首先,当前计算机专业的研究方向还是非常多的,不同高校会根据自身的资源整合情况,包括课题情况、导师情况、实验室情况等等,来设定相应的可选方向。从大的方向来看,当前大数据、云计算、区块链、物联网、人工智能、智能制造相关方向的热度比较高,而且在这些大的方向下,还有很多细分方向。以大数据方向为例,大数据相关方向的研究基础涉及到数学、统计学知识,而且大数据方向的创新与行业场景也有非常紧密的联系,选择不同的行业场景也需要学习相应的内容。实际上,对于很多计算机专业的研究生来说,在研一期间通常导师都会为学生列一个书单,以弥补知识结构上的欠缺。相对于大数据方向来说,目前人工智能领域的方向还更多一些,而且人工智能领域的很多方面目前依然处在研究的初期,创新的空间还是比较大的。当前计算机视觉、自然语言处理、机器学习这几个领域都有比较高的热度,而要想选择这些领域,除了要有扎实的计算机基础知识之外,对于数据处理能力和程序设计能力的要求也相对比较高。在工业互联网的推动下,未来计算机专业的研究生会更加注重技术与行业的结合,在创新方向上也会向产业领域倾斜,尤其是专硕。从这角度来看,未来计算机专业硕士在创新的过程中,应该重视行业知识的学习。随着5G通信的落地应用,未来物联网将作为众多新技术的重要落地支撑环境,所以结合物联网也有很大的创新空间。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,都可以私信我!
研究生阶段的研究方向通常都具有较高的研究价值,在方向的选择上要注重以下几个方面:第一:个人的兴趣。通常来说,兴趣是驱动学习最好的方式之一。在方向的选择上首先应该考虑个人的兴趣,有兴趣才能够更好的主动学习。当然兴趣是建立在对具体方向的认知之上,通常在选择方向之前要对不同方向做一个较为全面的了解,可以跟具体方向的导师进行交流。不少学校也会定期举办不同方向的介绍会,同学们应该仔细了解一下。第二:发展趋势。虽然研究生阶段的研究方向都有较强的研究价值,但是在具体方向的选择上,也应该结合未来的发展趋势。当前是大数据、物联网和云计算的时代,未来更是智能化时代,这些方向的发展趋势都非常不错,可以重点考虑。不同方向的细分领域也比较多,比如人工智能方向就有机器学习(包括深度学习)、自然语言处理、计算机视觉等等。第三:个人发展规划。有的同学对于未来的发展有较为清晰的规划,那么在方向的选择上就要与自身的发展规划相匹配。如果未来要到科技公司工作,那么就需要加强技术在落地应用方面的研究,如果未来要搞学术研究,那么就应该深挖技术的理论深度,所以不同的发展规划往往对于方向的选择也有一定的影响。最后,不同高校或者科研院所往往都有比较擅长的领域,在这些擅长的领域通常都有比较著名的专家,选择这些方向更容易做出成果,同时对于未来的就业也会有较大的帮助,所以这一点也需要学生重点关注。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!
我们每个人的一生中都要面临很多次的选择,那么要如何选择才能少走弯路呢?其实把握好三个关键点很极为重要的。如果把握好了,自己的人生也会因此而减少很多不必要的奔波,考研就是其中之一。高考是我们第一次重要的选择,如果自己心里早早种下一个目标,那学习生涯就会很有乐趣,因为你会为了自己的爱好而去努力。考研则是第二个选择,社会不断的发展,人才需求量也在增加,很多本科生为了以后找工作时候不那么困难,为了获得更多机会,那就意味着要比别人有更高的平台,所以不得不选择考研。考研,如果你能够很好的把握,那么以后你的生活会比一般人轻松一点,去选择一所自己喜欢的大学,选择一个各方面都挺好的导师,度过这样的三年时光,你会学到很多知识,来丰富自己的人生。在以前的父母看来,职业除了老师,医生,工人,其它的专业都是无业游民。但是在我们今天看来,其实专业有很多,选择也很多,当然这也是因为随着社会的发展和进步才增多了许多职业岗位,今天给大家介绍的专业有3个,也是未来被称为金饭碗的专业。第一个专业:人工智能专业随时社会的发展,人工智能慢慢取代了很多人力,人工智能专业在现在及以后的发展趋势将会持续上升,而且考研的学生也很喜欢报考这个专业,现在,很多先进的材料,先进的设备都需要一些专业人士来研究,需要更多人才去研究,去发现。当然如果想学这个专业,那么首先数学功底是要好的,并且要掌握很强的逻辑思维能力。当然,人工智能专业虽然很热门,但是它并不好学,并且考研也不是一件容易的事。人工智能是专注于研究机器模仿人类,方便人们的生活,一旦人工智能机器取代了人们平时需要做的事情,那么人们将会获得更多的时间去探索其它的事物。人工智能主要课程有机器学习、计算机视觉、数据挖掘、自然语言处理、神经网络等等的一些课程。