南京大学计算机科学与技术——拔尖计划培养体系
计算机科学与技术——拔尖计划培养体系
1、培养目标
拔尖计划计算机科学方向的培养目标是创新型计算机科学人才,包括两类人才:计算机理论的科学研究人才与先进技术的原始创新人才。前者能够从事计算机基础理论研究,具备在可计算性/计算复杂性、算法/语言及程序设计理论、计算机及计算机系统设计等领域开展原创性理论研究工作的能力;后者能够从事计算机应用基础研究,具备在网络化技术、智能化技术和自然化技术等领域开展原创性应用科学研究工作的能力。
计算机科学具有学科发展速度快、学科应用范围广、创新能力要求高、持续发展压力大等特点,这些特点对培养符合上述目标的拔尖创新型人才提出了很大挑战。南京大学计算机科学与技术系成立了拔尖计划指导委员会,通过严格的分析与论证,提出了“强化专业基础知识、培养自主学习能力、引导探求未知领域、注重基本科研素养”的基本指导思想。
2、一流师资团队
拔尖计划的主干课程均单独开课,由计算机科学与技术系的优秀教师担任主讲。此外,我们也聘请国内外知名教授担任课程顾问和暑期课程主讲。
3、人才培养机制
计算机科学与技术系制定了全面的计算机科学拔尖计划培养方案,从教学体系与学术体系两个方面有机结合,构建面向计算机科学拔尖人才的创新培养体系。
教学体系方面,我们制定了面向问题求解的教学体系。通过将知识体系构造为“提出问题、分析问题和解决问题”的过程,将获取知识与提升能力结合起来。课程设置上,强化了“数学与逻辑基础”、“算法线”和“平台线”三个方面的基础理论课程,强化专业基础知识;教学手段上,以“自我探索、深度引导、理论严密、训练充分”的教学理念为指导,以小班化教学为基础,从传统课堂授课转变为讲课、自学、研讨和报告等多种形式,培养自主学习能力;在课程内容上,增强了开放式的研讨课题与系统实现类项目,在分析和解决问题的过程中,引导学生探求未知领域。
学术指导方面,从第四学期开始,每一个学生配备一名学术指导老师,进入实验室开始进行基本科研素养训练,并开始介入科研活动,引导探求未知领域。在学术导师的指导下,学生可以参与创新项目、ACM竞赛和其他各类型训练等,进一步提升实践能力;而海外学术交流进一步拓展学生的眼界,激发学生探索欲。
4、国际化
为了让学生走出校园,开阔眼界,激励学生对计算机科学的研究兴趣,培养学生的创新素养,每一届计算机科学拔尖计划学生均会参与为期一周的香港或新加坡高校学术交流活动。与香港大学、香港科技大学、香港中文大学、香港理工大学、新加坡国立大学、南洋理工大学等著名高校开展学术交流活动,包括听取学术报告,参观研究成果和开展学术竞赛等。与香港科技大学学生成功开展多次学术竞赛,通过两地学生混合组队的方式,在两天时间内,每组通过完成学术任务并现场报告展示的方式进行竞赛,不仅增强了双方的交流与互动,也激发了学生的学术潜能。
南京大学计算机科学拔尖计划培养特色
1、“问题求解”课程体系的重构与实践
专业基础教学和综合实践教学都是大学生能力培养的关键,但在传统的教学活动中,前者的作用通常被理解为专业知识的积累,后者被定位为专业知识的运用。这种隐形的切割使得学生在学习专业基础知识过程中不能直面“待求解问题”,对所学知识进行思辨、组织、运用、实施等方面的训练不够。为强化“第一课堂”在能力培养中的作用,创造性地提出了“以问题求解为核心重组教学内容,以自我探索为手段进行互动式教学,开展计算机专业人才创新能力培养”新思路。针对现有专业基础课程的“横向条状封装、纵向层次递进”导致的知识运用能力训练不够、学习目的性不强等不足,以计算机学科经典问题的分析及其求解为核心,纵向组织相关知识,重构了传统的专业基础课程,融合为“问题求解”系列课程;在教学环节中,以“自我探索、深度引导、理论严谨、训练充分”为基本方法,强调研究性和自我探索性学习,培养学生的自学习、自创新能力而不是单纯的知识接受和应用能力。
1)课程体系(内容)重构
我们在课程建设与改革中打破常规,基础课程在兼顾知识学习的同时引入计算机问题求解,在“以问题抽象为核心的计算机算法设计能力”和“以平台支撑为核心的计算机系统设计能力”的培养上,纵向优先,重构计算机专业基础课程体系。将传统算法线的“计算机导论”、“程序设计”、“离散数学”、“数据结构”、“算法设计与分析”和平台线的“数字逻辑电路”、“计算机系统基础”等7门专业基础课程,重构为“问题求解基础”与“体系结构基础”两个系列课程。
2)研究性自我探索式学习
掌握知识的过程由传统的教师“教授”为主,转变为学生“自学”为主。学习过程分解为课前自学习、课堂深入引导和课堂分班研讨三个阶段。引导和研讨过程均以经典问题的分析、建模和设计为线索,强调学生探索、教师指导下的问题求解。
经过6年多研究与实践,“问题求解”算法线与平台线课程体系及其引导式自学模式取得了良好的效果,得到了学生的欢迎和同行的高度评价,主讲教师荣获中国计算机学会授予的“杰出教育贡献奖”,教学成果获得国家级教学成果奖二等奖和江苏省教学成果特等奖。
2、香港科技大学360Campus学术竞赛
每一届拔尖计划学生都会前往香港(新加坡)高校进行为期一周的学术交流,在港科大我们已经成功进行了3次学术竞赛活动。2017年的学术竞赛中,同学们在科大James She教授和他指导的团队带领下学习了360相机相关知识和应用,并进行分组实际操作了设备,在科大校园进行实地拍摄。同学们将所得素材,通过专业软件,配以音频、动画和去噪音等相关加工制作,并连夜准备了幻灯片与英文报告。第二天,同学们进行了分组演示,用英语做了报告,交流360设备使用心得、作品创意、技术处理手段等。科大与南大相关老师组成了评审团,对同学们的作品从技术与创意两个方面进行了点评,并给出了评分。
