称AMBA)的“三皇冠”认证，是新加坡唯一获此殊荣的大学，位于世界前1%顶尖商学院之列 。相关专业：管理学—相关专业申请，雅思6.5或者托福92以上，GMAT/GRE或者SMU在线测试。截至时间：4月底应用金融— 相关专业申请，雅思6.5或者托福92以上，GMAT/GRE或者SMU在线测试。截至时间：4月底环球金融(华盛顿商学院&新管大双硕士学位)—相关专业申请，雅思6.5或者托福92以 上，GMAT/GRE或者SMU在线测试。截至时间：4月底数量金融—相关专业申请，雅思6.5或者托福92以上，GMAT/GRE。截至时间：4月底财务大数据分析—相关专业申请，雅思6.5或者托福92以上，GMAT/GRE或者SMU在线测试。截至时间：4月底MITB(分析学/人工智能/金融科技与分析)—相关专业申请，雅思6.5或者托福92以上， GMAT/GRE。截至时间：5月底经济学理学硕士(应用经济方向)：相关专业申请，雅思6.5或者托福92以上，GMAT/ GRE或者SMU在线测试。截至时间：4月底经济学理学硕士(数量金融方向)：商科、统计学、数学或者工程类申请，雅思6.5或者托福92以上，GMAT/GRE或者SMU在线测试。截至时间：4月底金融经济学—商科、统计学、数学或者工程类申请，雅思6.5或者托福92以上，GMAT/ GRE或者SMU在线测试。截至时间：4月底收起