如果本科学习成绩一般的学生,若不是985、211重点院校的学生,需要比别人付出更多的努力才会成功。第二个专业:通信工程专业通信工程专业,毫无疑问就是"通信"问题,人们都说每个专业都息息相关,当然通信工程专业也不例外,要研究这个专业,它与计算机,信息技术也息息相关。人工智能专业和通信工程专业各有侧重点,通信工程主要研究的是信号的产生、传送,输入输出方面的问题。而人工智能主要是研究如何让机器人学习人类的行为方式。随着5G时代的来临,通信工程专业也会越来越火,如果想要选择这个专业的研究生们,必须要有很好的物理,数学等知识,才能把这个专业学好。第三个专业:小语种专业相信大家都发现了,我们前面介绍的两个专业更多都是理科生的研究范畴,而小语种却不是,它更多偏向于文科生喜欢的专业之一。在各国经济往来与文化交流越来越频繁的同时,需要更多懂得不同语言方面的人才,来促进各国之间的交流。小语种专业是一门语言方面的学科,但是对于我们来说也不是简单的,所以如果要报考这个专业的研究生,必须具备很强的记忆力,并且要加强听,说,读,写的能力,做到眼到口到心到。毕业以后可以在一些翻译部门,学校,航空公司等等很多单位去工作。就业前景也是不错的。对于今天我们要讲的专业就是这三个,三个专业各有各的好处,当然想要学习这些专业,首先还是要把人生中第二大选择——考研学好,相信对于我们每个人来说。考研都不是容易的,不过,我相信只要努力没有什么是不可能实现的。社会正在进步,就业市场也在发生变化,就业前景好的专业也越来越少,如果不想被社会所淘汰,就必须走在前端,只有不断的努力,不断的学习才能不被甩在后面。选择专业也是重要的,这将决定你的以后,让我们紧跟着社会的步伐,勇往直前,相信有信念的人总会成功!从今年开始,多个省份已将美术成绩纳入中考分数,成绩不合格将无缘重点高中!有远见的家长都已经开始筹划了!关注:玲灵聊教育,留言“领课”,即可领取价值280元的1对1少儿美术试听课!让您的孩子赢在起跑线!
首先,由于计算机科学与技术专业比较注重基础知识,同时具有较为健全的知识结构,所以在考研方向的选择上还是比较多的。在考研的具体方向以及高校的选择上,应该考虑以下几个方面的因素:第一:根据自身的学习能力定位目标高校。研究生教育对于培养单位的要求是比较高的,往往资源整合能力越强的高校,在研究生培养的质量上也会越高,所以在读研期间尽量选择整体实力更强的高校。在选择高校时结合自身的学习能力,首先考虑目标高校的整体实力,然后考虑学科实力、行业资源整合能力以及所处地域等因素。第二:根据自身的能力特点和兴趣爱好选择方向。目前计算机相关方向的选择还是比较多的,不同的培养单位在方向设置上也会有所侧重,在选择方向时首先应该根据自身的能力特点和兴趣爱好进行选择。对于女生来说,通常更愿意选择软件相关的方向,数控系统、智能装备等相关方向往往要慎重一些。第三:关注当前的行业发展趋势。计算机领域对于技术的发展趋势还是非常敏感的,新技术往往会有更多的机会,更多的资源也会向新技术领域汇集。当前是大数据、物联网和人工智能时代,这些领域的相关方向可以重点考虑一下,比如目前计算机视觉、自然语言处理等方向就比较热,毕业生的就业情况也相对比较好。最后,对于女生来说,如果未来要想从事教育、科研方面的工作,应该重点考虑一下学硕,这样未来可以直博。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!
首先,西电在计算机领域有较强的教学及科研能力,在计算机专业教育相关的资源整合方面,西电还是具备一定传统优势的,所以对于西电的计算机专业学生来说,读研可以重点考虑一下本学校。考本校的研究生可以获得更全面的复习资料,在专业的选择上也可以跟导师进行沟通交流。如果考虑要去一个资源整合能力更强的高校,首先应该有一个研究方向的选择,不同高校在不同研究方向上具有不同的优势地位。目前计算机专业在读研的时候,可以选择众多研究方向,比如大数据、物联网、计算机视觉、机器学习、模式识别等等,这些方向也是目前相对比较热门的方向。以大数据方向为例,目前国内大数据方向做的比较好的有北京大学、上海交通大学、西安交通大学、中南大学、中山大学、清华大学等。其中北京大学是国内首批开设大数据专业的高校之一,在大数据技术方面的积累要多一些,另外鄂维南院士也为北京大学打造了一个比较强大的科研和教学团队,可以重点关注一下。如果选择模式识别方向可以重点考虑一下中国科技大学和中科院大学,模式识别领域一直是中科院体系的传统优势领域,相关的课题资源和教育资源也比较丰富,学生在读研期间也能够积累较多的研发经验和行业经验。在计算机图像处理、多媒体领域,可以重点关注一下清华大学和武汉大学,这两所高校在相关领域的研究也比较早。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!
