《大学公开课斯坦福公开课》

《大学公开课斯坦福大学公开课》 简介：由顶尖学者主讲，内容涵盖计算机科学、人工智能、工程学及人文领域，结合理论与实践。课程通过案例分析、编程实践与跨学科研讨，培养创新思维与解决问题的能力，适合全球学习者拓展学术视野。 亮点：含诺贝尔奖/图灵奖得主亲授课程，部分课程提供虚拟实验室与硅谷企业案例，支持中英双语字幕，配套在线学习社区与作业互评系统。 标签：#计算机科学 #人工智能 #跨学科教育 #斯坦福大学 #Coursera平台 链接：

计算机专业学习路线本学习路线主要参考美国四大CS名校（卡耐基梅隆CMU、斯坦福Stanford、加州伯克利UC Berkeley

计算机专业学习路线 本学习路线主要参考美国四大CS名校（卡耐基梅隆CMU、斯坦福Stanford、加州伯克利UC Berkeley、麻省理工MIT）以及哈佛Harvard、普林斯顿Princeton等6所计算机名校的课程安排与内容。而这六所名校也恰好是图灵奖得主最多的前六所，排名依次为：斯坦福、MIT、伯克利、普林斯顿、哈佛、CMU。世界上那些最优秀的IT名人可能都学过这些课程，耕耘其中，尽享奇妙。本学习路线会尽可能列出配套的视频、书籍、作业、项目等相关资源，而且会不断更新。 路线充分参考了美国多所名校的先修课程关系、难易程度、重要程度将课程分成大一、大二、大三、研究以及选修多个部分。 除了，作者还编写了。

该课程为厦门大学计算机科学与技术系大二下学期必修课，是理论性与实践性都很强的学科，是计算机学科的重要专业课之一。本课程主要介绍算

该课程为厦门大学计算机科学与技术系大二下学期必修课，是理论性与实践性都很强的学科，是计算机学科的重要专业课之一。本课程主要介绍算法的基础知识，包括抽象计算模型、算法基本概念、算法复杂性分析基础、算法设计的基本方法、以及算法复杂性理论基础。课程教学的基本要求是通过教学活动，使每一个学生较好地掌握课程的主要内容，同时具备对实际问题应用所学知识设计出有效算法并编程实现这些算法的能力。此外，配合实验课程的教学，学生应理论联系实际，理论指导实践，通过实验工作，借助程序设计语言，掌握运用数据结构、算法和程序解决一些实际问题的方法。 通过本课程的学习，要求学生达到以下目标： 了解可支持算法运行的抽象机器计算模型，算法的定义和复杂性概念，算法设计的基本技术方法，包括递归与分治法、贪心法、动态规划方法、回溯法、分支限界法以及高级图论算法等，理解并掌握算法复杂性的分析方法、NP完全性理论基础等计算复杂性的基本知识以及完全性证明概要。 通过教学和实践，培养学生运用数学工具和方法分析问题和从算法的角度运用数学工具解决问题的基本能力。 使学生能够正确地分析和评价一个算法，进一步设计出真正有效或更有效的算法 同时还有《深度学习》《离散数学》等课程的课件

这是一门关于操作系统设计的在线课程，课程包含了文档、幻灯片和视频等内容，是计算机科学与工程基础的重要课程之一。

这是一门关于操作系统设计的在线课程，课程包含了文档、幻灯片和视频等内容，是计算机科学与工程基础的重要课程之一。 这门课程一共30集，44讲。关注操作系统的基础知识，包括操作系统结构、进程和线程、CPU调度、进程同步、内存管理、文件系统、I/O系统和安全性。 它有一个相当大的实验部分，涉及到一个名为BLITZ的玩具操作系统的简化组件。这门课程的实验作业假设你已经具备基本的编程语言（如C）的工作知识，一些基本的调试技能，以及在Linux操作系统（一个UNIX变体）中使用命令行工具的能力。 |

