知识源于沉淀 南洋理工大学理学院
哲学博士|计算机科学与工程
未来从这里开始。作为一个由强大的R&D基础设施和网络化的全球联盟驱动的研究密集型机构，该学院为学生提供了在广泛的技术领域进行下一代研究的前景。
计算机科学与工程学院开设全日制和非全日制研究课程，可获得以下学位。
工程学硕士(孟)
哲学博士
大数据分析*的博士课程是与A*STAR I2R联合提供的。
SIMTech-NTU复杂系统联合实验室*由SIMTech联合实验室共同提供。
教育局-工业研究生项目(IPP)
森蒂姆-NTU人才计划
销售力量-NTU人才计划
研究领域
20多年来，SCSE为许多杰出的工程师铺平了道路，使他们能够掌握相关工具，重新定义我们的生活方式。
在SCSE，我们致力于激发和产生新的想法。我们也明白与时俱进，与时俱进的重要性。更重要的是，我们认为我们应该培养和激励我们的研究生在研究中取得优异的成绩。
根据研究方向，研究生学习的领域包括。
人工智能
数据科学
网络安全性
硬件和计算机结构
定制计算
网络物理系统
软件工程
数据库和信息系统
生物信息学
多媒体的
社会化媒体
视觉和交互式计算
建模和仿真
并行和分布式计算
云计算
计算机网络
课程
CE7405:数据挖掘
本课程介绍了数据挖掘技术的现状，涵盖了许多不同领域中使用的思想和技术。它还介绍了常用于解决数据挖掘问题的软件工具。
课程介绍
数据准备。转换，缺失数据，时间序列数据，文本。频繁模式:频繁项目集、生成器、封闭模式和最大模式。比较数据挖掘:新兴模式、优势模式和相对风险模式。图挖掘:大图的子图挖掘和图数据库的频繁子图挖掘。数据恢复和特征选择。预测方法。统计学，神经学，树，规则。特别主题。金融数据挖掘，文本挖掘，生物医学数据挖掘。案例研究。
总授课时数。39小时
CE7411:生物信息学
本课程包括基本的生物信息学概念、数据库、工具和应用。简介:细胞生物学的中心法则，收集和储存基因组序列数据的生物技术；存储这些数据的数据库和从中提取信息的策略；用于评估相似性以推断同源性的成对序列比对；比较时了解分配分数的评分矩阵的基础；流行的启发式搜索工具-基本本地比较搜索工具(BLAST)和高级数据库搜索；多序列比对和系统进化树完成从基因组序列的覆盖。
在功能基因组学的内容中，介绍了基因表达。微阵列数据分析的过程；微阵列数据分析的特征选择和分类。蛋白质家族和蛋白质组学；蛋白质结构和结构基因组学；分子进化和系统发育。
总授课时数。39小时
CE7412:计算和系统生物学
本课程涵盖了解决计算和系统生物学问题的计算技术的高级概念。将向学生介绍计算生物学中的挑战，这些挑战可以通过计算方法来解决。课程介绍包括分子生物学的基础知识:基因、RNA、蛋白质、分子生物学的中心教条、数学基础，将为工程和生物背景的学生准备课程。
本课程涉及的计算技术包括最大似然技术、贝叶斯技术、马尔可夫模型、隐马尔可夫模型、聚类、神经网络、支持向量机、假设检验和微分方程。本课程涵盖了计算和系统生物学的几个应用:生物序列建模，如霉菌模型和马尔可夫模型，基因结构预测，蛋白质二级结构预测，基因表达分析，生物网络，网络话题识别，转录网络和信号转导网络。
总授课时数。39小时
ce 7426-凸优化的高级主题
凸优化是一门渗透到计算机科学与工程各个研究领域的学科。这门课程旨在处理我们工程学科中最有用的主题。我们将涵盖与凸优化相关的基础理论(例如，最优条件和拉格朗日乘子理论)，但我们也将侧重于将工程问题转移到凸优化框架中的问题制作技术以及解决凸优化问题的各种方法。
课程大纲
凸分析和凸优化的基础知识
线性规划和网络流问题
一般凸优化理论。拉格朗日乘数理论，KKT和其他优化条件
二次规划(QP)和机器学习
不确定条件下的最优化:稳健最优化和随机规划导论
LP/QP的商业求解系统用于处理工程问题。
总授课时数。39小时
CE7427:认知神经科学和具身智能的前沿课题
本课程考虑智力的神经、心理和结构模型。它使用这些模型作为讨论和开发新模型的基础，这些模型可能显示出创造具身智能的潜力。本课程的重点是发展自组织的概念和学习神经系统，神经系统具有局部互连的处理组件(神经元和支柱)。
课程介绍
反映智力的基础
自主智能系统
神经元及其工作原理
认知神经科学
结构和学习模拟
赫本学习
自组织
普遍学习
大脑中的信息处理
感知和注意力
记忆
语言
认识
总授课时数。39小时
CE7428:特别高级主题-计算机和网络安全
本课程提供密码学和网络安全的基本概念、理论和技术。还将介绍计算机通信和应用中的各种安全问题。
课程介绍
有限域；数论；经典密码学；对称密码术；不对称密码术；现代密码学；密钥交换方案；哈希函数；数字签名和认证；漏洞和对策；应用安全(系统安全、PGP、SSL、IPsec、Kerberos、防火墙等。).