考研问题多,关注牛小guo。大家好,欢迎来到本期专栏。首先,延续前五期专栏的内容,为大家分享搜集到的考研调剂信息。1、青岛大学,物理学、材料与化工,调剂名额不详。2、燕山大学,石油与天然气工程、资源与环境、化学、化学工程与技术,调剂名额不详。3、南昌航空大学,材料科学与工程、精密仪器及机械制造,5个调剂名额。4、云南农业大学,农业工程,6个调剂名额。5、河北工程大学,材料学,2个调剂名额。6、湖南工业大学,生物医学工程,5个调剂名额。7、广西师范大学,计算机视觉与应用,3个调剂名额。8、东北农业大学,应用化学,1个调剂名额。9、河南师范大学,水产,5个调剂名额。10、南京医科大学,药理学,1个调剂名额。11、海南大学,林木遗传育种,1个调剂名额。12、济南大学,化学工程,2个调剂名额。13、华南师范大学,生物化学与分子生物学,3个调剂名额。14、安徽理工大学,高分子化学与物理、材料物理与化学,8个调剂名额。15、山东大学,材料科学与工程,3个调剂名额。16、西南科技大学,高分子化学与生物、有机化学、材料学,5个调剂名额。17、温州大学,生物学、药学,5个调剂名额。18、安徽理工大学,地质资源与地质工程、环境科学与工程、资源与环境、采矿工程、地下工程、安全科学与工程、消防技术及工程、力学、建筑学、土木工程、机械工程、动力工程及工程热物理、电子科学与技术、控制科学与工程、材料科学与工程、材料化学工程、矿物加工工程、材料与化工、爆破理论与技术、光电系统与控制、金融、管理科学与工程、测绘科学与技术、土木水利、翻译、智能制造工程,调剂名额不详。目前已经搜集到的考研调剂信息就是这么多,在下期专栏中,笔者将会为大家继续分享考研调剂信息。本期专栏就到这里,如果您觉得这期文章对您有一丝丝帮助的话,希望您能为我点赞、收藏加转发。咋们下期再见!
本科西南985,数字媒体技术专业。初试408(72/84/116/136),机试127,面试103,总分638,录取与深圳专硕。有两个小建议先说一下,一是研友,一位认真的研友太重要了,我比较懒散,多亏我室友超级勤奋带我学习。二是学硕专硕,19年录取总分,深圳专硕>深圳学硕>本部学硕>本部专硕,深圳竞争比较大。一、初试政治和数学比较一般,就不介绍了。英语和专业课建议仅供参考。英语基础一般,六级526。考研英语客观题错了两道阅读、三个完型。我觉得考研英语比较有规律,每天花一些时间,可以拿到不错的分数。只做了英语真题,背了作文,模拟题不推荐做。如果想要英语有一个比较好的分数,完形填空建议不要放弃,新题型尽量拿满,阅读错三个以内。单词非常重要,推荐从开始准备就背单词,到暑假之前我只背了单词,大块时间都分给了数学。推荐王江涛的《十天搞定考研英语》,书中的方法很好。暑假开始第一轮刷题,只做阅读,每天两篇。做完看详解,将每句话都理解。阅读中碰到的生词,可以自己用小本记下来,零散时间看一看。如果觉得每天英语占用的时间比较多,就缩成一篇,速度变快了,再加成两篇。正确率不用纠结,我刚开始做的时候,平均每篇错两个,英语需要一段时间才能看到提高。第二轮刷题,每天两篇阅读,一篇完型或新题型,太老的真题就不用做了。完型正确率不用纠结。第一轮看过详解之后,会对答案有印象,不过我认为第二轮重点在于能不能看懂每一句话。文章中忘记的词可以在整理的单词本上标红,重点记忆。第二轮句子结构理解错的,可以抄下来。第一轮不需要抄,因为不懂的句子太多了。关于网上说的全文翻译写下来,我建议是不要,比较浪费时间,意义也不大。第三轮的刷题,第二轮全对的阅读,可以不做,看一下整理的生词和句子就可以了。做错的阅读,再做一遍,完型和新题型都做。作文,我是十二月背王江涛的作文书,小作文十篇都背,大作文可以选择背几篇,不放心就十篇都背。翻译不需要特别准备,没做过翻译题,阅读看得懂的话,翻译问题也不大。专业课两门我都学过,但是基本忘记了,九月中旬开始专业课复习。由于要改专业课,计组就简单讲一下复习策略。第一轮看书,做例题,做了学习指导的选择题。看到第九章的时候,觉得完全没印象,就看了视频。视频很好,但是建议有基础的话还是直接看书,看书比较快。结束第一轮之后,我做了几套真题,感受一下题型和难度。第二轮看书,整理了知识点,重点做了可能会考的例题,学习指导的错题及可能会考的大题。之后就是一直做真题,碰到忘记的就翻翻书,考前背了学习指导上的简答题。数据结构,当时大家都推荐了严书,但是我觉得太厚了,就看了哈工大的书。