生成学生选修课清单

论点：基于权威课程框架与行业标准，以下五门选修课程对计算机科学本科生具有普适性与高价值，能够补强方法论与工程能力、提升跨领域迁移性，并与主流知识领域保持一致性与前瞻性。

1) 机器学习与统计学习基础
- 价值：CC2020将智能系统与数据相关能力列为核心知识域；机器学习已成为广泛应用的通用技术范式，支撑从计算机视觉到系统优化等多类任务 [1]。学术综述亦指出其在方法、应用与研究前沿中的中心地位 [2]。  
- 能力目标：监督/无监督学习、模型选择与泛化、偏差-方差权衡、评价与可重复性，以及基本的负责任AI风险意识（如数据偏差与模型稳健性）[9]。  
- 先修建议：线性代数、概率统计、算法设计与分析、Python/数值计算基础。  

2) 计算机与网络安全（含实践）
- 价值：安全被CC2020确立为贯穿式能力 [1]；NIST NICE框架界定了安全岗位的知识与技能域，强调威胁建模、风险管理与安全工程的系统化能力 [3]。  
- 能力目标：加密与访问控制基础、威胁建模与安全需求、常见漏洞与安全编码、入侵检测与事件响应的基本流程；理解合规与基线控制的作用边界。  
- 先修建议：操作系统、计算机网络、编程语言与软件工程基础。  

3) 分布式系统与云计算
- 价值：现代计算以服务化与资源虚拟化为常态。NIST对云计算的权威定义明确其关键特征与服务模型，为课程目标提供清晰边界 [4]；云范式及其经济与系统影响的经典综述支撑其长期教育价值 [5]。  
- 能力目标：进程间通信、复制与一致性模型、共识与容错、事务与可用性权衡；理解弹性伸缩、资源池化与计量服务等云特性及其对系统设计的约束。  
- 先修建议：操作系统、计算机网络、数据结构与算法。  

4) 数据库系统与数据工程
- 价值：信息管理是CC2020的基础知识域 [1]；系统性掌握数据模型、查询优化与事务处理，有助于在工程实践中实现可靠的数据密集型应用。权威教材系统化总结了该领域的概念与工程技术 [6]。  
- 能力目标：关系代数与模式设计（含范式化）、查询执行与优化、事务并发控制与恢复、索引与存储组织；面向数据管道的批处理与流式处理入门。  
- 先修建议：离散数学、数据结构、编程与软件工程基础。  

5) 并行与高性能计算（PDC）
- 价值：单核性能增长受限促使并行性成为性能提升的主要路径，国家科学院报告对此给出系统论证 [7]；TCPP并行与分布式计算课程倡议提供了可采纳的本科核心主题清单，支持课程结构化建设 [8]。  
- 能力目标：共享内存并发与同步、分布式内存通信（如消息传递抽象）、GPU与数据并行思维、性能建模与剖析；在正确性（竞态、死锁）与效率间进行工程权衡。  
- 先修建议：计算机体系结构、数据结构与算法、C/C++或等效系统编程能力。  

实施建议
- 配置含项目与实验的评估方式，以强化实践可迁移性（如再现论文结果、从零实现核心算法/协议）。  
- 结合个人目标微调选题：偏研究的学生优先选择理论深度与开源贡献机会；偏工程的学生强调系统实现与可观测性工具链。  

参考文献（IEEE 格式）
[1] ACM/IEEE-CS Joint Task Force on Computing Curricula, Computing Curricula 2020: Paradigms for Global Computing Education, 2020.  
[2] M. I. Jordan and T. M. Mitchell, “Machine learning: Trends, perspectives, and prospects,” Science, vol. 349, no. 6245, pp. 255–260, 2015.  
[3] National Institute of Standards and Technology (NIST), Workforce Framework for Cybersecurity (NICE Framework), NIST SP 800-181, Rev. 1, 2020.  
[4] P. Mell and T. Grance, The NIST Definition of Cloud Computing, NIST SP 800-145, 2011.  
[5] M. Armbrust et al., “Above the Clouds: A Berkeley View of Cloud Computing,” UCB/EECS-2009-28, Univ. of California, Berkeley, 2009.  
[6] A. Silberschatz, H. F. Korth, and S. Sudarshan, Database System Concepts, 7th ed. New York, NY, USA: McGraw-Hill, 2019.  
[7] National Research Council, The Future of Computing Performance: Game Over or Next Level?, Washington, DC: The National Academies Press, 2011.  
[8] S. K. Prasad et al., “NSF/IEEE-TCPP Curriculum Initiative on Parallel and Distributed Computing — Core Topics for Undergraduates,” 2011. [Online]. Available: http://tcpp.cs.gsu.edu/curriculum  
[9] NIST, Artificial Intelligence Risk Management Framework (AI RMF 1.0), 2023.

