feat: Postgraduate

README.md

@@ -1,7 +1,3 @@
----
-title: ECNU·课栈
-sidebar_position: 0
----
 # ECNU·课栈
 
 ![GitHub repo size](https://img.shields.io/github/repo-size/BetterECNU/SharedCourses?style=for-the-badge)
@@ -36,9 +32,16 @@ sidebar_position: 0
 ``` markdown
 docs/
 ├── undergraduate/  # 本科生课程资料目录
+├── postgraduate/   # 研究生课程资料目录
 └── README.md       # docs 路由中的置顶文档
 ```
 
+**研究生资料来源于 [tianyilt/ecnu-PGCourseShare](https://github.com/tianyilt/ecnu-PGCourseShare), BetterECNU 团队仅是收录并且更改了索引文档以适用于 docusaurus 框架**
+
 ## 联系我们
 
 如有问题或建议, 欢迎通过 [Issue(推荐)](https://github.com/BetterECNU/SharedCourses/issues) 或 [邮件](mailto:zy1834576129@outlook.com) 联系我们.
+
+## 致谢
+
+[tianyilt/ecnu-PGCourseShare](https://github.com/tianyilt/ecnu-PGCourseShare)

docs/README.md

@@ -36,9 +36,18 @@ sidebar_position: 0
 ``` markdown
 docs/
 ├── undergraduate/  # 本科生课程资料目录
+├── postgraduate/   # 研究生课程资料目录
 └── README.md       # docs 路由中的置顶文档
 ```
 
+:::info
+研究生资料来源于 [tianyilt/ecnu-PGCourseShare](https://github.com/tianyilt/ecnu-PGCourseShare), BetterECNU 团队仅是收录并且更改了索引文档以适用于 docusaurus 框架
+:::
+
 ## 联系我们
 
 如有问题或建议, 欢迎通过 [Issue(推荐)](https://github.com/BetterECNU/SharedCourses/issues) 或 [邮件](mailto:zy1834576129@outlook.com) 联系我们.
+
+## 致谢
+
+[tianyilt/ecnu-PGCourseShare](https://github.com/tianyilt/ecnu-PGCourseShare)

docs/postgraduate/公共课/人工智能+教育创新应用实践/README.md

@@ -0,0 +1,5 @@
+---
+title: 人工智能+教育创新应用实践
+---
+
+- [作业](https://drive.vanillaaaa.org/SharedCourses/postgraduate/%E5%85%AC%E5%85%B1%E8%AF%BE/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD+%E6%95%99%E8%82%B2%E5%88%9B%E6%96%B0%E5%BA%94%E7%94%A8%E5%AE%9E%E8%B7%B5/%E4%BD%9C%E4%B8%9A)

docs/postgraduate/公共课/学术英语/README.md

@@ -0,0 +1,5 @@
+---
+title: 学术英语
+---
+
+- [资源](https://drive.vanillaaaa.org/SharedCourses/postgraduate/%E5%85%AC%E5%85%B1%E8%AF%BE/%E5%AD%A6%E6%9C%AF%E8%8B%B1%E8%AF%AD)

docs/postgraduate/公共课/思想政治与实践/README.md

@@ -0,0 +1,39 @@
+---
+title: 思想政治与实践
+---
+
+- [考试情报](https://drive.vanillaaaa.org/SharedCourses/postgraduate/公共课/思想政治与实践/考试情报.pdf)
+- [考试打印](https://drive.vanillaaaa.org/SharedCourses/postgraduate/公共课/思想政治与实践/考试打印.docx)
+
+## 考试情报
+
+时间2021年 11月24日下午1点-3点  
+
+考场待定,等研究生教学秘书通知.
+
+材料分析题2选1论述题4选2. 前9章只有一个问题不会直接讲,但是pre的时候覆盖掉.两个论述题完整答案呈现过.
+
+考试卷上问题几乎都在前5章,覆盖了其中五道题,合理猜测一章一道题
+
+21版教材支持手写笔记  拍下来的在课本上整理
+
+复印笔记不被允许,会被清算
+
+电子设备不要带在身上
+
+考试时身份证/校园卡/研究生证三选
+
+## 后记
+
+1. 论述题四题中有3题在书上课后题，其中两题在第一章，所以可以看看书后答案
+
+2. 老师上课画重点参考意义不大，比如上课提到的供给侧改革，明确指出考法，而且放了很多页在书上找不到内容的ppt，结果半点没考，不排除放到B卷了，反正押题有风险不如不复习。
+经济那一章讲了好几节课，就跟就在材料分析题一个体现了，而且完全没打中重点。
+
+3. 考试成绩对评奖没有作用.
+
+## 课堂
+
+上课在9点半前不能看电脑，可以考虑用手机或者带有键盘的平板做自己的事情
+
+点名是扫码，好像每几S就刷新二维码，靠别人点名，建议发送方建议开视频，接收方坐在电脑前然后手机扫码