第一轮,按节看书,看王道的讲解部分,再做选择,由于比较恐惧算法题,这一阶段我都没管算法题。第一轮结束后,我就开始做真题了,出过大题的章节做了王道的大题,算法题重点看了链表那一章和树那一章。考试的时候,两个算法题王道上都有类似的,但是第二个比较麻烦,导致我计组只剩了一个小时,还是要控制好时间。二、复试机试:c语言、计网、数据库、离散数学、逻辑题假期一直在家复习,没有室友的监督,我又变回了极其懒散的猪猪。出成绩之前,只看了几章c,一章计网,两章数据库。所以我机试准备得挺仓促的,面试没准备。C语言,学过但是基础很不好。改错题不要放,19年三个改错,放了就亏了。复习过程是刷了苏小红老师c语言书上的课后题,我只做了指针之前的章节和字符串那一章。其他章节是改错的范围,我就看了书,然后选择随缘了。(本来改错题我想放了,但是深圳专硕竞争真的好大,怕翻车没敢放)计网,只做了王道,第一遍看书+做题,第二遍做了错题。感觉mooc上和考试的题型不太像,不推荐做。数据库,看mooc上战老师的视频(上中下),做课后题。考前再刷一遍题就可以了。逻辑题,做了500 题的简单题,考完觉得不需要做,可以推出来的。离散数学,我看了集合论和图论,但是做题的时候还是不会,不过也没时间了,我基本都是蒙的。这门可以选择性地放弃。建议大家安排好时间,我的顺序是编程、选择、改错。改错有点坑,建议大家最后检查选择题,不要执着改错。我当时坚持做第三个改错,没有检查选择题,逻辑多选错了一个,虽然改错结果对了,但是改变了原义没分,很后悔呜呜呜!面试一号线4组,准备了简历证书,但是老师们都没看。一面问了科研经历、竞赛经历、项目经历。无科研经历,做过ACM,做过微信小程序,做过原型和UI。老师又问了课设,说了几个,都没有细问,只是大概了解一下。二面是1000壶酒,1壶毒酒,问多少只老鼠能判定毒酒。说了思路和汉明码,但是一位老师觉得讲的不够详细,有点不满意。确实是我汉明码具体记不太清了,没太讲清楚。三面是问多核CPU什么情况效率高,迭代运算时怎么利用多核CPU,对于多核CPU编译能做哪些优化。其实这几个问题我都不会,只是说了一下自己的想法,老师也比较好,第三问我题目理解错了,老师给了一些提示。四面是自我介绍,对一幅画的看法,以及随机提问。散装英语,果断选择了中文回答,随机提问,老师问了学校专业相关的,为什么不考学硕,及以后想做什么。三、实验室面试我对计算机视觉方向很感兴趣,初试成绩公布之后给一位老师发了邮件,但是没名额了。深圳面试是在9号晚宣讲会结束就开始了,宣讲会上得知那位老师多了一个机动名额,但没来哈尔滨。9号晚上面试了智能计算和应用中心,智能计算的老师侧重代码能力,问了做过的项目和语言的题目,应用中心的老师问了本科做过的事和四六级等基本情况,问的超级详细。10号给喜欢的老师打了电话,确定之后,就没去智能计算和应用中心。
首先,当前在人工智能的诸多研究领域当中,计算机视觉和自然语言处理是比较热门的,一方面相关技术的落地应用已经展开,不论是从平台搭建还是行业应用来看,都有了很多学习案例可以参考,所以通常选择视觉和自然语言处理方向,都会有一个比较好的学习体验。作为计算机视觉方向准研一的同学来说,应该根据自身的发展规划来制定学习和科研计划,如果在硕士研究生毕业之后就希望参加工作,那么还是应该注重实践能力的提升,未来行业领域会需要大量高端应用型人才,实践能力较强也会获得更多的就业机会,相关岗位的岗位附加值也比较高。培养实践能力一定要注重实践环境的营造,目前不少大厂都陆续开放了自身的人工智能平台,完全可以在网络上基于这些技术平台来开展一些初级的实践活动,而且通过这些人工智能平台也可以对人工智能技术体系产生一个初步的了解,对于后续的科研也会产生比较积极的影响。目前人工智能平台的技术体系虽然有一定区别,但是在使用方式上还是比较统一的,初学者可以通过编程语言来完成与人工智能平台的对接,进而完成一些功能的应用,当然也可以在平台上进行算法实现、训练和验证等操作,很多平台也都提供了一些的数据集。从近几年视觉方向的就业情况来看,整体的竞争呈现出越来越激烈的趋势,一方面视觉方向的人才培养规模在不断扩大,另一方面视觉在落地应用方面还存在一些行业壁垒,这导致企业在进行人才招聘时也会谨慎一些。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,或者私信我!