“计算机视觉女神”图像为何被IEEE期刊封杀？

“计算机视觉女神”图像为何被IEEE期刊封杀？ △Lenna图也就是说，之后委员会或审稿人会特地留意论文中是否有这张图，如果有的话，会要求作者用替换图片。“Lenna图”的时代彻底结束了？要知道，这张图曾经的火爆程度belike：“计算机视觉女神”Lenna图最初是登在1972年11月期的《花花公子》（Playboy）杂志上的一张裸体插图，由摄影师Dwight Hooker拍摄，图中主体是瑞典模特Lena Forsén。当时，为了方便英语读者读准瑞典语“Lena”的发音，《花花公子》使用了“Lenna”这一名字。Lenna成为高分辨率彩色图像处理研究标准图的历史，在2001年5月的IEEE ComSoc通讯文章中被讲述：1973年的六七月份，时任南加州大学电气工程助理教授的Alexander Sawchuk及其团队，包括一名研究生和SIPI实验室管理人，正急切地寻找一张适合会议论文使用的高质量图片。他们的目标是找到一张既有光泽又能展现出良好动态范围的图像，而且最好是一张人脸图片。恰巧这时有人带着一本最新版的《花花公子》杂志走了进来。里面的Lenna图，被研究人员选中。他们将插图放到Muirhead有线传真扫描仪的光鼓上进行扫描。Muirhead的分辨率为固定的100LPI，而研究人员希望得到一幅512 x 512的图像，所以他们将扫描范围定在上部的5.12英寸，这样恰好裁剪到人物的肩膀位置，去除了裸体的部分。由此，一张512x512的Lenna测试图就诞生了。这张图在上世纪七八十年代的传播范围有限，最初仅是在美国各高校实验室之间流行。但到了1991年7月，Lenna图与另一张流行的测试图Peppers一起出现在计算机视觉领域的《Optical Engineering》杂志封面上，引起了大家的广泛注意。Lenna图备受喜欢的原因大概有这么几点。首先从技术上来讲，Lenna图有丰富的细节、明暗对比，同时也有平滑的过渡区域，而这很考验图像压缩算法的能力。众所周知，数字图像就是一个个像素点排列而成。而在压缩的时候，这些像素点都会被转化成频率信号。像素点之间差异大的区域，通常也就是细节丰富的区域，转化后对应高频信号，比较难处理；反过来像素点之间差异小的平滑过渡区域，就对应低频信号，处理起来也相对简单。一个好的压缩算法，高频和低频信号都得处理好。这两种信号，Lenna都有，分配比例还很恰当。其次，Lenna是一张漂亮小姐姐的照片，懂得都懂。但除此之外，还有一个更重要的原因：人眼对人脸非常敏感。你可能认不出两只二哈的脸有什么区别，但一个人的表情即使只有一丢丢变化，你都能一眼发觉。对图像压缩来说，相较于其他图像，人会更容易发觉人像在压缩前后的差异，所以也就更容易比较不同算法的好坏。正是由于以上种种优点，Lenna很快成了图像处理的标准测试图片。根据国外一个网站统计，91年后Lenna在互联网上的出现次数开始猛长。到了1996年，业界顶级期刊IEEE图像处理汇刊里，竟然有接近三分之一的文章都用到了Lenna。光在1999年的一期《IEEE图像处理汇刊》中，Lenna就被用于三篇独立研究中，21世纪初它还出现在了科学期刊中。由于Lenna在图像处理界被广泛接受，Lena Forsén本人受邀成为了1997年成像科学与技术学会 （IS&T） 第50届年会的嘉宾。2015年，Lena Forsén也是IEEE ICIP 2015晚宴的嘉宾，主持了最佳论文奖颁奖仪式。Lenna图的消逝不过，随之而来的还有大伙儿对这张图的批评。最大问题，就在于这张照片来源于有“物化女性”之嫌争议的《花花公子》。1999年，在一篇关于计算机科学中男性占主导地位原因的论文中，应用数学家Dianne P. O’Leary写道：“在图像处理中使用的暗示性图片……传达了讲师只迎合男性的信息。例如，令人惊讶的是，Lenna图像图像至今仍作为示例在课程中使用，并作为测试图片发表于学术期刊。”2015年，一个美国高中生在《华盛顿邮报》上写了一篇文章，文中叙述了自己作为一个女生，在计算机课上看到这张照片后感到不适，“我不理解，为什么一所先进的理工学校，在教学中会用一张花花公子的封面？”虽然这只是一篇高中生写的文章，但却在学界引起了巨大的震动。由于种种争议，2018年， Nature Nanotechnology杂志宣布禁止在论文提交中使用Lenna图像。至于Lena Forsén，2019年《连线》一篇文章中写道，Forsén并没有对这张图片心怀怨恨，但她对当初没有为此获得更好的报酬感到遗憾，曾表示“我真的为那张照片感到骄傲”。△Lena Forsén重拍当年照片但2019 年，Creatable和Code Like a Girl制作了一部名为“Losing Lena”的纪录片。Lena Forsén表示：我很久以前就退出了模特界，现在也该退出科技界了。我们可以在今天做出一个简单的改变，为明天创造一个持久的改变。让我们承诺失去我。现在看来，这一承诺正在兑现。除了上面所讲的争议，有网友认为Lenna图在当今这个时代的意义也跟以往大有不同了。不同于以往，当今几乎人人都可轻易使用一台好的相机。大多数精力应投入于创造合适的光照条件和挑选满足特定标准的拍摄对象。此外，一个精心设计的计算机生成图像也能满足需求。参考链接： ... PC版： 手机版：

