人工智能理学硕士 (2025-26学年) 课程总览表
必修课 (Compulsory Courses)
要求： 以下7门课程需 全部完成 (共42学分)。
| 课程代码 | 课程名称 | 第一学期 | 第二学期 | 夏季学期 |
|---|---|---|---|---|
| ARIN7001 | Foundations of artificial intelligence (人工智能基础) | ✓ | ||
| ARIN7011 | Optimization in artificial intelligence (人工智能中的优化) | ✓ | ||
| ARIN7101 | Statistics in artificial intelligence (人工智能中的统计学) | ✓ | ||
| DASC7606-A | Deep learning (深度学习) | ✓ | ||
| ARIN7013 | Numerical methods in artificial intelligence (人工智能中的数值方法) | ✓ | ||
| ARIN7102 | Applied data mining and text analytics (应用数据挖掘与文本分析) | |||
| COMP7404(X) | Computational intelligence and machine learning (计算智能与机器学习) | ✓ | ✓ |
导师与评价：
| 课程代码 | 课程名称 | 导师 | 评价1 | 评价2 | 系 |
|---|---|---|---|---|---|
| ARIN7001 | Foundations of artificial intelligence (人工智能基础) | Dr. Fai Lung TSANG,<br>Prof. Yuan CAO &<br>Dr. Dirk SCHNIEDERS | - 基础数学课+统计课+编程课<br>- 数学部分比较难，其他部分像在划水<br>- 期末像是在考理综，平时作业数学比较难，其他的都还好 | - 涉及ai基础知识，多元微积分，概率论，数据结构等<br>- workload不大，但期末考试难度很大，范围很广，数学部分几乎涉及整本高数。 | 数学系 |
| ARIN7011 | Optimization in artificial intelligence (人工智能中的优化) | Prof. Yunwen LEI | - 主要讲优化理论，从线性优化到凸优化，授课思路清晰，整体还可以<br>- 评分标准熵作业30%，期中期末合起来70% | - 经典的理论和优化都有涉及<br>- 难度较大，内容很多，作业比较多。<br>- 两个考试占比达到80% | 数学系 |
| ARIN7101 | Statistics in artificial intelligence (人工智能中的统计学) | Dr. Chenyang ZHANG | - AI中的统计推断和数学推导，讲的比较杂<br>- 30%作业，20%小组project和50%考试，考试难度不高，日常作业难度高 | - 贝叶斯推断，统计计算，强化学习<br>- workload比较重，一道题可以做一天<br>- 考试允许携带打印出来的课件，考试不难 | 数学系 |
| DASC7606 | Deep learning (深度学习) | Dr. Bethany CHAN & Prof. Francis CHIN | - 好课，深度学习相关内容。<br>- 3个大project和1个期末考试 | - 最难，评价最好<br>- 两个大项目和闭卷期末考试 | 统计与精算学系 |
| ARIN7013 | Numerical methods in artificial intelligence (人工智能中的数值方法) | Prof. Guanglian LI | - 抽象，讲的难，作业和考试也难<br>- 主要讲数值方法内容，一些消元和分解 | - 难度很大的课，讲的有逻辑性但不是特别细<br>- 有两个class final，考试计算量大 | 数学系 |
| ARIN7102 | Applied data mining and text analytics (应用数据挖掘与文本分析) | Dr. Adela LAU | - 老师抽象<br>- 炒机器学习冷饭<br>- 浪费钱的课 | - 水课 | 统计系 |
| COMP7404(X) | Computational intelligence and machine learning (计算智能与机器学习) | Prof. Dong XU | - 内容陈旧，口音奇怪<br>- 期末考试计算量巨大<br>- 骗钱的课 | - 总体不难<br>- workload很大，作业很恶心，给分一般 | 计算与数据科学学院 |
专业选修课 (Disciplinary Electives)
毕业要求： 需从 列表A、列表B、列表C 中，每个列表至少选择1门 (共18学分)。
| 类别 (List) | 课程代码 (Code) | 课程名称 (Name) | 第一学期 (Sem 1) | 第二学期 (Sem 2) | 夏季学期 (Summer) |
|---|---|---|---|---|---|
| 列表 A | ARIN7014<br>(前置7013) | Topics in advanced numerical analysis (高等数值分析专题) | ✓ | ||
| MATH7224-B | Topics in advanced probability theory (高等概率论专题) | ✓ | |||
| ARIN7015 | Topics in artificial intelligence research (人工智能研究专题) | ✓ | |||
| MATH7502-B | Applied discrete mathematics (应用离散数学) | ✓ | |||
| MATH7503-B | Topics in advanced optimization (高等优化专题) | ✓ | |||