随着我国科技的发展,特别是在人工智能和互联网经济领域的实现了高速的发展,计算机专业的需口也在与日俱增,近年来我国对AI人工智能方面人在的紧缺和培养高度重视,教育部甚至将python列如中小学升学要素中,这导致我国大学生对计算机专业越来越青睐,而清华大学作为我国计算机实力最强的高校,可以说是学子们的首选。清华大学计算机科学与技术系成立于1958年,算得上是历史悠久了。曾经在2006年和2012年两次在全国学位与研究生教育发展中心开展的一级学科整体水平评估中,以满分100分的成绩排名第一。在今年USnews 推出的2017排行榜 Best Global Universities for Computer Science 中,计算机科学与技术学科紧随 MIT之后位列世界第2名,所以可以看出清华的计算机一直在稳步提升实力和影响力。计算机系统计算机系统是计算机科学的基础研究领域,通过建立真实的计算机应用系统来提供解决现实问题的方法。研究主要集中在计算机系统的性能和可用性。本研究领域的工作主要包括以下四个方向:并行高性能计算机,分布式系统,存储系统和编程系统。该领域已获得许多高端项目的资助,如国家重点基础研究发展计划(973计划)、国家高技术研究发展计划(863计划)、国家自然科学基金,以及英特尔、微软、IBM、惠普、谷歌、华为等跨国公司。清华大学已在高水平的国际期刊与顶级国际会议上(如PPoPP,EuroSys,SC,PACT,OOPSLA,HPDC和ICS)发表了大量优质论文。除了论文发表,还建立了许多真实系统,如浏览器系列群集计算机,存储系统TH - MSNS,网格计算中间件CGSP,MPI应用程序调试和检查点工具等。为开放源码Open64编译器做出了许多贡献,已开源几个软件包,MPI如高保真MPI模拟器和GPU编程工具MapCG等。计算机网络清华大学计算机网络方面的研究已有超过30年的历史。计算机网络方面的研究主要为网络核心设备、及下一代互联网先进网络基础设施和关键技术研究。它涵盖了从计算机科学、通讯理论到工业设计这一广泛的研究领域。旨在解决互联网发展过程中存在的基础问题,为全球互联网做出了重大贡献,推动下一代互联网某些重要领域的研究和建设。在计算机网络领域的研究主要包括以下五个方向:网络路由和交换架构,高等网络体系结构,源IP地址验证, IPv4/IPv6过渡技术,以及计算机系统性能评价。该领域已获得许多高端项目的资助,如973计划、863计划、国家自然科学基金、中国下一代互联网(CNGI)项目、以及国际合作项目等。特别是,正在牵头一个由百家科研院校共同参与的CNGI重点项目,总资金约四亿人民币。此外,还在新一代互联网体系结构基础理论研究方面接连两次获得国家重点基础研究项目(973项目)的支持(2003年至2008年,以及2009年至2013年),总计达四千七百万元人民币。还在顶级期刊和会议上发表了大量高水平的论文,曾经获得ACM Multimedia 2009最佳论文提名。清华大学下一代互联网核心网络国家工程实验室于2009年建成。引领了中国教育和科研计算机网(CERNET)的发展。设计研发了第一个互联网骨干网络。CERNET不仅是一个支持高校教育和研究的国家级先进网络基础设施,还是世界上最大的国家级学术网络。CERNET在中国互联网的发展中起到了重要的推动作用,并对全球互联网产生重大影响。此外,还申请了大量专利,并已获得授权。运用新技术进行了大规模试验,甚至已经进入部署阶段,并多次获得国家科技进步奖。例如,开发的IPv6核心路由器获得2004年信息产业部颁发的国家科技进步奖。整体科技创新获得2005年国家科技进步二等奖,并已在CNGI示范工程进行部署。与国内二十所高校合作,共同构建了中国下一代互联网示范工程CNGI - CERNET2最大的核心网以及国内/国际交换点CNGI - 6IX。提出并建立了世界最大的纯IPv6骨干网,攻克了一系列关键性技术问题,并于2004年、2006年两次被评为 “中国十大科技进步奖”。该项目还获得2007年国家科技进步二等奖。IPv4/IPv6过渡技术解决了验证架构,其关键技术如4over6不仅发表在IETF国际标准RFC上,同时也将部署在下一代互联网,解决了互操作性、演化、安全性、可靠性等问题。