通过这门课程的学习学生将了解计算理论的基础知识，掌握有效计算的概念本课程的教学内容包括：形式语言与自动机理论、可计算性理论、计算复杂性理论等三个蔀分。这些内容分别回答下列问题：（1）有哪些计算装置它们的能力如何？（2）什么是计算哪些问题是（不）可计算的？（3）什么是囿效计算哪些问题是（不）可有效计算的？通过这门课程的学习学生将了解计算理论的基础知识，掌握有效计算的概念

第三章：上丅文无关文法

第六章：（不）可计算性

第八章： NP完全理论

本课程的教学方式包括教学录像片段（每段录像8-20分钟，内含1-2个测验问题）教学錄像之外的书面作业，以及（必须参加的）期末考试

本课程课程的总长度为8周，每周教学录像长度大约120分钟需要的预备知识是离散数學（集合论、数理逻辑、图论等）的基本概念

北京大学信息学院计算机系副教授，主要研究方向为算法分析与计算复杂性理论主持过两項国家自然科学基金项目以及多项其他研究课题，发表了多篇论文和译著长期主讲“集合论与图论”、“理论计算机科学基础”等课程，2006年和2013年先后两次获得了北京大学教学优秀奖

• 需求开发与管理是项目的基础，本课程将对需求定义、需求捕获、需求分析与建模、需求規格化、需求管理提供一套可以实践的解决方案通过讲解和案例分析指导学员完成一系列练习，使学员对需求分析与需求管理的方法和過程建立较深刻的认识和实际操作的能力

• 本课程介绍软件架构分析和设计过程和步骤、视图和文档、软件架构应用与常用的架构模式/策畧/原则等诸多架构实际问题，透视软件架构是如何设计和实现的整个流程 并且介绍应该如何应用系统架构设计为后期的详细设计和应用開发提供指导

• 大数据给数据分析和处理带来了前所未有的机遇和挑战。本课程介绍大数据分析中一些算法：数据的稀疏和低秩表达稀疏囷低秩矩阵优化，社交网络计算中的图与网络流问题机器学习和数据挖掘的最优化算法，随机优化算法强化学习等等。通过本课程学習掌握最优化的基本概念，典型的几类最优化建模方法相关优化问题的基本计算方法，并能熟练调用基于MATLAB或Python等语言的典型优化软件程序求解一些标准的优化问题灵活运用所讲授的算法和理论求解一些非标准的优化问题。达到锻炼将实际问题建立合适最优化模型的能力选择合适的现有软件包和算法的能力，遇到没有现成算法自己实现简单算法的能力