•从文本分类图像分类 • 如何从图像中获取全局特征？ • 颜色特征、纹理特征、形状特征 • 如何从图像中获取局部特征？ • SIFT: Scale-invariant feature transform •图像分类的几个发展阶段 • Low-level Modelling • Semantic Modelling • Sparse Coding • Deep Learning

• 聚类概述 • 什么是聚类？在IR中如何用聚类？聚类的几个术语 • K-均值聚类算法 • K-均值聚类中的基本准则 • K-均值算法中簇的个数 • 聚类评价 • purity、NMI（Normalized Mutual Information，)、RI（Rand Index)、F measure • 基于模型的聚类 • 层次聚类简介 • 层次聚类的簇相似度计算 • 四种HAC算法：单连接、全连接 、组平均、质心法

• 什么是Graphical Model • 定义、示例 • Representation、Inference、Learning • 主题模型与分类 • LSA (Latent Semantic Analysis), 1990 • pLSA (probabilistic Latent Semantic Analysis), 1999 • LDA(Latent Dirichlet Allocation), 2003 • Hierarchical Bayesian model • 主题模型的R语言实现示例

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

3.1 管理信息系统开发概述 3.2 结构化生命周期法 3.3 原型法 3.4 面向对象开发方法 3.5 计算机辅助开发方法 3.6 案例讨论

21世纪,人类将逐步进入知识经济的时代,迅速发展与普及的 信息技术将推动人们在科学利用资源潜力,发展节本增效生产方 式,改善和保护生态环境,实现基于信息和知识的生产过程管理决 策方面,突破许多传统的模式和观念,开拓出一批具有创新意义的 技术体系,以支持社会经济的可持续发展

6.1 同源物来自同一祖先 6.2 序列比对的统计分析能够检测同源性 6.3 三维结构有助于了解进化关系 6.4 基于序列信息构建进化树 6.5 现代技术能够用实验方法研究进化

本章重点介绍遗传中心法则和DNA的半 保留复制以及逆转录的过程和机理对A 的损伤和修复、突变和重组作一般介绍。 DNA是绝大多数生物体遗传信息的载体,继 1953年 Watson& Crick提出DNA双螺旋结构模型 后,1958年, Crick提出了“中心法则”(Central dogma)揭示了遗传信息的传递规律

• 语言模型 • 什么是概率语言模型？如何比较两个模型？ • 怎样由文档生成语言模型？ • 语言模型的种类 • 语言模型如何应用到IR 中？ • 查询似然模型(Query Likelihood Model) • 平滑的方法：线性插值LM • 扩展的LM 方法

• 概率基础知识 • 概率排序原理 • 二元假设检验与概率排序原理 • 概率排序的实现方式 • BIM模型 • 二值独立概率模型BIM • BIM排序函数的推导 • RSV的估算方法 • BM25模型