docs/postgraduate/公共课/量子计算导论/README.md

@@ -0,0 +1,15 @@
+---
+title: 量子计算导论
+---
+
+- [资源](https://drive.vanillaaaa.org/SharedCourses/postgraduate/%E5%85%AC%E5%85%B1%E8%AF%BE/%E9%87%8F%E5%AD%90%E8%AE%A1%E7%AE%97%E5%AF%BC%E8%AE%BA)
+
+课程名称：量子计算导论（公共选修课）
+
+任课教师：[邓玉欣](https://faculty.ecnu.edu.cn/_s43/dyx/main.psp)（前半部分，基础知识）、[徐鸣](https://faculty.ecnu.edu.cn/_s43/xm2/main.psp)（后半部分，两个主要算法）
+
+课程内容：<del>线性代数与概率论综合应用课。</del>量子计算的代数基础与最著名的量子算法。
+
+课堂评价：教师有编写自研教材，助教会发纸质版。上课不点名，以讲课为主，无互动。作业量不少，课程内容对线性代数苦手不太友好。附上了部分作业的个人答案，不保证正确性，仅供参考。
+
+考核方式：作业决定平时成绩，通过大夏学堂提交，期末有开卷笔试考核。附上了当年的考试试卷。

docs/postgraduate/计算机科学与技术/专硕_智能金融技术/README.md

@@ -0,0 +1,15 @@
+---
+title: 专硕_智能金融技术
+---
+
+- [课件](https://drive.vanillaaaa.org/SharedCourses/postgraduate/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6%E4%B8%8E%E6%8A%80%E6%9C%AF/%E4%B8%93%E7%A1%95_%E6%99%BA%E8%83%BD%E9%87%91%E8%9E%8D%E6%8A%80%E6%9C%AF/%E8%AF%BE%E4%BB%B6)
+
+任课老师：[Chenhui Li](http://chenhui.li/)
+
+介绍的工具list：
+
+- 预测
+  - [huseinzol05/Stock-Prediction-Models: Gathers machine learning and deep learning models for Stock forecasting including trading bots and simulations (github.com)](https://github.com/huseinzol05/Stock-Prediction-Models)
+- 量化
+  - [JoinQuant聚宽量化交易平台](https://www.joinquant.com/)
+  - [N视界量化投资：集投资研究、策略发现、组合优化、资产配置、业绩评估以及归因分析等服务 (n-sight.com.cn)](https://www.n-sight.com.cn/u/w2/index/index.html?viewMode=pro#KS1648282693756)

docs/postgraduate/计算机科学与技术/专硕_高级计算机系统结构/README.md

@@ -0,0 +1,5 @@
+---
+title: 专硕_高级计算机系统结构
+---
+
+- [资源](https://drive.vanillaaaa.org/SharedCourses/postgraduate/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6%E4%B8%8E%E6%8A%80%E6%9C%AF/%E4%B8%93%E7%A1%95_%E9%AB%98%E7%BA%A7%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%B3%BB%E7%BB%9F%E7%BB%93%E6%9E%84)

docs/postgraduate/计算机科学与技术/学硕_机器学习中的优化算法/README.md

@@ -0,0 +1,5 @@
+---
+title: 学硕_机器学习中的优化算法
+---
+
+详情参考课程网站: [点我](https://chengchen8.github.io/optml2023.html)

docs/postgraduate/计算机科学与技术/学硕_深度学习与人工智能/README.md

@@ -0,0 +1,5 @@
+---
+title: 学硕_深度学习与人工智能
+---
+
+- [大作业](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕_深度学习与人工智能/深度学习大作业.pptx)

docs/postgraduate/计算机科学与技术/学硕_现代计算机网络/README.md

@@ -0,0 +1,20 @@
+---
+title: 学硕_现代计算机网络
+---
+
+- [所有资源](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕_现代计算机网络)
+
+上课方式：
+
+- 总体还是推荐选。上课可以开电脑，节约时间做科研。
+- 学的内容之前有基础，还有考前提供与测试集高相关的材料。
+- 英文课件中文讲解
+
+考试：
+
+- 考试内容都在复习ppt和复习讲义上。
+- 但是会对题目进行扰动，因此这并不是重建任务，只要train一发来overfit training dataset就行了，而是out-of-distribution synthesis任务，要搞懂题目的原理。
+- 题型：
+  - 第一大题8个小题，描述题，会涉及到复习ppt的知识点描述
+  - 之后若干计算题到结束，数字会有扰动
+  - 卷子有中文英文两种，题目一样。看大家对哪种比较熟悉。

