课程简介

体现智能的基础

自主的智能系统

神经元和它们的工作原理

认知神经科学

结构和学习模拟

赫比恩学习

自组织

通用学习

大脑的信息处理

感知和注意

记忆

语言

认知

总的讲课时数。39小时

CE7428：特别高级课题--计算机和网络安全

本课程提供密码学和网络安全的基本概念、理论和技术。还将介绍计算机通信和应用中的各种安全问题。

课程简介

有限域；数论；经典密码学；对称密码学；非对称密码学；现代密码学；密钥交换方案；哈希函数；数字签名和认证；漏洞和应对措施；应用安全（系统安全、PGP、SSL、IPsec、Kerberos、防火墙等）。

总的讲课时数。39小时

CE7429：特别高级课题--计算智能：方法与应用

计算智能（CI）是基于来自统计学、模式识别、神经网络、机器学习、模糊逻辑、进化计算、科学可视化和其他来源的灵感。本课程包括基本理论，使用两个实现许多CI算法的软件包（WEKA和GhostMiner），以及CI方法在技术、医学和生物信息学领域数据的实际应用实例。

课程简介

CI概述，自适应系统的类型，学习和应用；可视化和探索性数据分析：少数变量，主成分分析（PCA），多维缩放（MDS），自组织映射（SOM），平行坐标和其他可视化算法；理论：学习的统计方法概述，偏差-变异分解，期望最大化算法，模型选择，结果评估，ROC曲线；介绍WEKA和GhostMiner软件包，介绍这些软件包的可用算法；统计算法。判别分析-线性（LDA），Fisher（FDA），正则（RDA），概率数据建模，核方法；基于相似性的方法，原型的生成，相似性函数，可分离性标准，模式识别的结构方法；改进CI模型：提升，堆叠，集合学习，元学习，选择特征的信息理论。

总的讲课时数。39小时

CE7452: 网络物理系统的实时操作系统

本课程旨在发展现代嵌入式实时计算系统的具体知识。重点是对将应用的非功能要求转化为中间件和硬件功能的技术的概念性理解，以及使用最先进的研究基础设施对这些技术的实际实施。学生还将获得批判性地审查与该领域相关的科学文献的经验。课程项目将鼓励学生解决基于团队的研究问题，并给予他们书面和口头科学交流的经验。

总的来说，本课程将为打算进行实时系统研究和开发的学生提供良好的机会。成功完成本课程后，学生应该

1）对将应用的非功能需求转化为中间件和硬件功能的技术有概念上的理解。

2）获得实施其中一些技术的实践经验。

3）获得批判性审查科学文献，以及书面和口头科学交流的经验

4）学习如何在一个基于团队的环境中解决挑战性的研究问题。

总的讲课时数。39小时

CE7453: 数值算法

本课程是关于人们可能想要了解的关键数字算法。GPS和TrueType字体是如何工作的？机器人是如何移动的？谷歌的成功秘诀是什么？为什么JPEG的压缩效率如此之高？这些问题的答案是巧妙的数字算法，分别基于最小二乘法、贝塞尔曲线、正交法、特征值和离散余弦变换。学生们一旦经历了一些初步的基础知识，包括牛顿求根的方法、解决线性方程组的直接和迭代方法以及多项式插值，就能够理解和讨论它们。本课程刷新了学生在微积分和线性代数方面的基本数学技能，并展示了如何利用这些技能来解决几个现实世界的问题，如前面提到的问题。它还提供了这些解决方案的历史参考，可以追溯到牛顿、莱布尼茨、欧拉、高斯等人。

本课程旨在涵盖一些数值算法，这些算法被用来解决接近日常经验的及时问题。学生将学习如何利用基础数学在技术设计和功能上获得巨大的回报。他们不仅会了解这些方法的理论背景，也会学习如何实现这些方法，并体验其实践性。

总的讲课时数。39小时

CE7454: 数据科学的深度学习

深度学习最近引入了从人类设计功能到端到端系统的范式转变，并彻底改变了包括计算机视觉、语音识别和自然语言处理等多个领域。谷歌、Facebook、微软、苹果、亚马逊等顶级IT公司都在积极用深度学习技术重新设计他们的产品，未来几十年的影响将超越自动驾驶汽车、围棋等战略游戏和磁共振癌症检测。

本课程的主要目的是介绍数学基础，最先进的架构，以及深度学习架构的专业库。学生将学习如何设计自己的人工神经网络来解决他们的数据分析任务。他们还将学习如何使用TensorFlow和PyTorch对这些新算法进行有效编码。

总的讲课时数。39小时

CE7455：用于自然语言处理的深度学习。从理论到实践

在这个课程中，学生将学习最先进的深度学习方法，用于NLP。通过讲座和实践作业，学生将学习必要的技巧，使他们的模型在实际问题上发挥作用。他们将学习实现，并可能使用现有的深度学习库如TensorFlow发明自己的深度学习模型。

自然语言处理（NLP）是人工智能（AI）中最重要的领域之一。它在信息时代已经变得非常关键，因为大多数信息都是以非结构化文本的形式存在。NLP技术的应用无处不在，因为人们大多以语言进行交流：语言翻译、网络搜索、客户支持、电子邮件、论坛、广告、放射学报告等等。

