全日制学生每年需参加至少10次研究研讨会，此外还需参加研讨会/会议，并在每年向首席导师提交不少于1500字（不含参考文献）的报告，概述其中一次参加的研讨会的内容。 非全日制学生每两年需参加至少10次研究研讨会，此外还需参加研讨会/会议，并在每两年向首席导师提交不少于1500字（不含参考文献）的报告，概述其中一次参加的研讨会的内容。 研究研讨会可能由主办部门或其它机构组织，每次研讨会预计持续时间不少于一小时。学生应在参加研讨会前与首席导师讨论研讨会的相关性和适用性。参加研究研讨会的范围应具有重要的研究价值，有助于学生了解最新的研究成果，增强其在该领域的知识。
本课程基于统计学和计算工具的知识，介绍数据分析师和人工智能的基本概念和技术。同时，本课程还展示了数据分析师和人工智能在各行各业的实际应用。本课程强调数据分析和人工智能对于维护和提升香港作为国际金融、创新和技术中心的地位至关重要。
数据科学概论 数据收集、数据类型、数据结构、精选案例研究 数据准备与探索 数据清洗/处理、数据汇总、频数表、密度图、数据可视化、统计与数据分析的计算工具（如：R/Python） 基本概率 实验、事件与概率、随机变量、分布、集中趋势与离散度度量、关联度量 统计学 均值与方差的估计、置信区间、假设检验、回归、预测、分类
描述性统计：变量；数据类型；数据收集和抽样技术；频率分布；表格；图形；集中趋势、离散程度和位置的度量。 概率简介：实验；事件和概率；计数规则；条件概率；独立性；贝叶斯定理。 随机变量：概率质量函数；离散随机变量的介绍，包括二项式、泊松、超几何分布；期望和方差；概率密度函数；连续随机变量的介绍，包括正态分布和卡方分布；中心极限定理。 估计：抽样分布：均值、比例和差异；置信区间：均值、比例、方差和差异。 假设检验：第一类和第二类错误；假设检验：均值、比例、方差和差异。
数据科学概论：大数据、数据类型、数据收集、数据分析、与香港相关的精选案例研究。 基础统计：描述性统计、集中趋势和离散程度的度量、相关性度量、线性回归。 人工智能概论：机器学习的概念、神经网络、通过Python API（如scikit-learn）进行分类的算法。 应用：人工智能和数据分析在特定主题（如金融分析、回归分析、预测、医疗保健、智慧城市发展等）中的应用。
上述主题将借助合适的编程语言（如 R）进行教学。 主题 1. 数据分析基础 定义数据需求、收集数据、处理数据、清洗数据和分析数据 2. 数据处理 数据操作、数据分析、数据可视化 3. 统计分析 基本统计函数、线性回归、时间序列分析 4. 线性代数与微积分 向量基础、矩阵基础、求导、积分、求最值
1. 数据分析基础 • 大数据的定义，大数据的4V特性 • 数据类型，数据分析能力，数据分析过程与可视化 2. 机器学习与人工智能应用 • 人工智能、机器学习和深度学习概览； • 监督学习与无监督学习；性能度量，例如准确率、假阳性、假阴性、召回率、精确率； • AIDA应用：聊天机器人、推荐系统、客户关系和点击流分析、社交媒体和情感分析、推荐系统、文本翻译和摘要、机器人、智能交通系统、自动驾驶、面部识别、医学图像分析与诊断、生物特征识别等 3. 生成式人工智能及其应用 • 生成式人工智能的定义与类型，大型语言模型（例如GPT、Gemini、Claude），提示设计与提示工程，图像生成，视频生成； • 生成式人工智能的应用，生成式人工智能技术的局限性（例如幻觉） 4. AIDA的社会影响 • 数据隐私的担忧；人工智能伦理； • AIDA应用对全球与社会的影响； • 将AIDA应用于香港与“八大中心”发展相契合，包括国际金融中心、国际创新科技中心、东西方国际文化交流中心、国际贸易中心、国际航运中心、国际航空枢纽、亚太区国际法律及争议解决服务中心以及区域知识产权交易中心。
1. 算法分析 • 渐近符号。 • 效率分析。 2. 数据结构 • 线性结构：链表、栈、队列。 • 树结构：二叉树、平衡树、树遍历。 3. 搜索与排序 • 贪心排序算法：冒泡排序、插入排序、选择排序。 • 基于分治法的排序算法：快速排序和归并排序。 • 堆排序及相关数据结构：优先队列、堆。 • 哈希：哈希函数、冲突解决。 4. 图 • 定义与表示。 • 深度优先搜索和广度优先搜索。 5. 算法设计技术 • 贪心算法与动态规划。 • 分治法。 • 递归。 6. 应用 • 结合多种数据结构和算法进行实际程序开发。
总体推荐
课程难度
