3.数据库与信息系统Database and Information Systems
研究内容：
1)数据库(Database)：数据模型，数据查询、集成，各种数据库系统的设计、实现等。
2)数据挖掘(Data Mining)：从数据中提取模式的处理过程。它在很多领域有广泛的应用，例如市场营销、监测、入侵检测和科学发现。数据挖掘和机器学习很相关，但是数据挖掘更关注实际应用。
3)信息检索(Information Retrieval)：研究如何提取各种媒体(文本、音频、视频等，目前的研究以文本居多)中的信息，同时还搜索与之关联的数据库和万维网。
4)自然语言处理(Natural Language Processing)：构建一种可以分析、理解和生成自然语言的计算机系统。研究课题包含自动摘要(Automatic Summarization)，语篇分析(Discourse Analysis)，机器翻译Machine Translation)，命名实体识别(Named Entity Recognition)，自然语言生成(Natural Language Generation)和语音识别(Speech Recognition)等。
4.人工智能Artificial Intelligence (AI)
研究内容：
1)一个以计算机科学（Computer Science）为基础，由计算机、心理学、哲学等多学科交叉融合的交叉学科、新兴学科，研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门
新的技术科学，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机
器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
2)涉及以下常见研究主题：学习与概率推理；知识表示与推理；搜索和信息检索；言语与语言；视力机 器人学）。点的技术应用上已较为成熟，但对于需要专家知识、逻辑推理或领域迁移的复杂性任务，人工智能系统的能力还远远不足。基于统计的深度学习注重关联关系，缺少因果分析，使得人工智能系统的可解释性差，处理动态性和不确定性能力弱，难以与人类自然交互，在一些敏感应用中容易带来安全和伦理风险。
3)现状和问题：以大数据、深度学习和算力为基础的人工智能在语音识别、人脸识别等以模式识别为特
5.算法与理论Algorithms & Theory
研究内容：
1)计算机理论和算法的目标是发现一个问题的更快算法，或者发现没有快速算法，就是关于所有计算机和所有计算机程序的陈述。通过理解理论和算法，计算机科学家能够理解他们使用的计算工具的基本
能力和局限性，无论这些工具是什么。
2)涉及以下常见研究主题：优化；密码学；计算理论；网络科学，数据机构。
3)现状和问题：算法存在的问题主要与数据偏见、不公平性、隐私和透明度等相关，这些问题需要在算法设计和应用过程中引起足够的注意和关注。
