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。