NLP应用背后有许多核心NLP任务和机器学习模型。深度学习最近带来了从传统的特定任务特征工程到端到端系统的范式转变，并在许多不同的NLP任务和下游应用中获得了高性能。像谷歌、百度、阿里巴巴、苹果、亚马逊、Facebook、腾讯和微软等科技公司现在都在积极研究深度学习方法，以改善他们的产品。例如，谷歌用基于深度学习的系统取代了他们传统的统计机器翻译和语音识别系统。

该课程彻底介绍了应用于NLP的深度学习的前沿研究。在模型方面，我们将涵盖单词表征、用于NLP的基于窗口的神经网络、用于NLP的递归神经网络、长短期记忆模型、用于解析的递归神经网络、卷积神经网络、编码器-解码器模型、注意力机制，以及更高级的主题，如用于NLP的深度强化学习和变异方法。

CE7490：特殊高级课题--分布式系统

本课程向研究生介绍了分布式计算模型、算法和软件系统的高级课题。它涉及设计问题、实现技术、软件工具和环境，以支持分布式系统的实施，并旨在为研究生开展分布式系统的研究做准备。

课程概要

将涵盖以下列表中的一些主题。

- 分布式计算模型和算法

- 互联网和网络技术和应用

- 分布式协作系统

- 分布式模拟和虚拟环境

- 网格计算和P2P系统

- 其他分布式系统

将对真实的分布式系统进行案例研究，并回顾该主题领域的最新研究文献。

总的讲课时数。39小时

CE7491：特别高级主题--数字图像处理

本课程提供图像处理的基本概念、理论和技术。涵盖了理论和实践两个方面，并深入分析了选定的问题。该课程有一个基于Matlab的实验室部分。

课程概要

图像形成；增强；边缘检测；插值；颜色处理；频域处理；恢复和重建；小波处理；图像和视频压缩；形态学操作；图像分割和表示；物体识别。

总授课时数。39小时

CE6103：虚拟现实

本课程介绍了当前虚拟现实的最先进技术，虚拟现实技术和应用，并介绍了常用于构建VR应用的VR软件工具。该课程不需要使用复杂的软件工具和硬件设备，这些工具和设备只有在专门的实验室才有。相反，它教授如何使用普通的个人电脑用原始数学制作内容。学生将学习如何超越数学公式看待几何学，以及如何通过数字采样数学函数来表示几何形状、运动和互动。

CE6121: 人机交互理论与实践

本课程包括以用户为中心的研究，交互设计，以及最近的用户交互方法和技术，如多点触摸，手势识别，脑机接口，Siri & Tellme，仅举几例。它向学生介绍了有关人机交互的工具、技术和信息来源，并提供了一个系统的设计方法。此外，两年前有了新版教科书，讲课材料也相应更新。要求学生设计和开发一个用于查看和操作3D模型的新颖界面。

CE6127: 游戏设计中的人工智能

本课程侧重于游戏设计中与人工智能有关的概念和技术。它将强调与创建计算机游戏、角色建模、物理学、动画和导航有关的设计、数学和编程问题。所有这些都汇集在课程作业中，学生以小组形式设计和开发一个展示人工智能算法的游戏。

CE6190: 专题-图像分割的最新进展及其应用

本课程介绍了不同类型视觉数据的最新分割技术，包括图像、视频和三维点云。分割是一种密集的预测技术，它通常旨在对视觉数据的每个空间位置进行预测。它是许多计算机视觉任务的基本工具，如场景理解、物体识别、机器人视觉、航空图像分析和医学图像分析。分割技术已被广泛部署在各种现代人工智能应用中，包括自动驾驶、基于人工智能的医疗诊断、智能购物等等。本课程涵盖的主题包括基本概念、应用、传统的分割方法和最近基于深度学习的方法。

课程简介

1. 分割任务介绍

2. 超级像素方法

3. 交互式图像分割

4. 语义图像分割

5. 深度学习基础知识

6. 用于语义分割的密集预测网络

7. 物体检测和实例分割

9. 弱监督下的分割

10. 少数镜头的分割

11. 视频上的分割

12. 三维点云数据的分割

录取资格

申请人必须拥有至少荣誉（优秀）或同等学历的学士学位，并有能力在候选人所建议的高级研究领域进行研究。

要求的考试成绩

非新加坡自治大学毕业生的申请者需要提供有效的GRE/GMAT成绩，除非学校网站对相关课程有具体要求。考试日期必须是在申请日期的5年内或更短。

对于母语不是英语的申请人，需要有良好的托福成绩。考试日期必须在你的申请日期的2年或更短时间内。雅思成绩可以代替托福成绩提交。

申请书中应附上GRE/GMAT/TOEFL/IELTS考试成绩的副本。

鉴于Covid-19的大流行，以下在线考试成绩可用于录取。

托福iBT特别家庭版

中国学生的托福ITP Plus

雅思指标

适用于UKVI的雅思考试

GRE在家测试

GMAT在线考试

此文章摘自学校官网：Doctor of Philosophy | Computer Science and Engineering | NTU Singapore