docs/postgraduate/计算机科学与技术/学硕_计算理论基础/README.md

@@ -0,0 +1,5 @@
+---
+title: 学硕_计算理论基础
+---
+
+- [讲义](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕_计算理论基础/讲义)

docs/postgraduate/计算机科学与技术/学硕_高级机器学习/README.md

@@ -0,0 +1,124 @@
+---
+title: 学硕_高级机器学习
+---
+
+授课教师：赵静
+
+- [作业](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕_高级机器学习/作业)
+- [课件](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕_高级机器学习/课件)
+
+教师授课 （前 13 周 ） + 学生分享（ 后 4 周 ）
+
+考核：平时成绩 40%+ 最终报告 60%
+
+平时成绩
+
+按小组介绍 2021 年 ICML 、 NeurIPS 、 IJCAI 、 AAAI Tutorial
+
+每 组 45 分钟，每周两组
+
+按 小组打分，学生互评
+
+期末考核：
+
+机器学习 相关的论文
+
+按照正规会议期刊格式撰写，提供模板， 6 页上限
+
+• 综述论文 （ 60-80 分）
+
+• 近 5 年顶会刊算法 复现，需增加原文之外的数据集（ 80-90 分）
+
+• 创新性论文（ 90-100 分）
+
+第一章 简单机器学习算法概览
+
+学时：10
+
+本章节内容概述：回顾模式识别与机器学习基础算法，包括
+
+1.1贝叶斯决策（2学时），
+
+1.2 线性分类与回归模型（2学时），
+
+1.3支持向量机与拉格朗日对偶优化（2学时），
+
+1.4 EM算法与变分推理（2学时），
+
+1.5主成分分析与聚类（2学时）
+
+第二章 高斯过程相关模型²
+
+学时：6
+
+本章节内容概述：介绍高斯过程相关模型原理，包括
+
+2.1高斯过程 （2学时），
+
+2.2高斯过程潜变量模型 （2学时），
+
+2.3深度高斯过程和多视图高斯过程 （2学时），
+
+第三章 概率时序模型²
+
+学时：4
+
+本章节内容概述：介绍概率时序模型，包括
+
+3.1隐马尔科夫模型（2学时），
+
+3.2条件随机场 （2学时）
+
+第四章 深度学习模型²
+
+学时：4
+
+本章节内容概述：介绍神经网络模型原理及典型的生成式神经网络，包括
+
+4.1深度神经网络 （2学时），
+
+4.2变分自编码 （1学时），
+
+4.3生成式对抗网络 （1学时）
+
+第5章 近似推理与优化
+
+学时：4
+
+本章节内容概述：介绍概率模型的近似推理与基于梯度的随机优化算法，包括
+
+5.1采样方法 （2学时），
+
+5.2随机梯度优化（2学时）。
+
+第六章 学生分享展示
+
+学时：8
+
+报告参考范围
+
+1. [Unsupervised Learning for RL](https://icml.cc/Conferences/2021/Schedule?showEvent=10843)
+
+2. [Natural-XAI: Explainable AI with Natural Language Explanations](https://icml.cc/Conferences/2021/Schedule?showEvent=10835)
+
+3. [Self-Attention for Vision](https://icml.cc/Conferences/2021/Schedule?showEvent=10842)
+
+4. [A Journey Through the Opportunity of Low Resourced Natural Language Processing — An African Lens](https://nips.cc/Conferences/2021/Schedule?showEvent=21898)
+
+5. [Self-Supervised Learning: Self-Prediction and Contrastive Learning](https://nips.cc/Conferences/2021/Schedule?showEvent=21895)
+
+6. [The Art of Gaussian Processes: Classical and Contemporary](https://nips.cc/Conferences/2021/Schedule?showEvent=21890)
+
+7. [Deep Learning for Recommendations: Fundamentals and Advances](https://advanced-recommender-systems.github.io/ijcai2021-tutorial/)
+
+8. [Learning with Noisy Supervision](https://wsl-workshop.github.io/ijcai21-tutorial#slides)
+
+9. [Towards Robust Deep Learning Models: Verification, Falsification, and Rectification](https://tutorial-ijcai.trustai.uk/)
+
+10. [Continual Learning Dialogue Systems - Learning on the Job after Model Deployment](https://www.cs.uic.edu/~liub/IJCAI21-Continual-Learning-Dialogue-Systems-after-Deployment.html)
+
+11. [NS4NLP-- Neuro-Symbolic methods for Natural Language Processing](https://www.cs.purdue.edu/homes/pachecog/tutorials/ns4nlp/)
+
+12. [MH2: Commonsense Knowledge Acquisition and Representation](https://usc-isi-i2.github.io/AAAI21Tutorial/)
+
+13. Dealing with Bias and Fairness in AI/ML/Data Science Systems