图灵奖揭晓：史上首位数学和计算机最高奖“双料王”出现了

图灵奖揭晓：史上首位数学和计算机最高奖“双料王”出现了 加上2021年获得的阿贝尔奖，维格森教授现在一举成为首个同时拿下数学和计算机最高奖的科学家。（阿贝尔奖也被誉为“数学界诺贝尔奖”）。此外，他还是2017年阿里达摩院刚成立时首批“十大祖师”之一。业内人士纷纷赶来表示祝贺，a16z的研发主管表示：除了已有的学术成果外，也是因为他几十年来孜孜不倦的领导力，才带来理论计算机科学界的长青与活力。比如，没有他，可能就不会有西蒙斯计算理论研究所。值得一提的是，他还在5个月前来到清华叉院做客，对当下大语言模型的发展表达了自己的看法。复杂性理论先驱荣获图灵奖作为一名数学家和计算机科学家，维格森最重要的贡献就是增强了人类对计算中随机性和伪随机性作用的理解。具体什么意思？20实际70年代末，计算机科学家们已经发现：随机性和计算难度之间存在显著联系。（这里的计算难度之高指的是那些没有有效算法，即无法在合理的时间内解决的自然问题，它们计算起来比较困难。）通俗一点解释就是：对于许多难题，采用随机性的算法（也称为概率算法）可以远远胜过其确定性方案。例如，在一个被称为“1977证明”的实现中，两位科学家就引入了一种随机算法，可以比当时最好的确定性算法更快地确定一个数字是否为素数。而在20世纪80年代初，维格森与UC伯克利的科学家Richard Karp合作，将随机性的概念与那些被认为计算难度高的问题联系起来，也就是没有已知的确定性算法可以在合理的时间内解决这些问题的问题。尽管不知道如何证明它们很难，维格森和Richard Karp还是发现了一种针对某个难题的随机算法，然后发现：能够将其去随机化，从而有效地揭示了它的确定性算法。大约在同一时间，其他研究人员也发现密码学问题中的计算难度假设能够实现一般的去随机化。这促使维格森思考随机性本身的特质。他和其他人一样，开始质疑随机性在高效问题解决中的必要性以及在什么条件下它可以完全被消除。终于，1994年，他和另一位计算机科学家Noam Nisan阐明了两者之间的联系。他们证明，如果存在任何自然难题，那么每一种有效的随机算法都可以被有效的确定性算法所取代。即我们总是可以消除随机性。更重要的是，他们还发现确定性算法可能使用“伪随机”序列也就是看似随机但实际上并非随机的数据串。换句话总结就是：随机性对于高效计算来说并不是必需的。即使在没有随机性的情况下，我们仍然可以使用有效的算法来解决问题。这一系列研究彻底改变了计算机科学家对随机性的看法，并适用于理论计算机科学的许多领域。今天，ACM就将图灵奖这一重要荣誉颁给了维格森，主要嘉奖的就是他在如上领域的贡献。在普林斯顿高等研究院的采访中，维格森解释自己既是一位数学家也是一位计算机理论科学家，研究的是计算领域的数学基础。我的研究领域是数学的一个子域，但同时，我所研究的主要概念是计算。对于理论计算机科学，他则认为这个学科拥有一个人对学术研究所能期望的所有优点，包含了一系列令人惊叹的深刻且具有重要智力意义的基本问题，而这些问题对人类、科学、生活和技术都至关重要。（看得出老爷子满满的热爱之情了。）而对于本次大奖，维格森则表示：自己很高兴看到ACM再次认可计算基础理论，它确实对计算科学的实践和技术发展做出了巨大贡献。大学被劝学计算机“好找工作”维格森于1956年在以色列出生，是一位护士和一名电气工程师的儿子。