总授课时数。39小时
CE7429:一个特殊的高级主题——计算智能:方法和应用
计算智能(CI)基于来自统计学、模式识别、神经网络、机器学习、模糊逻辑、进化计算、科学可视化和其他来源的灵感。本课程包括基础理论，使用两个软件包(WEKA和GhostMiner)实现多种CI算法，以及CI方法在技术、医学和生物信息学领域的实际应用实例。
课程介绍
CI概述，适应系统的类型、学习和应用；可视化和探索性数据分析:少数变量、主成分分析(PCA)、多维标度(MDS)、自组织映射(SOM)、平行坐标等可视化算法；理论:学习的统计方法概述，偏差-变异分解，期望最大化算法，模型选择，结果评价，ROC曲线；介绍WEKA和GhostMiner软件包，介绍这些软件包可用的算法；统计算法。判别分析——线性(LDA)、Fisher(FDA)、正则性(RDA)、概率数据建模、核方法；基于相似性的方法、原型生成、相似性函数、可分性标准、模式识别的构造方法；改进的CI模型:提升、堆叠、集成学习、元学习和特征选择的信息论。
总授课时数。39小时
CE7452:网络物理系统的实时操作系统
本课程旨在发展现代嵌入式实时计算系统的特定知识。重点在于从概念上理解将应用程序的非功能性需求转换为中间件和硬件功能的技术，以及使用最先进的研究基础设施实际实现这些技术。学生还将获得批判性评论与该领域相关的科学文献的经验。该课程项目将鼓励学生解决基于团队的研究问题，并给予他们书面和口头科学交流的经验。
总的来说，本课程将为有意研究和开发实时系统的学生提供良好的机会。顺利完成本课程后，学生应该
1)对将应用程序的非功能性需求转换为中间件和硬件功能的技术有一个概念性的了解。
2)获得实施这些技术的实践经验。
3)获得科学文献的批判性评论和书面及口头科学交流的经验。
4)学习如何在团队环境中解决具有挑战性的研究问题。
总授课时数。39小时
CE7453:数值算法
这门课程是关于人们可能想知道的关键数值算法。GPS和TrueType字体是如何工作的？机器人是如何移动的？谷歌成功的秘诀是什么？为什么JPEG压缩效率这么高？这些问题的答案都是巧妙的数字算法，分别基于最小二乘法、贝塞尔曲线、正交法、特征值和离散余弦变换。学生一旦经历了一些基础知识，包括牛顿求根法、解线性方程组的直接迭代法、多项式插值等，就能理解和讨论。本课程更新了学生在微积分和线性代数方面的基本数学技能，并展示了如何使用这些技能来解决几个现实世界的问题，例如上面提到的那些问题。也为这些解提供了历史参考，可以追溯到牛顿、莱布尼茨、欧拉、高斯等人。
本课程旨在涵盖一些数值算法，用于解决接近日常经验的适时问题。学生将学习如何利用基础数学在技术设计和功能上获得巨大回报。他们不仅会了解这些方法的理论背景，还会学习如何实现它们，体验它们的实用性。
总授课时数。39小时
CE7454:数据科学中的深度学习
深度学习最近引入了从人类设计功能到端到端系统的范式转变，并彻底改变了包括计算机视觉、语音识别和自然语言处理在内的许多领域。谷歌、脸书、微软、苹果和亚马逊等顶级IT公司都在积极利用深度学习技术重新设计产品，它们在未来几十年的影响力将超过自动驾驶汽车和围棋以及磁共振癌症检测等战略游戏。
本课程的主要目的是介绍深度学习架构的数学基础、最先进的架构和专业库。学生将学习如何设计自己的人工神经网络来解决他们的数据分析任务。他们还将学习如何使用TensorFlow和PyTorch有效地编写这些新算法。
总授课时数。39小时
CE7455:自然语言处理的深度学习。从理论到实践
在本课程中，学生将学习NLP最先进的深度学习方法。通过讲座和实际作业，学生将学习必要的技能，使他们的模型在实际问题中发挥作用。他们将学习实现它，并可能使用现有的深度学习库如TensorFlow来发明自己的深度学习模型。
自然语言处理是人工智能中最重要的领域之一。在信息时代，它变得非常重要，因为大多数信息以非结构化文本的形式存在。NLP技术的应用无处不在，因为人们大多用语言交流:语言翻译、在线搜索、客户支持、电子邮件、论坛、广告、放射学报告等等。
