专题时长（小时） 1. 去中心化金融（DeFi）简介：区块链与多链世界，DeFi 堆栈，参与者，服务，新范式的瞥见，闪电贷，风险，安全与隐私。 2. DeFi 智能合约：加密货币，智能合约，Solidity，可互换与不可互换代币，去中心化自治组织（DAO），治理代币。 3. 金融简介：股票，债券，保险，合同，监管者，溢出效应，外部性，贸易，风险，激励机制，市场，金融工具，投资，交易，对冲基金，流动性，投资组合，法定货币，抵押品，银行，中央银行储备，杠杆，经纪人，交易所，货币的功能。 4. DeFi 参与者与协议：预言机，经纪人，桥梁，治理，监管，投资，集中式/去中心化交易所，订单簿，流动性池，自动做市商，包装币，挂钩资产，稳定币，闪电贷，代币交换，套利，流动性挖矿，聚合器，借贷，借款，杠杆，抵押，清算，拍卖，交易，合成资产，衍生品，资产管理，资产代币化，不可互换代币，交易型开放式指数基金，资产管理协议。 5. 隐私与安全：隐私与去中心化身份，零知识证明，匿名支付，混币器，匿名凭证，去中心化标识符，预言机，技术与经济安全，抢先交易，组合攻击，代码安全，矿工可提取价值，隐私，退出骗局。 6. 监管：监管风险，责任，ICO，美国与香港法律，合规。
金融科技一般风险管理 - 企业及技术管理 - 金融科技领域的当代问题与机遇 - 创业公司、保险、虚拟及传统银行业 反洗钱（AML） - 金融科技和银行业反洗钱的各个方面 - 香港特别行政区、邻近地区及全球的治理、指导与监管 - 监管科技（Regtech）原则 金融科技合规管理系统（CMS） - 企业规划、设计和开发CMS - 制定反金融犯罪策略 - 尽职调查与客户考虑，了解你的客户（KYC） 技术 - 以网络安全为核心的技术风险 - 各种技术应对金融科技合规问题的监控与解决 - 数据分析、人工智能和机器学习的采用 调查、问询、审计与报告 - 与第三方、内部及管理层的沟通 - 合规审计 - 防范欺诈与监控 - 了解你的客户（KYC）原则
本课程介绍元宇宙应用的设计与开发原理。主要主题包括元宇宙应用的沉浸式技术与功能、元宇宙隐私、安全、伦理以及元宇宙智能。
1. 生成式人工智能简介 - 人工智能和生成式人工智能的基本概念。 - 生成式人工智能的历史和发展。 - 深度学习和大型人工智能模型的介绍。 2. 生成式人工智能的应用与影响 - 生成式人工智能的应用及未来趋势。 - 人工智能辅助研究和方法论。 3. 生成式人工智能工具和技术 - 流行生成式人工智能平台的概览及其在内容创意、创作和编辑中的辅助作用。 - 手把手实践编写和迭代提示，以满足特定需求的提示工程。 4. 生成式人工智能的社会价值 - 生成式人工智能的社会影响 - 道德考量，例如数据隐私、人工智能安全等。
1. 人工智能在人文学科中的介绍 - 人工智能概览，包括概念、历史和影响。 - 人工智能任务与应用。 - 人工智能在人文学科中的应用。 2. 用于人文学科应用的人工智能工具和技术 - 文本分析工具和自然语言处理。 - 数据分析与可视化。 - 在实际人文学科场景中使用人工智能工具的实践操作。 3. 人工智能驱动的人文学科问题解决 - 人工智能在语言学、艺术、历史、政治等各个人文学科领域的应用概述。 - 人工智能辅助研究和人文学科数据分析方法的未来趋势。 4. 人工智能在人文学科中的伦理问题 - 人工智能在人文学科应用中的伦理考量。 - 以人为本的公平性、问责制、可解释性、透明度和伦理在人工智能系统中的体现。
理解游戏类型：分析和评估游戏类型及其历史发展和影响；设计特定类型的游戏。 理解玩家心理：识别玩家动机；应用心理学原理设计定制化的玩家体验。 理解和设计奖励系统：分析奖励机制（如进度、成就、游戏内经济）；实现平衡的奖励系统。 理解游戏设计元素：识别核心元素（机制、动力、美学、叙事）；整合这些元素。 创意头脑风暴与原型制作：生成创意游戏概念；创建低保真原型进行测试。 游戏提案：准备简洁、有说服力的游戏提案；评估同伴提案。 文档与游戏设计文档（GDD）：开发涵盖概念、机制、设计、盈利模式、技术要求的全面GDD；迭代修订。
