一 思维与系统

101为什么学？

计算思维，理论思维，实验思维

102计算思维

0和1，程序，递归
算法和系统
社会自然的计算化
计算求解的自然化
业务计算--模型--系统
语言--人到计算机--编译器
机机--协议--编解码器
数据化和网络化思维

103 怎样学习这么课程？

3.1 只是构建次序
社会自然现象-逻辑-二进制-电路-集成电路-计算机
在思维指导下掌握知识技能，然后通过具体的训练形成自己的能力

104人计算与机器计算

人：规则复杂，计算量少
机器:规则简单，但计算量大
eg:一元二次多项式：一阶差分二阶差分:神奇

105机器计算需要解决的问题

数据表示
计算规则的表示
自动存取问题，十进制&二级制？
中央处理单元和存储设备，主频-运算速度，位-一次处理的字长（位数）

计算机系统发展趋势

微型化-大型化-智能化-网络化

201概述


202信息用0和1表示

汉字：国标码，内码是两字节，为了区别ASCII码，第8和16位内码用1表示。ASCII码用7位表示，第8位是0，凑成8位
进制转换，二进制到十进制
十进制到二进制：整数部分：除基取余；  小数部分：乘基取整

203对0、1进行运算

与或非运算对0和1进行操作

204减法变加法

为了计算机方便，使用原码，反码，和补码将减法变成加法运算，并且令+0和-0表示一样。
溢出
举个例子：
。。。

205用逻辑运算，硬件实现加法 

归纳： 

301概述


302冯诺依曼计算机的思想与构成


303自动存储与存储器 

304机器级程序与机器指令


305 机器级程序的执行机制 





 - 306机器级程序的执行模拟过程

计算能力是一项基本的数学能力，也是综合能力的具体体现。计算能力的培养，不仅与数学基础知识密切相关，而且与训练学生的思维、培养学生的非智力因素等也是相互影响，相互促进的。那在小学阶段，应该怎样帮助孩子培养计算能力呢？
01
握基础知识
是形成计算能力的前提
面对计算题时，要得到计算结果，首先要考虑运用什么数学概念、运算定律、运算性质、运算法则和计算公式等等，因此充分理解和掌握这些基础知识决定了是否具有计算能力。
例如，学习分数四则计算，就必须先理解分数的意义和性质，理解并且掌握如通分、约分、带分数与假分数之间的互化等基础知识和相应的基本技能。只有把有关的基础知识讲清楚，让孩子真正掌握了，计算才不会出现差错。
而相对于低年级来说，高年级的基础知识更为丰富，因此在教授知识的过程中切不可急于求成，而应帮助孩子从整理已学的基础知识开始，运用迁移，不断深入。
02
加强基本技能训练
是形成计算能力的关键
学数学，不解题不行，只讲不练或讲多练少，都会影响到计算能力的提高。俗话说的好“拳不离手，曲不离口”，提高孩子的计算能力也是这个道理。
在孩子学习的过程中，要经常督促和指导他们加强计算能力的培养。不然，他们在计算时会出现不该出现的错误。例如，在计算小数、分数四则运算时，常遇到学生计算法则是正确的但结果却是错误的，究其原因，有约分、通分的错误，有互化错误，也有百以内的口算问题。这些都反映了孩子的基本技能存在缺陷。在计算练习中，强化基本技能训练是提高计算能力的重要环节。为此，在指导孩子练习时，应有的放矢，加强基本技能的训练。
另外，帮助孩子小结某些规律性的东西也能大大提高计算技能。如:分数、小数加减混合运算，总的来说，用小数计算比较简便，但判断能否把所有的分数化成有限小数成为了这一类计算的关键点，随着这一关键点的突破，孩子的运算速度必定加快，计算技能也势必提高。
03
掌握适当的口算技巧
培养口算能力
口算能力的培养，是小学生数学能力教育中的一个重要组成部份，要切实抓好它，才能有利于小学生数学能力的全面发展，这里教几个实用操作。
① 运用口算卡片，保持训练的连续性
运用口算卡片，可以调动学生学习的积极性。视觉是感知过程中最敏感的器官，学生目视口算卡片进行视算，注意力容易集中。一般可以利用刚开始学习前两三分钟集中训练。例如：我们将所有20以内的不进位加法和不退位减法算式制作成口算卡片，妈妈快速出卡片，孩子快速口算，20张卡片为一轮，计时游戏，并把历史最好成绩(包括用时和得分)贴在孩子的床头，每次训练后，如果破记录，就更新。
现在有一些游戏也可以达成这样的效果，但是我仍然认为卡片效果更好。
② 掌握一些凑整的速算技巧
比如凑十法。“20以内进位加法”是否计算正确、迅速，而“凑十法”是这部分内容的核心，学生对“凑十法”掌握得如何将直接影响到进位加法的计算速度，从而影响到20以内的退位减法及整数四则计算学习。所以掌握利用“凑十法”计算20以内的进位加法非常重要。
其实，加法、减法、乘法都可以运用到凑十的速算技巧。
04
培养良好习惯
是形成计算能力的重要保证
有的孩子，在测验、考试之前盯得紧一点，成绩会起很大变化。分析原因，不是基础的东西没有掌握，而是平时的习惯不行。因此，良好的学习习惯，直接影响着计算能力的形成和提高。这就要求孩子要认真听课，积极思考，独立完成作业，养成自觉检查验算和有错必改的习惯。
让孩子养成看到题目，首先审题的习惯，这样计算起来方法会更正确、更合理，计算速度会不断提高。
计算出现差错，错写、漏写数字和运算符号是常有的事，因此指导孩子认真书写也十分重要。规范的书写格式可以表达运算的思路和计算步骤。
诚然，培养学生良好的学习习惯，不能靠一朝一夕，也不能时紧时松，只有坚持不懈，一抓到底方能有成效。
在整个小学阶段，四则计算贯穿于数学学习的全过程，整个小学数学的一半以上时间都在学习它。因此，帮助孩子打好基础，重视基本技能训练以及培养孩子良好的学习习惯，方能使孩子形成较强的计算能力。