论点陈述：面向自然语言处理（NLP）专业学生的选修课应在方法论深度、跨学科广度与责任实践之间取得平衡。基于该原则，以下五门课程将系统提升学生在语言学基础、结构化建模、检索与生成融合、优化与高效训练，以及负责任AI方面的能力，且其重要性得到权威文献的支持。

1) 语言学基础与NLP（Syntax, Semantics, Pragmatics for NLP）
- 理由：扎实的语言学知识有助于构建可解释且稳健的语言模型，尤其在句法/语义结构建模、歧义消解与跨语言迁移中发挥关键作用（Jurafsky & Martin, 2023；Bender, 2013；Manning & Schütze, 1999）。该课程使学生理解形态、句法、语义与语用如何约束模型设计与错误分析，从而减少对表面统计关联的过度依赖。
- 学习要点：形式句法与依存/成分结构、语义组合/指称、语用与上下文、跨语言现象与形态丰富语言的处理。

2) 概率图模型与结构化预测（PGM for NLP）
- 理由：序列标注、成分解析与信息抽取等任务本质上为结构化预测问题，概率图模型提供不确定性建模与全局一致性约束的工具箱，至今仍在与神经网络的结合（如CRF层）中发挥作用（Koller & Friedman, 2009；Lafferty et al., 2001；Sutton & McCallum, 2012）。掌握PGM的推断与学习，可增强学生对可校准概率与结构化损失的把握。
- 学习要点：贝叶斯网/马尔可夫网、变分/采样推断、条件随机场与结构化SVM、校准与不确定性估计。

3) 信息检索与神经排序（含检索增强生成, RAG）
- 理由：在问答、长文档理解与事实性生成中，检索-排序-生成一体化范式已成主流。扎实的IR基础与现代神经排序方法是实现大规模可更新知识接入与事实一致性的前提（Manning et al., 2008；Lin et al., 2021）。检索增强生成在知识密集型任务中显著提升可验证性与可扩展性（Lewis et al., 2020）。
- 学习要点：索引与布尔/向量空间模型、学习排序（LTR）、双塔/交互式Transformer排序、负样本构造、RAG系统设计与评测。

4) 优化与高效训练方法（Optimization for Deep NLP）
- 理由：大规模NLP模型的泛化与可复现实质取决于优化与正则化策略。系统学习随机优化、学习率调度、梯度稳定化与大批量训练，有助于提升收敛效率与性能可控性（Bottou et al., 2018；Goodfellow et al., 2016；Kingma & Ba, 2015）。该课程亦为参数高效微调与资源受限部署奠定方法基础。
- 学习要点：SGD变体与收敛性、动量与自适应方法、批归一化/梯度裁剪、损失景观与泛化、混合精度与分布式训练实务。

5) 负责任的NLP：公平性、透明度与隐私（Responsible/Trustworthy NLP）
- 理由：数据与模型偏差、不可解释的失败模式以及隐私泄露是NLP走向应用的核心风险。系统掌握公平性框架、偏差审计与报告标准、以及差分隐私等技术，是确保NLP系统合规、可信与可持续部署的必备能力（Barocas et al., 2019；Blodgett et al., 2020；Mitchell et al., 2019；Dwork & Roth, 2014）。
- 学习要点：表示/测量/减缓偏差的方法、数据与模型卡片实践、评估协议与失效模式分析、差分隐私与成员推断风险。