1. 计算经济学导论 • 该领域的概述 • 经济学与计算机科学的交叉 2. 博弈论与战略互动 • 博弈论的基本概念 • 非合作博弈的纳什均衡 • 动态博弈与演化稳定性 • 重复博弈与演化稳定性 3. 机制设计与拍卖理论 • 为实现特定目标设计机制 • 拍卖格式与投标策略 • 收益等价与激励相容 4. 市场设计与匹配算法 • 双边匹配市场 • 稳定匹配与盖尔-沙普利算法 • 市场设计实践：劳动力市场、学校选择、器官捐赠 5. 最优化与线性规划 • 线性规划在经济建模中的应用 • 对偶性与灵敏度分析 • 网络流与整数规划 6. 经济动力学的计算模型 • 基于代理的建模 • 计算一般均衡模型 • 动态随机模型 • 投票系统、蛋糕切分、资源分配及其计算方面 7. 数据分析与计量经济学 • 经济学中的大数据 • 用于经济数据的机器学习技术 • 因果推断与实验设计 8. 数字市场与平台 • 数字商品与服务的经济学 • 平台竞争与网络效应 • 定价策略与收入管理 • 加密货币与比特币 9. 算法博弈论与互联网 • 算法在在线市场中的作用 • 搜索引擎与在线广告 • 社交网络与信息扩散 10. 计算经济学中的伦理考量 • 隐私与数据保护 • 算法偏见与公平性 • 数字市场的监管
• 高维数据介绍：高维数据类型概览；与传统关系数据库的比较；实际应用和挑战。 • 地理空间与时空数据：地理空间和时空数据的特性和组织；多样化的轨迹相似度度量；高效的索引结构和查询算法；道路网络上的高级路径算法。评估：设计和实现数据管理解决方案的实际作业。 • 时间序列数据：不同类型的时间序列数据及其特性介绍；时间序列数据建模，如循环神经网络；预测技术和预测模型。评估：涉及金融、零售和智慧城市等不同行业的实际案例研究。 • 多媒体数据：不同类型多媒体数据的介绍和特征提取；相似性搜索和信息检索；机器学习和AI技术的整合。评估：针对社交媒体、医学影像等多媒体数据分析的协作项目和演示。
主题 1：密码学 • 密码学基本原理：对称加密和公钥加密，哈希函数，消息认证码，数字签名。 • 安全模型和可证明安全。 • 密码学协议：密钥建立协议。 • 高级主题：零知识证明，同态加密，后量子密码学。 主题 2：网络安全 • 攻击类型，威胁模型，以及密码学在网络安全性中的作用。 • 安全套接字层（SSL），传输层安全（TLS），以及 TCP 层安全扩展。 • 网络安全和主要威胁：跨站脚本攻击（XSS），跨站请求伪造（CSRF），会话劫持，cookie 操作。 • 网络安全工具和实践。渗透测试和漏洞扫描方法。 主题 3：案例研究 • 实际分析安全漏洞和密码学失败案例。 • 应用所学技术评估并加强系统的安全状况。 • 实际场景中的政策和合规性考虑。
课程内容包括：1. 人工智能安全概览——流行的人工智能模型的基本原理、安全分析的原则、人工智能的安全性以及人工智能在安全中的应用。2. 人工智能模型训练中的攻击——计算机视觉、网络分析和自然语言处理中的数据投毒攻击和后门攻击。3. 部署中的人工智能模型漏洞——欺骗攻击、成员推理攻击、模型窃取攻击以及针对计算机视觉、网络分析和自然语言处理领域的破解攻击。4. 常见的防御策略——对抗训练、攻击检测、数据净化以及认证鲁棒性。5. 人工智能在安全中的应用——设计基于人工智能的系统以检测恶意软件、网络入侵检测和稳健推荐系统。
主题 1. 技术管理中的风险管理 风险管理和风险评估过程，威胁与漏洞对比，残余风险，概率与业务影响 2. 行业中的网络安全 信息系统网络安全，网络物理系统，金融科技，人工智能（AI）和机器学习；AI 安全与反洗钱（AML）的挑战 3. 信息系统审计与控制的基本原则 信息系统/网络安全审计的影响，审计师的角色，过程与方法，职业机会 4. 数据保护、业务连续性和合规性 数据保护原则，包括机密性、完整性和可用性（CIA），业务连续性和韧性，各种法律法规要求和合规性 5. 高级技术在网络安全中的应用 数据网络，数据/文本挖掘，云计算，人工智能，机器学习 6. 提升企业网络安全能力与成熟度的现代方法 战略管理，项目管理，创新战略，质量管理，知识管理