1. 数据库系统介绍：数据库在应用程序中的作用及数据库管理系统组件 2. 数据建模与数据库设计：实体-关系（ER）模型及规范化 3. 关系模型与查询语言：关系结构与约束、关系代数及SQL 4. 事务管理和安全性：并发控制、恢复机制、数据库安全与完整性约束 5. 现代数据库架构与趋势：NoSQL数据库、分布式及基于云的数据库架构、适用于AI应用的可扩展存储解决方案
预备知识 (2L+1T): 随机变量；点估计：矩估计、最大似然估计、最小二乘估计；区间估计；假设检验；回归模型：线性、逻辑回归。 贝叶斯推断基础 (6L+3T): 基本理论：先验、后验、贝叶斯公式；先验选择：共轭先验、非信息先验、客观先验；模型选择与诊断：交叉验证、贝叶斯因子、随机搜索变量选择、模型选择标准与拟合优度检验；分层模型。 统计中的贝叶斯建模与计算 (6L+3T): 后验计算方法：最大后验估计（MAP）、贝叶斯中心极限定理（CLT）、马尔可夫链蒙特卡洛（MCMC）、Metropolis-Hastings（MH）。 贝叶斯分类 (4L+2T): 贝叶斯分类器：贝叶斯分类规则、贝叶斯分类误差、平均风险；决策边界：最小距离分类器；朴素贝叶斯分类器。 贝叶斯网络 (4L+2T): 图结构：节点、弧（链）、有向无环图（DAG）；条件概率；马尔可夫性质；贝叶斯网络：概率传播、证据节点、诊断推理、预测推理；稀疏贝叶斯网络：概率论的链式法则、Pearl的网络构建算法、节点排序。 案例研究 (2L+1T): 编程语言或包：RStan/PyStan；其他相关语言或包：JAGS、PyMC3、BUGS、RNimble；案例研究。
1. 多变量数据与矩阵复习; 2. 多变量正态分布; 3. 主成分分析（PCA）; 4. 因子分析与典型相关分析（CCA）; 5. 分类（LDA、QDA）与逻辑回归; 6. 现代聚类; 7. 维度约简（t-SNE、UMAP）; 8. 选修高级专题。
1. 自然语言处理基础 介绍自然语言处理（NLP）的概念、历史和应用。文本预处理技术（分词、分段、Unicode处理），语料库资源和统计语言模型（如N-gram和平滑技术）。基本的语言分析方法，包括词性标注、形态学、句法和基本的句法分析。 2. NLP中的模型和技术 分布式表示和词嵌入（Word2Vec、GloVe、上下文嵌入）。神经网络架构，包括循环神经网络（LSTM/GRU）、序列到序列模型、注意力机制和变换器模型（如BERT、GPT）。应用包括文本分类、情感分析、机器翻译和信息提取。 3. NLP的应用 对话系统、聊天机器人和大型语言模型（LLM）。部署考虑和评估策略。自然语言处理中的伦理和社会问题，包括偏见、公平性、透明度和负责任的人工智能实践。
• 数据科学中的伦理与公平 - 数据集中的偏差检测；公平性指标 • 隐私保护的数据科学 - 匿名化技术；实现 • 可解释性与模型文档 • 数据分析报告 - 数据分析报告的框架/结构；恰当的引用 • 其他选定主题（例如：案例研究；数据科学家所需法律和技术技能的介绍）
学生将被分配到从事创新或创业活动的组织工作。学生需要将课堂上获得的知识和能力应用于：• 了解创新和创业实施的复杂性。• 理解创新和创业的潜力及其局限性。• 整合理论与实践。• 培养与数据科学和分析相关的专业能力和技能。
强化学习基础 (4L+2T): 强化学习简介：智能体、环境、状态、动作、奖励；马尔可夫决策过程 (MDPs)：转移概率、策略、价值函数；贝尔曼方程：期望方程和最优方程。 基于模型的强化学习 (4L+2T): 已知模型的规划；策略迭代；值迭代；基于模型的强化学习简介：学习环境模型。 无模型预测与控制 (6L+3T): 蒙特卡洛 (MC) 方法用于预测与控制；时差学习 (TD)：TD(0)、SARSA、Q学习；探索与利用权衡：ε-贪婪、UCB。 函数逼近与深度强化学习 (6L+3T): 使用线性模型和神经网络的价值函数逼近；深度Q网络 (DQN) 及其变体 (如双重DQN)；经验回放。 策略梯度方法 (4L+2T): 策略梯度定理；REINFORCE算法；策略梯度方法简介。 案例研究 (2L+1T): 强化学习库：Gymnasium、Stable-Baselines3、PyTorch/TensorFlow；经典控制与游戏玩法中的应用 (如Atari)；强化学习代理的训练与部署案例研究。