参考文献（APA）
- Barocas, S., Hardt, M., & Narayanan, A. (2019). Fairness and machine learning. http://fairmlbook.org
- Bender, E. M. (2013). Linguistic fundamentals for natural language processing: 100 essentials from morphology and syntax. Morgan & Claypool.
- Blodgett, S. L., Barocas, S., Daumé III, H., & Wallach, H. (2020). Language (technology) is power: A critical survey of bias in NLP. Proceedings of ACL, 5454–5476.
- Bottou, L., Curtis, F. E., & Nocedal, J. (2018). Optimization methods for large-scale machine learning. SIAM Review, 60(2), 223–311.
- Dwork, C., & Roth, A. (2014). The algorithmic foundations of differential privacy. Foundations and Trends in Theoretical Computer Science, 9(3–4), 211–407.
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
- Jurafsky, D., & Martin, J. H. (2023). Speech and language processing (3rd ed., draft). https://web.stanford.edu/~jurafsky/slp3/
- Koller, D., & Friedman, N. (2009). Probabilistic graphical models: Principles and techniques. MIT Press.
- Kingma, D. P., & Ba, J. (2015). Adam: A method for stochastic optimization. ICLR.
- Lafferty, J., McCallum, A., & Pereira, F. C. N. (2001). Conditional random fields: Probabilistic models for segmenting and labeling sequence data. ICML.
- Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., et al. (2020). Retrieval-augmented generation for knowledge-intensive NLP. NeurIPS.
- Lin, J., Ma, X., & Wang, X. (2021). Pretrained transformers for text ranking: BERT and beyond. Morgan & Claypool.
- Manning, C. D., & Schütze, H. (1999). Foundations of statistical natural language processing. MIT Press.
- Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to information retrieval. Cambridge University Press.
- Mitchell, M., Wu, S., Zaldivar, A., Barnes, P., Vasserman, L., et al. (2019). Model cards for model reporting. Proceedings of FAT*, 220–229.
- Sutton, C., & McCallum, A. (2012). An introduction to conditional random fields. Foundations and Trends in Machine Learning, 4(4), 267–373.

课程选择建议：若时间有限，建议优先修读“信息检索与神经排序”与“负责任的NLP”，以面向当前主流的检索增强应用与合规部署需求；随后以“优化与高效训练”提升工程与研究的可复现性与效能，并通过“语言学基础”和“PGM与结构化预测”完善理论工具链与可解释性。

下列五门选修课程面向生物信息学专业学生，侧重夯实算法与统计基础、提升对高通量组学数据的分析能力，并完善计算与可重复性素养。选择依据为近二十年生物信息学核心方法与实践的权威综述、经典教材与方法学论文所反映的技能需求。

1) 生物序列算法与数据结构（Algorithms for Biological Sequence Analysis）
- 论点：序列比对、模式匹配、图与树结构等算法是读段比对、组装、同源搜索与变异检测的基础能力。提升算法素养可直接改善复杂数据管道中的时间与空间效率。
- 依据：经典教材系统阐述了字符串/树/图算法在计算生物学中的核心地位，并构成许多主流工具方法的理论根基（Gusfield, 1997；Jones & Pevzner, 2004）。

2) 基因组学中的统计学习与机器学习（Statistical/Machine Learning for Genomics）
- 论点：从特征选择、正则化到非线性模型与深度学习，统计学习方法已成为变异致病性预测、表观遗传调控识别、表达模式解析与多组学整合的关键手段。
- 依据：机器学习在遗传学与基因组学中的应用体系与前沿进展已被多篇权威综述总结，表明掌握该领域方法能显著提升对复杂生物信号的建模与解释能力（Hastie et al., 2009；Libbrecht & Noble, 2015；Eraslan et al., 2019）。

3) 高通量生物数据的统计推断与实验设计（Statistical Inference and Experimental Design for High-throughput Biology）
- 论点：多重比较、假阳性率控制、批次效应与功效分析是微阵列、RNA-seq、单细胞等高通量实验的核心难题。系统学习相关统计框架能提高结果的稳健性与可重复性。
- 依据：FDR 控制与大规模推断的理论与方法已成为组学研究的标准实践；RNA-seq 分析的最佳实践亦强调统计建模与实验设计的耦合（Benjamini & Hochberg, 1995；Efron, 2010；Conesa et al., 2016）。

4) 高性能计算与可重复性工作流（High-Performance Computing and Reproducible Workflows）
- 论点：生物数据体量增长远超摩尔定律，掌握并行计算、作业调度、容器化与工作流管理（如Snakemake/Nextflow）对于构建可扩展、可追溯、可移植的分析流程至关重要。
- 依据：大数据背景下的基因组计算需求及可重复性原则已被充分论证；主流工作流引擎在规模化、溯源与再现方面的优势得到广泛验证（Stephens et al., 2015；Sandve et al., 2013；Köster & Rahmann, 2012；Di Tommaso et al., 2017）。