docs/postgraduate/计算机科学与技术/学硕_高级算法/README.md

@@ -0,0 +1,8 @@
+---
+title: 学硕_高级算法
+---
+
+- [AA1supplement.pptx](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕_高级算法/AA1supplement.pptx)
+- [AArandcausal1.pptx](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕_高级算法/AArandcausal1.pptx)
+- [CausalInferElem17.pdf](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕_高级算法/CausalInferElem17.pdf)
+- [ProbComp2ed](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕_高级算法/ProbComp2ed17.pdf)

docs/postgraduate/计算机科学与技术/学硕专硕_人机交互/README.md

@@ -0,0 +1,5 @@
+---
+title: 学硕专硕_人机交互
+---
+
+- [课件](https://drive.vanillaaaa.org/SharedCourses/postgraduate/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6%E4%B8%8E%E6%8A%80%E6%9C%AF/%E5%AD%A6%E7%A1%95%E4%B8%93%E7%A1%95_%E4%BA%BA%E6%9C%BA%E4%BA%A4%E4%BA%92/%E8%AF%BE%E4%BB%B6)

docs/postgraduate/计算机科学与技术/学硕专硕_具体数学/README.md

@@ -0,0 +1,18 @@
+---
+title: 学硕专硕_具体数学
+---
+
+- [资源](https://drive.vanillaaaa.org/SharedCourses/postgraduate/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6%E4%B8%8E%E6%8A%80%E6%9C%AF/%E5%AD%A6%E7%A1%95%E4%B8%93%E7%A1%95_%E5%85%B7%E4%BD%93%E6%95%B0%E5%AD%A6)
+
+本项目包含《具体数学》课程的 PPT 和 教材部分，每个章节的习题在ppt和教材上均出现过。
+
+## 练习题答案
+
+0.教材后面有答案，较详细。  
+1.每年的作业题不一样，如有需要联系管理员。  
+2.作业题要求电子版，推荐latex。  
+
+## 友情链接
+
+[阳神的博客](https://godweiyang.com/tags/%E5%85%B7%E4%BD%93%E6%95%B0%E5%AD%A6/)
+[overleaf上的模板](https://www.overleaf.com/articles/extra-credit-problem/dhppczmrnttk)

docs/postgraduate/计算机科学与技术/学硕专硕_数据可视化/README.md

@@ -0,0 +1,24 @@
+---
+title: 学硕专硕_数据可视化
+---
+
+- [课件, 作业](https://drive.vanillaaaa.org/SharedCourses/postgraduate/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6%E4%B8%8E%E6%8A%80%E6%9C%AF/%E5%AD%A6%E7%A1%95%E4%B8%93%E7%A1%95_%E6%95%B0%E6%8D%AE%E5%8F%AF%E8%A7%86%E5%8C%96)
+
+该课程详情见[李晨辉老师的个人主页](http://chenhui.li)
+
+[研究生课程主页](http://chenhui.li/courses/graduate-datavis2021.html)
+
+想研习可视化实践技巧,可以参考[本科生的实验材料](http://chenhui.li/courses/datavis2020.html)
+
+这两个网页都内部包含课件,实验的材料等,而且对全网用户开放,所以本仓库不另行收录.
+
+老师讲课很幽默而且水平很高,课程中可以学到很多实用的技巧（此处5毛，括号删掉）.
+
+期末考核形式为项目:
+大家靠手速和py交易从12个主题里面抢到自己感兴趣的主题然后完成项目.
+
+![1631791264358](assets/1631791264358.png)
+
+![1631791297000](assets/1631791297000.png)
+
+期末汇报那天，每位同学都要提交一个课程项目报告纸质版，报告模板见作业文件夹。课程报告PPT及项目代码资料的提交由组长完成

docs/postgraduate/计算机科学与技术/学硕专硕_计算机视觉/README.md

@@ -0,0 +1,5 @@
+---
+title: 学硕专硕_计算机视觉
+---
+
+- [资源](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕专硕_计算机视觉)

docs/postgraduate/计算机科学与技术/学硕专硕_高级工程数学/README.md

@@ -0,0 +1,22 @@
+---
+title: 学硕专硕_高级工程数学
+---
+
+- [资源](https://drive.vanillaaaa.org/SharedCourses/postgraduate/计算机科学与技术/学硕专硕_高级工程数学)
+
+任课老师: 沈超敏
+
+计算机科学与技术学院
+
+教书院116
+
+## 教科书
+
+An Introduction to Optimization (Fourth Edition)
+作者: Edwin K.P. Chong & Stanislaw H. Zak
+出版社: Wiley, 2013 (电子版)
+
+## 考核
+
+有可能被教务抽中期中笔试;
+期末大概率写论文