他的父亲喜欢拼图，并对数学的基本概念非常感兴趣，然后又经常跟孩子们分享他的想法。维格森这样描述父亲对他的潜移默化的影响：就是他让我感染了这种病毒。不过等他要在当地海法大学上学时，本想主修数学的他，却被他的父母劝导说：选择计算机吧，计算机好找工作！结果他发现这个领域有很多数学问题没有解决，于是开始吭哧吭哧解决了起来。维格森毕业于以色列理工学院和美国普林斯顿大学，1983 年凭借论文《组合复杂性的研究》获得博士学位。他早期的一项开创性工作，就是证明了一个看似矛盾的问题：能不能在不展示证明过程的情况下，让别人相信一个数学论断已经被证明了。是不是想起隐私计算领域姚期智提出的百万富翁问题内味了。那个问题就是两个百万富翁，他们想证明谁更富有，但两个人都不透露他们拥有多少财富。而原本的这个问题其实是叫做零知识证明，这个概念最早在1985年由三位科学家引入。随后由维格森以及他的合作伙伴Micali和Oded Goldreich进一步阐述了这一想法，并发现了一个意想不到的结果：如果真正安全加密是可能的，那么 NP 中每个问题的解也都可以用零知识证明来证明。换言之，零知识证明可以用于秘密地证明任何有关秘密数据的公开结果。数十年来，他始终活跃在学术岗位上，并且获得诸多赞誉和奖项。1994年，他因在计算复杂性理论方面的工作获得1994年的内万林纳博士毕业后，他在加州大学伯克利分校担任客座助理教授，在IBM担任访问科学家，并在伯克利的数学科学研究所担任研究员。1986年加入希伯来大学担任教员。1994年，他与Omer Reingold和Salil Vadhan一起因在图的 zig-zag 乘积方面的工作而获得了 2009 年哥德尔奖。1999年，他加入普林斯顿高等研究院并工作至今。2013年当选美国国家科学院院士。2018年，他因对计算机科学和数学理论的贡献当选ACM Fellow。第二年，又因为“在随机计算、密码学、电路复杂性、证明复杂性、并行计算以及我们对基本图特性的理解等领域对计算机科学基础做出的根本性和持久性贡献”，他荣获高德纳奖。2021年，维格森与László Lovász共同获得阿贝尔奖。也正因为这样根本性且持久性的贡献，网友们得知他才获图灵奖时感到意外而又惊喜，还以为他早就得了。也有人开始看他曾经写过的书籍了。或许有眼熟的朋友吗？谈大语言模型：最重要还是看它不能做什么而他与姚期智以及中国的缘分还在延续。5个月前，他还曾亲自来到清华叉院做客，带来题为“模仿游戏（Imitation Games）”的特邀报告。由姚期智院士亲自主持讲座，并与他展开对话。据报道，维格森从图灵测试出发，叙述了“模仿学习”理论的沿革及其在密码学、随机性、离散数学、数论等领域的现代应用。他基于凯撒密码、恩尼格玛密码机、选举等案例，引导思考安全性的定义、随机性的应用、隐私和效用的平衡等问题。对于理论计算机研究将如何应对人工智能发展这一问题，维格森表示，尽管包括大语言模型在内的人工智能有很多惊人表现，但最重要的问题是还有什么是AI不能做的。对于给现在正置身于科研的同学们，维格森也给出了自己的建议。他表示，自己曾为解决一个开放性问题用了40年时间，建议同学们要选择自己喜欢的研究领域和话题，并享受在失败中不断学习的过程，这样才能在科研道路上走得长远。参考链接：[1] ... PC版： 手机版：