NLP应用背后有很多核心的NLP任务和机器学习模型。深度学习最近带来了从传统的特定任务特征工程到端到端系统的范式转变，并在许多不同的NLP任务和下游应用中实现了高性能。谷歌、百度、阿里巴巴、苹果、亚马逊、脸书、腾讯和微软等科技公司现在都在积极研究深度学习方法，以改进他们的产品。例如，谷歌用基于深度学习的系统取代了他们传统的统计机器翻译和语音识别系统。
本课程全面介绍了深度学习应用于自然语言处理的前沿研究。在模型方面，我们将涵盖单词表示、用于NLP的基于窗口的神经网络、用于NLP的递归神经网络、长期和短期记忆模型、用于解析的递归神经网络、卷积神经网络、编码器-解码器模型、注意机制以及更高级的主题，如用于NLP的深度强化学习和突变方法。
CE7490:一种特殊的高级工程分布式系统
本课程向研究生介绍分布式计算模型、算法和软件系统的高级课题。它涉及支持分布式系统实现的设计问题、实现技术、软件工具和环境，旨在使研究生为分布式系统的研究做好准备。
课程大纲
将涵盖以下列表中的一些主题。
-分布式计算模型和算法
-互联网和网络技术及应用
-分布式协作系统
-分布式模拟和虚拟环境
-网格计算和P2P系统
-其他分布式系统
我们将对一个真实的分布式系统进行案例研究，并回顾该主题领域的最新研究文献。
总授课时数。39小时
CE7491:特别高级主题-数字图像处理
本课程提供图像处理的基本概念、理论和技术。涵盖理论和实践两方面，对所选问题进行了深入分析。本课程有一个基于Matlab的实验部分。
课程大纲
图像形成；增强；边缘检测；插值；色彩处理；频域处理；恢复和重建；小波处理；图像和视频压缩；形态学运算；图像分割和表示；物体识别。
总教学时数。39小时
CE6103:虚拟现实
本课程介绍了虚拟现实最前沿的技术，虚拟现实技术及应用，并介绍了构建VR应用常用的VR软件工具。本课程不需要使用复杂的软件工具和硬件设备，这些只有在专门的实验室才有。相反，它教授如何使用普通的个人电脑用原始数学制作内容。学生将学习如何超越数学公式来看待几何，以及如何通过数字采样数学函数来表示几何形状、运动和相互作用。
CE6121:人机交互的理论与实践
这门课程包括以用户为中心的研究、交互设计以及最近的用户交互方法和技术，比如多点触控、手势识别、脑机接口、Siri & Tellme等等。它向学生介绍了人机交互的工具、技术和信息源，并提供了系统的设计方法。另外，两年前有了新版教材，讲课资料也相应更新。学生需要设计和开发一个新颖的界面来查看和操作三维模型。
CE6127:游戏设计中的人工智能
本课程重点介绍游戏设计中人工智能相关的概念和技术。它将强调与创建计算机游戏、角色建模、物理、动画和导航相关的设计、数学和编程问题。这些都聚集在课程作业中，学生设计开发一个游戏，以小组为单位展示人工智能算法。
CE6190:专题图像分割的最新进展及其应用
本课程介绍不同类型视觉数据的最新分割技术，包括图像、视频和3D点云。分割是一种密集的预测技术，其通常旨在预测每个空视觉数据的位置。它是许多计算机视觉任务的基本工具，如场景理解、物体识别、机器人视觉、航空空图像分析和医学图像分析。分割技术已经广泛部署在各种现代人工智能应用中，包括自动驾驶、基于人工智能的医疗诊断、智能购物等。本课程涵盖的主题包括基本概念、应用、传统分割方法和基于深度学习的最新方法。
课程介绍
1.分段任务介绍
2.超级像素方法
3.交互式图像分割
4.语义图像分割
5.深入学习基础知识
6.用于语义分割的密集预测网络
7.对象检测和案例分割
9.弱监管下的分割
10.几个镜头的分割
11.视频分割
12.三维点云数据的分割
入学资格
申请人必须拥有至少荣誉(优秀)或同等学历的学士学位，并有能力在候选人建议的先进研究领域进行研究。
要求的考试分数
非新加坡自治大学毕业生的申请人需要提供有效的GRE/GMAT成绩，除非学校网站对相关课程有具体要求。考试日期必须在申请日起5年以内。
对于母语不是英语的申请人，需要有良好的托福成绩。考试日期必须在申请日期的2年以内。可以提交雅思成绩代替托福成绩。
申请时应附上GRE/GMAT/托福/雅思考试成绩的复印件。
鉴于新冠肺炎的受欢迎程度，以下在线考试成绩可用于录取。
托福网考特别家庭版
中国学生托福ITP增强版
雅思指数
UKVI雅思考试
GRE家庭考试
GMAT在线考试
本文摘自学校官网:哲学博士|计算机科学与工程| NTU新加坡。