5) 计算基因组学：从原始读段到生物学结论（Computational Genomics: Reads-to-Insight）
- 论点：涵盖读段比对、变异检测、表达定量与功能注释的端到端课程能将算法与统计知识落地于真实数据场景，培养学生构建和评估分析管道的综合能力。
- 依据：SAM/BAM 标准与GATK框架奠定了短读长数据处理的事实标准；RNA-seq 最佳实践与变异检测综述为课程内容与评估标准提供了权威依据（Li et al., 2009；McKenna et al., 2010；Conesa et al., 2016；Nielsen et al., 2011）。

参考文献（APA 格式）
- Benjamini, Y., & Hochberg, Y. (1995). Controlling the false discovery rate: A practical and powerful approach to multiple testing. Journal of the Royal Statistical Society: Series B, 57(1), 289–300.
- Conesa, A., Madrigal, P., Tarazona, S., et al. (2016). A survey of best practices for RNA-seq data analysis. Genome Biology, 17, 13. https://doi.org/10.1186/s13059-016-0881-8
- Di Tommaso, P., Chatzou, M., Floden, E. W., Barja, P. P., Palumbo, E., & Notredame, C. (2017). Nextflow enables reproducible computational workflows. Nature Biotechnology, 35, 316–319. https://doi.org/10.1038/nbt.3820
- Efron, B. (2010). Large-Scale Inference: Empirical Bayes Methods for Estimation, Testing, and Prediction. Cambridge University Press.
- Eraslan, G., Avsec, Ž., Gagneur, J., & Theis, F. J. (2019). Deep learning: New computational modelling techniques for genomics. Nature Reviews Genetics, 20, 389–403. https://doi.org/10.1038/s41576-019-0122-6
- Gusfield, D. (1997). Algorithms on Strings, Trees, and Sequences: Computer Science and Computational Biology. Cambridge University Press.
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed.). Springer.
- Jones, N. C., & Pevzner, P. A. (2004). An Introduction to Bioinformatics Algorithms. MIT Press.
- Köster, J., & Rahmann, S. (2012). Snakemake—a scalable bioinformatics workflow engine. Bioinformatics, 28(19), 2520–2522. https://doi.org/10.1093/bioinformatics/bts480
- Li, H., Handsaker, B., Wysoker, A., Fennell, T., Ruan, J., Homer, N., … 1000 Genome Project Data Processing Subgroup. (2009). The Sequence Alignment/Map format and SAMtools. Bioinformatics, 25(16), 2078–2079. https://doi.org/10.1093/bioinformatics/btp352
- Libbrecht, M. W., & Noble, W. S. (2015). Machine learning applications in genetics and genomics. Nature Reviews Genetics, 16, 321–332. https://doi.org/10.1038/nrg3920
- McKenna, A., Hanna, M., Banks, E., et al. (2010). The Genome Analysis Toolkit: A MapReduce framework for analyzing next-generation DNA sequencing data. Genome Research, 20(9), 1297–1303. https://doi.org/10.1101/gr.107524.110
- Nielsen, R., Paul, J. S., Albrechtsen, A., & Song, Y. S. (2011). Genotype and SNP calling from next-generation sequencing data. Nature Reviews Genetics, 12(6), 443–451. https://doi.org/10.1038/nrg2986
- Sandve, G. K., Nekrutenko, A., Taylor, J., & Hovig, E. (2013). Ten simple rules for reproducible computational research. PLoS Computational Biology, 9(10), e1003285. https://doi.org/10.1371/journal.pcbi.1003285
- Stephens, Z. D., Lee, S. Y., Faghri, F., et al. (2015). Big data: Astronomical or genomical? PLoS Biology, 13(7), e1002195. https://doi.org/10.1371/journal.pbio.1002195

课程选择建议
- 若基础算法较弱，优先修读“生物序列算法”；若已具备扎实编程与离散数学背景，可将重心放在“统计学习/机器学习”与“计算基因组学”。
- 有志于构建或维护分析平台与管道的学生，优先补齐“高性能计算与可重复性工作流”。