将计算机网络性能和服务质量控制评估作为基本研究重点,已经在IEEE Transactions on Computers和IEEE INFOCOM上发表了15篇代表性论文,并于2005年获得教育部颁发的国家科学技术进步奖(自然科学类)一等奖提名。信息处理清华大学计算机科学信息处理方面的研究迄今已有50年历史。信息处理的新纪元来自网络热潮,且伴随着由大规模非结构化数据和人机互动新方式所带来的挑战。我们的研究目标是在科学挑战中取得信息处理的理论和方法方面的学术成就,促进新技术和应用的发展,支持国家发展。在研究中,我们还运用跨学科综合知识(如数学、计算机科学、认知科学、神经科学、人脑及心理学)努力探索未来的发展方向,创立理论,扩大信息处理的能力。信息处理的研究工作主要包括以下四个方向:理论,信息处理方法,网络搜索技术和应用,智能控制理论与应用。该领域已获得国家自然科学基金委员会(NSFC)、国家重点基础研究发展计划(973计划)、国家高技术研究发展计划(863计划)以及国际合作项目的资助。特别是,在基础科学问题的研究——“理论与智能信息处理方法” 已连续两次获得国家自然科学基金委(创新研究群体基金)的支持,还申请到国家自然科学基金几个重点项目,如“视觉与听觉信息认知计算”。在技术与应用研究方面,牵头了国家重大科技专项项目——“物理气相沉积设备检测平台和集群控制平台及软件”,总资金约两亿元人民币。互联网信息采集研究由加拿大国际发展研究中心(IDRC)资助,总资金约一亿加币。已在国际刊物或顶级国际会议上发表了大量优质论文。理论课题组已定期在顶级国际期刊或会议上发表论文。这些论文已被其他研究者广泛引用,其中许多为美国及欧盟知名机构,如麻省理工学院,伊利诺伊大学,美国宾夕法尼亚大学,加州大学洛杉矶分校(美国);牛津大学,南安普敦大学(英国),法国国立计算机及自动化研究院,巴黎第七大学,巴黎综合理工学院(法国),CWI,埃因霍温(荷兰)。还与国际研究机构及产业界开展积极合作。五个联合研究中心相继成立,包括清华大学神经和认知计算中心(研究人员多来自清华大学计算机科学与技术系、生物医学工程系、心理学、清华大学生命科学学院,外加九位来自加州大学旧金山分校、伦敦大学、约翰霍普金斯大学、耶鲁大学、纽约大学、约翰霍普金斯大学的特聘讲座教授);清华——滑铁卢互联网信息获取联合研究中心;清华大学——新加坡国立大学极端搜索研究中心;清华——HP多媒体联合研究中心;清华—搜狐搜索技术联合研究实验室。已经获得国务院、国家科技部、教育部、以及中国科学技术协会颁发的多项奖项。“非经典计算:形式模型和逻辑基础”已获得国家自然科学奖——中国自然科学研究最高奖项。“100nm高密度等离子体刻蚀机的研究、发展及产业化”已获得国家科技进步奖——中国科技领域最高奖项。我们在大规模、多模式网络内容处理集成平台方面所做的工作,对中国政府及各省多级部门起到了巨大的杠杆作用,据报道每年能够减少政府开销高达七亿六千万元人民币。此外,通过大量集中的科研工作,在此研究领域培养了高素质的博士生:冯元曾获得2006年度国家最佳博士学位论文奖,段润尧和 季峥峰分别于2007年和2008年获得中国计算机学会最佳博士学位论文奖。(最近,季峥峰与Rahul Jain Sarvagya、 Upadhyay及 John Watrous共同证明了QIP = PSPACE,并获得STOC 2010年最佳论文奖。)计算机视觉视觉是一个复杂的过程,以快速、有效的方式了解不同任务的物理环境。计算机视觉对将计算机智能化的可编程算法展开研究,通过这种方式,计算机可以像人类视觉那样处理和理解人类视觉图像。计算机视觉通常研究由二维到三维的问题,而计算机图形学正好相反,即研究由三维到二维的问题。在计算机视觉和计算机图形学间,多媒体编码和解码在机器视觉中起着重要作用,因为自然场景通常包含上百万的信息编码位,而对于反应迅速的人类视觉系统来说,神经元编码是不可避免的。计算机科学与技术系计算机视觉和多媒体计算领域共有九位教职工,其研究内容涵盖了计算机视觉、计算机图形学、图像/视频编码传输,以及图像/视频处理的所有研究方向。该领域已获得国家重点基础研究发展计划(973计划)、国家高技术研究发展计划(863计划)、国家自然科学基金,以及国际合作研究项目的资助。