| 列表 B | STAT6011-B | Computational Statistics and Bayesian Learning (计算统计与贝叶斯学习) | ✓ | ||
| STAT7008-A | Programming for data science (数据科学编程) | ✓ | ✓ | ||
| STAT8020-B | Quantitative strategies and algorithmic trading (量化策略与算法交易) | ✓ | |||
| STAT8307-B | Natural language processing and deep learning (自然语言处理与深度学习) | ✓ | ✓ | ||
| 列表 C | COMP7308 | Introduction to unmanned systems (无人系统导论) | ✓ | ||
| COMP7309 | Quantum computing and artificial intelligence (量子计算与人工智能) | ✓ | |||
| COMP7502 | Image processing and computer vision (图像处理与计算机视觉) | ✓ | |||
| COMP7409 | Machine learning in trading and finance (交易与金融中的机器学习) | ✓ | ✓ | ✓ |
评价：
| 类别 | 课程代码 | 课程名称 | 导师 | 评价1 | 评价2 | 系 |
|---|---|---|---|---|---|---|
| 列表 A | ARIN7014<br>（前置7013） | Topics in advanced numerical analysis (高等数值分析专题) | Prof. Zhiwen ZHANG | - 数值代数，数值偏微分，蒙特卡洛模拟<br>- 难度很大<br>- 20%作业，30%的midterm，50%的期末<br>- 除了这一门都是和PhD一起上课 | ||
| MATH7224 | Topics in advanced probability theory (高等概率论专题) | Prof. Guangyue HAN | - 纯数学课，信息论的原理。<br>- 冷门。<br>- 期末考试从作业原题里出，再完成一个大作业。 | - 信息论内容<br>- workload很大<br>- 讲课认真，需要自学，有作业但作业都不算分<br>- 最后一门课随堂测试，基本都是作业原题，占50%，另外50%是论文 | 数学系 | |
| ARIN7015 | Topics in artificial intelligence research (人工智能研究专题) | Prof. Yunwen LEI | ||||
| MATH7502-B | Applied discrete mathematics (应用离散数学) | Prof. Wenan ZANG | - 老师认真亲和<br>- 课程难度很大，有期末考试 | |||
| MATH7503-B | Topics in advanced optimization (高等优化专题) | Prof. Xiaoming YUAN | - 讲的不是很好，很多时候需要自学<br>- 内容丰富实用，没有期末考试<br>- 给分一般 | |||
| 列表 B | STAT6011-B | Computational Statistics and Bayesian Learning (计算统计与贝叶斯学习) | Prof. Guosheng YIN | - 最难选修课之一<br>- 贝叶斯统计，贝叶斯推断，MCMC，EM算法等<br>- 和PhD一起上课，和7101略有重复，但是难度依然极大 | ||
| STAT7008-A | Programming for data science (数据科学编程) | Prof. Lequan YU | - 最简单的课<br>- python基础，pandas和numpy<br>- 进度很快，比较抽象<br>- 三个编程作业，一个项目，都不是很难 | |||
| STAT8020-B | Quantitative strategies and algorithmic trading (量化策略与算法交易) | Dr. Eric LI | - 量化金融知识，评价不错但是课程内容浅显了一点 | |||
| STAT8307-B | Natural language processing and deep learning (自然语言处理与深度学习) | Prof. Lequan YU | ||||
| 列表 C | COMP7308 | Introduction to unmanned systems (无人系统导论) | Dr. W.Y. CHUNG | - 难度较大，干货多，感兴趣可以选 | ||
| COMP7309 | Quantum computing and artificial intelligence (量子计算与人工智能) | Dr. H.F. TING | - 难度较大，干货多，感兴趣可以选 | |||
| COMP7502 | Image processing and computer vision (图像处理与计算机视觉) | Dr. Dirk SCHNIEDERS | - workload很大，每节课都有作业要做<br>- 给分不好，summer term | |||
| COMP7409 | Machine learning in trading and finance (交易与金融中的机器学习) | Mr. Michael LOSAVIO | - 没什么用的课程<br>- 简单的例子，决策树之类的<br>- sem2给分不错，summer sem给分有点差 |
毕业设计项目 (Capstone Project)
- 学分要求：12学分。
- 重要提示：暑期和第二学年的第一学期完成