1. 数据安全介绍：数据安全环境，制定数据安全计划，数据安全维度，电子安全威胁与漏洞，网络爬虫，网络爬虫响应方法，加密技术。 2. 安全在线交易：公钥基础设施，认证机构，数字签名，哈希函数与认证，数字信封。 3. 使用数字水印的数据保护：数字水印基础，水印技术的期望属性，稳健和脆弱水印，空域水印，频域水印，水印提取，隐写术与数据隐藏。 4. 数字版权保护与数据隐私：防止复制与控制，所有权声明，在线数字内容分发与安全，多媒体内容的水印嵌入与攻击，数据保护标准介绍，以及GDPR和HIPPA等隐私法律。 5. 生物特征安全介绍：生物特征介绍，生物特征在实际系统中的期望属性，不同生物特征模式的优缺点，行为生物特征，生物特征隐私与社会挑战。 6. 基础技术：生物特征数据采集与生物特征数据库；相关图像处理与模式识别技术，包括数字图像和信号表示、模式提取与分类。 7. 生物特征系统性能评估：生物特征验证与错误率，未能获取，误匹配率和误拒率，接收操作特性，等错误率，开集与闭集性能评估，累积匹配特性，单特征准确率，误识率与拒识率。 8. 单模态与多模态系统介绍：指纹、掌纹、虹膜和面部等流行单模态生物特征系统介绍，数据安全标准与部署场景，单模态系统的局限性，多模态生物特征系统与操作模式介绍，特征级、评分级与决策级融合。
主题 1. 介绍 支付基础；不同类型的支付；监管问题。 2. 安全基础 安全机制回顾（加密、数字签名、哈希函数、认证协议、数字证书、互联网安全）。 椭圆曲线加密（ECDLP、ECDSA）；最近的哈希函数（SHA-256、RIPEMD-160）。 3. 互联网支付系统 SET和3D信用卡支付协议；电子支票；电子现金；互联网支付服务。 4. 移动支付系统 智能卡支付；Apple Wallet；Google Wallet；其他移动支付系统。 5. 加密货币 区块链；比特币（及其变种，如莱特币）；其他加密货币系统（如以太坊、门罗币、零币）。 6. 相关主题 法律问题；先进/新兴技术；案例研究。 实验课： 区块链、加密货币和电子支付的实验。 案例研究： 区块链、比特币、互联网/移动支付系统的案例研究。
课程内容 1. 第一部分：机器学习基础 • 线性代数和概率 • 数值计算与优化 • 学习任务：回归、分类等 • 性能问题：交叉验证、过拟合及维度灾难、偏差-方差困境等 2. 第二部分：模型与技术 • 监督学习： o 参数化方法与非参数化方法 o 决策树基方法 o 贝叶斯模型 o 神经网络和支持向量机 o 高级模型：卷积神经网络 • 无监督学习： o k-均值聚类和层次聚类 o 谱聚类和基于密度的聚类 o 高级模型：自动编码器、嵌入技术等 • 回归与提升 • 特征选择与降维 3. 第三部分：应用 • 手写识别挑战，例如 MNIST • 对象检测、识别与跟踪 o 对象特征描述：工程方法与特征学习方法 o 对象检测示例，例如像素聚类用于人脸检测等 o 对象识别示例，例如基于主成分人脸特征的人脸识别 o 对象跟踪示例，例如人体运动跟踪
1. 数据仓库与数据挖掘简介 数据仓库与数据挖掘的介绍；商业和金融领域的潜在应用领域；定义和术语；数据挖掘问题类型。 2. 数据仓库 数据仓库与数据仓库技术；数据仓库与行业；定义；操作数据库与数据仓库的区别。 3. 数据仓库架构与设计 数据仓库架构与设计；两层和三层架构；星型模式和雪花模式；数据特性；静态与动态数据；元数据；数据集市。 4. 数据复制与在线分析处理 数据复制、数据捕获与索引、数据转换与清洗；复制数据与衍生数据；在线分析处理（OLAP）；多维数据库；数据立方体。 5. 数据挖掘与知识发现 数据挖掘与知识发现；数据挖掘生命周期；预处理；数据转换；问题类型与应用。 6. 关联规则 关联规则挖掘；Apriori算法；二元、定量和泛化关联规则；有趣度度量。 7. 分类 分类；基于决策树的算法；贝叶斯方法；统计方法、最近邻方法；基于神经网络的方法；基于遗传算法的技术；分类模型的评估。 8. 聚类 聚类；k-means算法；层次算法；Condorset；基于神经网络和遗传算法的方法；效果评估。 9. 序列数据挖掘 序列数据挖掘；时间依赖数据和时间数据；时间序列分析；子序列匹配；时间数据的分类与聚类；预测。 10. 其他技术 计算智能技术；用于数据挖掘的模糊逻辑、遗传算法和神经网络。 实验： 1. 使用数据挖掘工具发现关联规则和序列模式 2. 使用数据挖掘工具发现分类规则 3. 使用数据挖掘工具发现聚类 案例研究： 1. 将数据挖掘技术应用于解决实际商业问题。 2. 数据仓库项目成功与失败的属性（如适用）。
主题 1. 大数据介绍 不同维度（Volume、Velocity、Variety）及其挑战和应用领域。 2. 大数据采集 最终一致性及NoSQL系统（MongoDB、BigTable等） 3. 大规模数据分析系统 Hadoop、MapReduce、Hive等 4. 基本统计分析 5. 大数据机器学习系统 6. 图分析 图结构、PageRank、中心性等 7. 数据分析应用：推荐系统 8. 数据可视化