我们牵头了国家重点基础研究发展计划(973计划)——“可视化媒体智能处理”,项目资金(第一期:2006至2010年,约两千四百万元人民币)和(第二期2010至2015年,约三千万元人民币),以及由国家自然科学基金委员会和微软公司共同资助的国家自然科学基金重点项目——“万维网社会网络理论与分析方法”。已在资深同行评审的国际期刊或顶级国际会议上发表了大量高水平论文,如ACM SIGGRAPH (4),CVPR oral (2), ICCV oral (1),IEEE T-PAMI (4),IEEE T-VCG (8),IEEE T-CSVT (1)。其中一篇论文被评为2010年IEEE T-CSVT最佳论文,还有一篇被评为2007年CVPR最佳学生论文。我们还申请了20项国家专利并获得授权。在此方面,培养了许多优秀的研究生,曾多次获得高级奖项,其中包括国家优秀博士学位论文奖一次、中国计算机学会优秀博士学位论文奖两次、北京市优秀博士学位论文奖一次。一名女硕士生曾获得2007年CVPR最佳学生论文奖,还有一名女博士生获得2010年IEEE T-CSVT最佳论文奖。教职工为研究团体提供了良好的学术服务,如在多家高水平国际会议/期刊及组织机构担任主席/联合主席、主编/副主编。特别是胡事民教授为计算机辅助设计编委会成员,被评选为2011至2012年度ACM实体建模协会执行委员会主席。温江涛教授为IEEE T-CSVT副主编。知识和软件工程数据与知识工程自二十世纪八十年代以来成为计算机科学与技术系具有影响力的研究领域,在分布式数据库及演绎数据库项目中开展了大量工作。目前,计算机科学与技术系该领域的前沿研究方向包括:(1)新型数据库查询范例,(2)复杂高性能数据挖掘,以及(3)语义Web技术。在软件工程领域,专注于软件科学、技术及其工程的研究。考虑到软件的无形性与软件操作的离散性,力求以工程实践整合数学和计算机科学的原理,开发系统模型及可靠技术,生产高质量软件,以解决工程问题。自2005年以来,已在世界顶级会议和期刊(如SIGMOD, SIGKDD, VLDB, ICDE, WWW conferences,和 TKDE, VLDB Journals)上发表了30篇该领域的高质量论文。该领域资助项目,包括11个国家自然基金项目(NSFC),2个国家重点基础研究发展计划(973计划)项目,4个国家高技术研究发展计划(863计划)项目,8个产业界项目,还有22个国际合作项目。同该领域中的国际同行建立了广泛的联系。在过去五年中,先后50次应邀参加重要国际会议,6次应邀担任PC主席或会议主席。目前,两位教师在两个不同的国际期刊担任编委会成员。2007年,计算机科学与技术系数据课题组以重要组织者、总联合主席等身份在北京筹办了ACM SIGMOD/PODS国际会议。普适计算普适计算(Pervasive 或 Ubiquitous Computing)是计算领域的一股新浪潮。其主要思路是基于网络空间、物理空间以及抗干扰计算的融合。它涵盖了计算机科学相当广泛的领域。这方面的科研任务是要解决一些基本问题并开发关键技术,其中包括软件基础设施,上下文感知,及自然多模态用户交互。这也是国家短期和中长期发展规划所关注的问题。普适计算环境包括各种设备,因此如何在设备上构建系统和应用软件是部署普适计算应用的关键问题。我们介绍了透明计算的概念和原理,以应对大规模及变普适计算环境。我们还开发了一个上下文感知模式和几个多模态接口,使自然与人类多媒体无缝互动成为可能,而且是以无干扰、甚至不可见的方式。我们还设立了包括智能教室、SEMIC和智能家居在内的多个智能空间综合性研究测试平台。本研究方向获得许多高端项目的资助,如国家高技术研究发展计划(863计划),国家自然科学基金(NSFC),及一些产业界项目,其中包括“情感计算基本原理与方法”(国家自然科学基金重点项目,人民币三千万元),“普适计算基本技术与系统”(863计划重点项目,人民币五千五百万元),“智能空间关键技术和原型系统”(863计划项目,人民币二百七十万元),“大规模桌面系统”( 863计划项目,人民币二百七十八万元),“新型网络应用模式操作系统”(国家自然科学基金项目,人民币五千三百万元),和“上下文感知服务可扩展体系结构与系统”(中国诺基亚研究院)等等。