学科前沿讲座是计算机类专业选修课程，介绍计算机学科的一些前沿研究领域和热点问题，帮助学生建立未来职业发展预期和研究方向。

目前，计算机学科的研究已经从经典的软件系统和网络数据存储研究，过渡到以人工智能为前沿总揽的智能应用系统开发和云计算阶段，利用云操作系统、大数据分析、深度学习等技术，现代人工智能技术迅速崛起，并在各行业开始广泛应用，人工智能及其相关技术已经上升到国家战略层面。人工智能以计算机、数学等学科为基础，已经成为一门包含众多不同研究领域和理论方法的综合学科，近几年人工智能的学术研究和产业应用的迅速融合，使学术理论与产业应用之间的鸿沟几乎消弭，也使许多人工智能的最新进展已超出大多数经典教科书所涵盖的范围。

本课程将以计算机学科研究和应用为背景，介绍人工智能理论框架、云计算、AI硬件、深度学习算法等计算机学科前沿内容。结合实际行业的具体场景，介绍现代人工智能技术及相关计算机技术在这些实际行业背景下的系统化应用以及所面临的挑战。

本课程的目标是使学生了解目前计算机学科领域的理论研究热点和工程实践热点及其发展趋势，熟悉专业发展方向的典型领域研究内容、相关理论技术、行业发展现状，掌握规范的研究方向或职业发展方向的确定方法，为自身未来的职业定位确立较为明确的目标。同时促进学生的系统思维能力和辩证思维能力，为专业前沿课程的学习奠定初步的知识基础和能力基础。

百分制计分，需同时完成在线慕课学习的各项活动和期末课程论文，其中平时成绩（包含在线慕课学习的学习、测验等各项活动）占40%，期末课程论文占60%。

※书籍※

· 《Deep Learning》, Ian Goodfellow&Yoshua Bengio

※文献※

[1] Y. LeCun, L. Bottou, Y. Bengio, P. Haffner, “Gradient-based learning applied to document recognition” Proceedings of the IEEE, v. 86, pp. 2278-2324, 1998.

[2] P.Y. Simard, D. Steinkraus, and J.C. Platt. Best practices for convolutional neural networks applied to visual document analysis. In Proceedings of the Seventh International Conference on Document Analysis and Recognition, volume 2, pages 958–962, 2003.

[3] A. Krizhevsky, I. Sutskever, and G. Hinton. Imagenet classification with deep convolutional neural networks. In NIPS, 2012.

[4] K. Simonyan and A. Zisserman. Very deep convolutional networks for large-scale image recognition. In ICLR, 2015.

[5] K. He, X. Zhang, S. Ren, and J. Sun. Deep residual learning for image recognition. In CVPR, 2016.

[6] R. Girshick. Fast R-CNN. In ICCV, 2015

[7] S. Ren, K. He, R. Girshick, and J. Sun. Faster R-CNN: Towards real-time object detection with region proposal networks. In NIPS, 2015.

[8] Jifeng Dai, Yi Li, Kaiming He, Jian Sun, R-FCN: Object Detection via Region-based Fully Convolutional Networks, ArXiv:1605.06409

[9] A. Shrivastava, A. Gupta, and R. Girshick. Training region-based object detectors with online hard example mining. In CVPR, 2016.

[10] K. He, X. Zhang, S. Ren, and J. Sun. Spatial pyramid pooling in deep convolutional networks for visual recognition. In ECCV. 2014.