本课程为研究生提供物联网（IoT）安全领域不断发展的知识和实践技能。主要内容包括密码学基础、网络和无线安全、硬件保护以及端到端的物联网系统安全。课程强调理论与应用并重，使学生能够理解核心安全原则，识别物联网环境中特有的漏洞，并设计、实施和评估针对不同物联网应用的有效安全解决方案。
1. 移动通信及其安全概述（例如：移动通信概念、攻击类型、基本密码学）。 2. 移动通信网络的安全（例如：蜂窝网络中的访问控制和认证）。 3. WiFi 网络的安全（例如：WiFi 网络攻击）。 4. Android 安全（例如：Android 系统、Android 安全模型、应用分析、应用逆向工程）。 5. iOS 安全（例如：iOS 系统、iOS 安全模型、应用分析）。 6. OpenHarmony 安全（例如：OpenHarmony 系统和安全模型、应用分析）。 7. 移动恶意软件（例如：分类、恶意软件检测）。 8. 选修移动安全主题（例如：NFC 安全）。
1. 概念：子图、连通性、树、割集； 2. 图算法：图搜索；最短路径、最大流、最小生成树； 3. 图问题：着色、匹配、流； 4. 图类：平面图、完美图；及其应用。
本课程介绍人工智能赋能的物联网（AIoT）系统的概念、原理、架构和应用。它教授学生基础和高级的AIoT技术。涵盖的主题包括智能传感器/执行器、高级传感技术、AIoT通信技术和协议、大规模AIoT数据采集和分析的方法论、系统优化以及AIoT在医疗保健、智慧城市、低空经济、机器人等各个领域的新兴应用。
本课程旨在为学生提供大型语言模型（LLMs）在智能代理部署方面的高级理解。课程内容包括推理、规划、多智能体协作以及任务执行工具的使用，同时涵盖基于代理系统的技术基础设施。学生将批判性地探讨机器人技术、代码生成、网络自动化和科学发现的应用，同时应对LLM代理固有的伦理、隐私和安全挑战。通过严谨的分析、实践项目和研究驱动的探究，学生将获得评估、设计和创新LLM代理领域的专业知识，为学术界或工业界前沿角色做好准备。
课程内容：1. 概述 — 云计算范式的演变；云计算的动力与益处；云计算的定义与原则；云计算的应用；超大规模人工智能基础设施的概览。 2. 第一部分：云计算架构与服务模型 — 云计算架构及其主要组件，物理基础设施；服务模型；服务提供；主要提供商和平台（亚马逊、微软、IBM、谷歌、阿里巴巴等）；AWS（EC2、S3等） 3. 第一部分：虚拟化技术 — CPU 虚拟化；内存虚拟化；I/O 虚拟化；网络虚拟化；Xen；Docker（容器）；Kubernetes。 4. 第一部分：大规模分布式计算平台 — 大规模分布式计算平台的基本知识，如 Hadoop、Spark、Ray 等。 5. 第二部分：人工智能数据中心的网络堆栈与通信库 — 新兴人工智能数据中心的网络架构；通信库如 MPI 和 NCCL 等。 6. 第二部分：大规模模型训练与微调 — 大规模分布式模型训练与微调的基本知识；各种分布式训练策略；各种模型训练框架（Pytorch、Tensorflow 等）。 7. 第二部分：大规模模型推理与服务 — 大规模分布式模型推理与服务的基本知识；各种分布式推理策略；各种模型推理框架，如 VLLM 等。 8. 第二部分：模型训练、微调与推理的新兴优化技术 — 模型压缩；数据管理；策略设计等。
本课程探讨在资源受限环境中设计、开发和优化嵌入式系统所需的高级概念和实用技术。学生将掌握硬件软件协同设计、实时操作系统（RTOS）和高级编程技术方面的专业知识。重点在于使用高级嵌入式平台的实际应用，特别是集成用户空间工具/模型/库，并解决物联网、机器人或人工智能等领域中的实际问题。本课程结合理论基础与实践项目工作，为学生应对现代嵌入式系统中的行业和研究挑战做准备。
请与导师讨论并确定研究兴趣的主题。
通过本课程的不同活动，学生将学习和实践：发现创意；将创意转化为创业项目；向成功的创业企业家学习；识别技术创新的参与者；撰写行动驱动的商业计划。学生应从一个创意开始，识别和评估潜在的创业机会，进行机会分析，定义商业模式，整合先前知识，实践创意和概念验证开发，沟通创新和创业，并运用项目管理方法进行规划、开发和监控进度。最终成果包括准备充分的商业计划、演示和展示。