下图为同学们用360相机自己拍摄的图片
3、优秀学生
康望程:2012级计算机科学拔尖班,现为加州大学圣地亚哥分校(UCSD)计算机科学专业博士研究生,研究方向为数据挖掘,导师是JulianMcAuley教授。
在进入拔尖班学习后,由于对算法设计和实现比较感兴趣,他加入了南大ACM队,取得了两枚区域赛金牌;他参与研发的公益软件项目homeward获得第二届腾讯编程马拉松成都赛区冠军,全国第三名(超过1万名参赛选手)以及首届苏宁校园IT菁英开发大赛冠军。
大三后,他加入了学术导师李武军老师组并开始了解机器学习方面的研究工作。经过近一年的科研工作,他提出了一种新的基于离散优化解决大规模图像哈希的算法,并在国际人工智能会议AAAI’16(中国计算机学会推荐的A类会议)上发表。
获奖
第二届腾讯编程马拉松成都赛区冠军,全国决赛第三名
ACM-ICPC亚洲区预选赛成都赛区,杭州赛区金牌
苏宁校园IT菁英开发大赛最佳开发奖(冠军)
微软小学者奖学金
CCF优秀大学生奖
论文
Wang-Cheng Kang, Wu-Jun Li and Zhi-Hua Zhou, “Column Sampling based Discrete Supervised Hashing”, in Proceedings of the 30th AAAI Conference on Artificial Intelligence (AAAI), 2016
Wu-Jun Li, Sheng Wang and Wang-Cheng Kang, “Feature Learning based Deep Supervised Hashing with Pairwise Labels”, in Proceedings of the 25th International Joint Conference on Artificial Intelligence (IJCAI), 2016
金熠波:2013级计算机科学拔尖班学生,现已保送本系攻读博士学位。
进入计算机科学拔尖班后,金熠波踏实努力,经过两年学习打下扎实的基础,建立初步的理论体系,全面地了解计算机科研邻域的全貌。大三后,根据自身对计算机网络与分布式系统的科研兴趣,跟随学术导师钱柱中进入分布式实验室学习与科研工作。经过艰苦努力,对跨数据中心的数据/任务联合调度问题进行了深入研究,并提出了高效算法大大提升了效率,相关研究成果发表于分布式方向的重要学术会议ISPA 2016(中国计算机学会推荐的C类会议)。在大四期间,他获得香港理工大学全额奖学金资助,进行为期6个月的访问研究。
论文
Yibo Jin, Yuan Gao, Zhuzhong Qian, Mingyu Zhai, Hui Peng and Sanglu Lu, Workload-Aware Scheduling Across Geo-distributed Data Centers, 14th IEEE International Symposium on Parallel and Distributed Processing with Applications (ISPA 2016), Tianjin, China, August 23-26, 2016.
王璐:王璐同学于2010年以江苏高考第182名的成绩考入南京大学计算机科学与技术系。2014年,王璐同学获得南京大学优秀毕业生称号,并保送进入南京大学机器学习与数据挖掘研究所(LAMDA)攻读博士学位,导师是周志华教授,研究方向是机器学习与数据挖掘。
自大四进组从事科研工作至今,在导师的指导下,王璐同学已经累计发表三篇论文,其中包括,以第一作者身份,在人工智能领域顶级会议IJCAI-16(CCF-A类会议)上发表一篇学术论文,并以第二作者身份,分别在人工智能领域顶级期刊Artificial Intelligence(CCF-A类期刊)和人工智能领域顶级会议AAAI-16(CCF-A类会议)上各发表一篇学术论文。2016年,王璐同学获得华为奖学金。
论文
L. Wang and Z.-H. Zhou. Cost-saving effect of crowdsourcing learning. In: Proceedings of the 25th International Joint Conference on Artificial Intelligence (IJCAI'16), New York, NY, 2016.
W. Gao, L. Wang, R. Jin, S.-H. Zhu, and Z.-H. Zhou. One-pass AUC optimization. Artificial Intelligence, 2016, 236: 1-29.
W. Gao, L. Wang, Y.-F. Li, and Z.-H. Zhou. Risk minimization in the presence of label noise. In: Proceedings of the 30th AAAI Conference on Artificial Intelligence (AAAI'16), Phoenix, AZ, 2016.

