已在包括IEEE Pervasive Computing,Trans on ASLP,TPDS,TKDE,ISPASS, UIC,INFOCOM,ACM MM,CHI,UIST在内的国际期刊或会议上发表了大量论文。已获得20多项中美专利,其中有些如“基于透明计算的设备与方法”已转移至产业界,并取得成功。研究和应用成果也获得多个奖项,其中包括国家技术发明二等奖,中国专利优秀奖,及教育部颁发的科学技术进步奖。自动电路设计/电路设计自动化电路设计自动化(也称为的EDA或ECAD)是有关集成电路设计工具与算法的研究。随着半导体技术的不断扩展,EDA技术发展迅猛,以此应对超大规模集成电路(ULSI)等带来的各种挑战。由于该领域因同时归属于电子工程和计算机科学两个学科,涵盖了算法设计、电子分析、计算机体系结构和集成电路设计等若干领域。经过30年的发展,清华大学EDA研究涵盖了从前后端高级综合设计到后端物理设计的整个流程。清华大学EDA课题组因于packing优化算法、互联中心设计方法及SoC(系统芯片)设计方法领域做出的杰出贡献而获得国际声誉。近年来,获得了许多高端项目的资助,其中包括4个国家863重点项目,3个国家973基础研究项目,国家自然基金委资助的2个国际合作重点项目,还有十多个国家自然科学基金项目和国际合作项目。特别是,牵头了一个国家十一五重点项目——“ 先进的EDA平台开发”(约十五万元人民币),2个国际合作重点项目——“千兆级系统单级芯片国际研究中心”(2001年至2005年)和“国际纳米技术设计中心(2006年至2009年), 前者于2005年在国家自然基金委的最后设计评估中获得了A级成绩,位居2005年美国国家科学基金委重点项目前十位。在顶级国际期刊或会议上发表了大量高水平论文(如,二十多篇论文发表于IEEE Transactions,二十五篇论文发表在DAC,ICCAD,ISPD等顶级会议上),其中,发表在DAC’2009的那篇论文获得最佳论文提名——中国大陆作者首次获此殊遇。在近五年内,获得北京市科技进步二等奖(2007年),教育部颁发的科技进步二等奖(2006年)。还获得国家科技进步三等奖(1985年)、二等奖(1989年)、一等奖(1993年)。与国际顶尖科研团队取得合作(如,美国的斯坦福大学研究组、加州大学伯克利分校、加州大学洛杉矶分校、加州大学圣巴巴拉分校、普渡大学、加州大学河滨分校,日本的广岛大学、早稻田大学,韩国科学技术学院,香港中文大学),共同发表了许多篇论文。此外,还与国际领先公司(如美国英特尔,美国新思科技,美国Cadence公司,日本绩达特公司)取得合作,将研究成果投入到实际应用中。教育者之书:信息来源清华大学校园官网,如有侵权请联系本人,我会及时做出更正。
首先,目前人工智能领域是比较热门的领域之一,在大数据、物联网以及5G通信的共同推动下,未来人工智能领域将释放出大量的就业机会。随着大型互联网企业陆续在人工智能领域进行产业布局,目前人工智能领域的人才缺口还是比较大的。从近些年来相关方向研究生的就业情况来看,计算机视觉、自然语言处理和机器学习相关方向的就业情况比较不错,薪资待遇也比较可观。人工智能相关人才的培养一直以研究生教育为主,一方面原因是因为人工智能技术的难度相对比较大,另一方面原因是相关人才的培养对于教育资源也有较多的要求,涉及到导师资源、实验资源、课题资源和行业资源等。虽然目前一小部分高校开始陆续在本科阶段开设人工智能专业,但是由于目前人工智能领域依然处在行业发展的初期,所以要想在人工智能领域发展,最好读一下研究生。对于本科生来说,如果未来想往人工智能方向发展,可以选择的专业还是比较多的,目前比较常见的专业包括计算机科学与技术、软件工程、大数据、物联网、电子科学等,另外选择数学和物理专业也可以往人工智能方向发展。从就业的角度出发,本科阶段选择软件工程是不错的选择,如果有明确的读研计划,可以重点考虑一下计算机科学与技术专业。从发展前景来看,大数据、物联网和电子科学都有广阔的发展前景。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!