人的一生都离不开学习。人一生的学习大致可以分为四个时期:学前期(婴、幼儿时 期)、上学期(从小学到研究生毕业)、学后期(工作时期)和学后后期(离退休时期)。每个时 期都在学习,其中“上学期”是专门从事学习的。上学期又分为小学时期、中学时期、大学时 期和研究生时期。这其中大学时期的学习对自己的一生影响最大,也最为重要

什么是植物学(植物学的研究对) 为什么要学习植物学(学习植物学重要意义) 如何学好植物学(学习植物学的方法)

第一讲 索绪尔的生平 第二讲 索绪尔著作的整理 第三讲　语言学史一瞥：逻辑语法时期 第四讲 语言学史一瞥：语文学时期 第五讲　语言学史一瞥：比较语法的诞生 第六讲 语言学史一瞥：比较语法的发展 第七讲 语言学史一瞥：比较语法的范式革命 第八讲 语言学史一瞥：新语法学派批判 第九讲 索绪尔对历史比较语言学的超越 第十讲　语言学的任务 第十一讲　语言和言语 第十二讲 语言的语言学和言语的语言学 第十三讲 索绪尔的科学魅力与人文虚妄 第十四讲 文字和语言的关系 第十五讲　语言符号的性质 第十六讲 语言符号的任意性问题

数学,这门古老而又常新的科学,正阔步迈向21世纪 回顾即将过去的世纪,数学科学的巨大发展,比以往任何时 代都更牢固地确立了它作为整个科学技术的基础的地位,数学 正突破传统的应用范围向几乎所有的人类知识领域渗透,并越 来越直接地为人类物质生产与日常生活作出贡献.同时,数学作 为一种文化,已成为人类文明进步的标志.因此,对于当今社会 每一个有文化的人士而言,不论他从事何种职业,都需要学习数 学,了解数学和运用数学.现代社会对数学的这种需要,在未来 的世纪中无疑将更加与日俱增

药理学研究药物与机体相互作用规律及其原理,是生物工程专业本科生的专业选修课。 本课程的教学目的是:通过教学使学生掌握药理学的基本理论和基本知识,着重培养学生的 自学能力、科学分析综合能力及科学思维方法。主要任务是:在着重讲述药效学、药动学等 药理学基本理论的基础上,简要阐述各类器官系统的常用药物及药理,使学生对药理学的概 貌具有比较全面的认识

显微构造学与岩组学 30 年代岩组学成为构造地质学的一门系统学科，显微构造分析进入半定量理 性分析阶段 自从 Sorby（1853）、Sander（1911，1930）和 Harker，（1932）早期著作发 表以来，对变形岩石的显微构造曾有论述，尤其 1930 年奥地利岩石学家 Sander 的《Gefuegekunde der Gesteine》（岩石的组构学）一书的问世，标志着构造地质 学的一门新兴学科的建立

本章主要介绍了统计学的最基本的理论问题。包括统计的起源、发展、 能和任务;统计的涵义、统计学的硏究对象、统计学的硏究方法和统计工作程序 统计学的分类及其他学科的关系;统计学的基本范畴;统计的基本任务、统计的 组织与管理以及统计立法等等。通过本章学习,使学员掌握统计学的基本知识 基本理论和基本概念等,为进一步学好本课程打下良好的基础

《文献阅读与学术写作》 《高等光学》 《光电子学》 《光电检测技术》 《现代信号分析与处理》 《科学研究方法》 《现代传感技术》 《精密测量理论与技术》 《工程伦理》 《智能感知理论与应用》 《机器视觉》 《现代信号处理技术》 《半导体物理与器件》 《电路仿真分析与设计》 《光纤传感技术及应用》 《嵌入式系统设计》 《软件设计技术》 《生物医学传感与检测技术》 《微纳光子学》 《微纳加工及测试技术》 《微弱信号分析与处理》 《Understanding Optics with Python》 《现代光学测试技术》 《现代光学设计》 《医学成像技术》 《智能感知与自主系统》 《智能检测技术与系统》 《最优化理论》 《超快光纤激光技术及应用》 《深度学习》 《现代光学实验》 《柔性光电子学》 《工程光学基础》 《误差理论与数据处理》 《精密机械设计基础》

（一）理论课程 1《高等数学 A1》课程教学大纲 2《高等数学 A2》课程教学大纲 3《高等数学 B1》课程教学大纲 4《高等数学 B2》课程教学大纲 5《高等数学 A+(1)》课程教学大纲 6《高等数学 A+（2）》课程教学大纲 7《高等数学 B+（2）》课程教学大纲 8《大学物理 A(1)》课程教学大纲 9《大学物理 A(2)》课程教学大纲 10《大学物理 B》课程教学大纲 11《计算机基础（基础应用）》课程教学大纲 12《计算机基础（Office 高级应用）》课程教学大纲 13《计算机基础（VB）》课程教学大纲 14《计算机基础（C）》课程教学大纲 （二）实验课程 15《计算机基础（基础应用）》实验教学大纲 16《计算机基础（Office 高级应用）》实验教学大纲 17《计算机基础（VB）》实验教学大纲 18《计算机基础(C)》实验教学大纲

第一部分 深度学习基础 第1章 什么是深度学习 第2章 神经网络的数学基础 第3章 神经网络入门 第4章 机器学习基础 第二部分 深度学习实践 第5章 深度学习用于计算机视觉 第6章 深度学习用于文本和序列 第7章 高级的深度学习最佳实践 第8章 生成式深度学习 第9章 总结