近几年来，得益于大数据的积累、计算能力的提升，深度学习从学术到工程领域均取得了非常显著的发展与突破，尤其是诸如图像识别、语音识别等实际场景应用。但是，依赖于海量的训练数据、灵活的模型、足够的运算能力以及足以对抗维度灾难的先验经验，从很大程度上来讲妨碍了深度学习技术更为广泛的运用。为此，在全球范围内，众多人工智能领域的学术大师及业界专家上下求索，也由此催生了小数据学习（Learning from limited information），通过更少的数据以及更确定的方法让 AI 学习更加高效。
然而什么是小数据？机器怎样从小数据中学习？小数据学习将从哪些方面改变人工智能的研究与应用？在即将于 7 月 22 - 23 日举行的中国人工智能大会（CCAI 2017）上，特别邀请到日本理化学研究所先进智能研究中心主任 Masashi Sugiyama，现场为所有参会者一解小数据学习之惑，并分享其团队在监督弱化分类方面的最新研究进展。在会前，CSDN 记者特别采访了 Masashi Sugiyama 教授，接下来，让我们一起先睹为快。 

  
Masashi Sugiyama 是日本理化学研究所先进智能项目组主任（ Director of RIKEN Advanced Intelligence Project）。RIKEN 成立于 1917 年，是日本最大的综合研究机构，其中，由 Masashi Sugiyama 领导的先进智能项目组成立于 2016 年，主要着眼于研发下一代 AI 技术，如小数据学习、因果推理（Causal inference）、不确定性学习（Learning with uncertainty）以及假设检验等，同时，还有加速医学、材料科学、制造业的科研进程，解决基础设施管理、社会抗灾能力、老年医疗保健等社会问题。而 Masashi Sugiyama 教授本人的研究领域则包括机器学习的理论和算法（如协变量适应、密度比预估和强化学习等），及其在实际问题中的应用。
CSDN：什么是小数据学习？为什么要使用小数据学习？如何实现？
Masashi Sugiyama：虽然现在大数据学习仍是主流，但在很多应用领域，收集到足够机器用来学习的庞大的数据是非常昂贵的。在这种情况下，使用小数据进行学习是一个理想的解决方式。但也有它的弊端，因为当进行小数据学习时，我们需要目标领域中强大的先验知识作为支撑，过多先验知识的介入意味着牺牲掉机器学习的灵活性。所以使用有限信息进行学习的精髓在于，使用领域知识之外的相对便宜的数据进行学习。 
CSDN：若小数据学习能够成功，将对哪些 AI 领域造成改变，进而对哪些行业产生影响？
Masashi Sugiyama：利用小数据进行学习是大数据学习的母集，所以说它一方面可以解决大数据学习不能解决的问题，另一方面在大数据学习已经得以应用的领域也能有所发挥，因为使用小数据学习能够在避免使用昂贵数据的同时达到更优的效果。
CSDN：您和您的团队在小数据学习方面已经取得了哪些进展？
Masashi Sugiyama：多样性对于小数据学习至关重要，因为对于不同的应用场景，收集数据的局限性是不同的。我们正在研发一种通用的算法使其解决机器学习过程中的不同问题，例如将很多不同种类的未标注数据集进行分类、将标注与未标注数据进行分类、半监督学习中的分类问题、充分标注的数据的分类问题等。
CSDN：日本的科研机构更倾向于哪些 AI 技术及应用的研究？哪些 AI 应用在日本已经落地？
Masashi Sugiyama：日本的机器学习研究人员更多地关注基础研究，当然，同时也会有一些人在科学及工程领域从事应用科学相关的研究工作。在基础研究与应用之间存在很大的鸿沟，如何搭建鸿沟上的桥梁至关重要。所幸，这些建桥的工作在一些领域已经逐渐展开，例如对癌症及老年痴呆的研究、再生医学、制造业、基础设施管理以及抗灾能力提升的研究等方面。
CSDN：您认为当前 AI 技术发展的瓶颈在哪儿？并请展望 AI 未来的发展方向。
Masashi Sugiyama：私密性、安全性、以及伦理问题会成为人工智能系统发展的瓶颈。在 AI 技术发展之外，如何分析及管理 AI 可能带来的社会问题也是需要重视的方面。 
CSDN：在本届 CCAI 现场，您将带来的演讲主要关于哪些方面？希望观众从中收获怎样的启发？
Masashi Sugiyama：我的演讲题目是《弱监督学习的最新研究进展》，在演讲中我将介绍我们对于弱监督学习下的分类问题的研究成果，包括将两种类别的无标签数据进行分类、将有标签与无标签数据进行分类、一个对于半监督分类问题的通用方法、以及对于有标签数据的分类。最后，我将简单介绍日本理化学研究所先进智能项目组（RIKEN AIP）。 
关于 CCAI
中国人工智能大会（CCAI），由中国人工智能学会发起，目前已成功举办两届，是中国国内级别最高、规模最大的人工智能大会。秉承前两届大会宗旨，由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办，CSDN、中国科学院自动化研究所承办的第三届中国人工智能大会（CCAI 2017）将于 7 月 22-23 日在杭州召开。
作为中国国内高规格、规模空前的人工智能大会，本次大会由中国科学院院士、中国人工智能学会副理事长谭铁牛，阿里巴巴技术委员会主席王坚，香港科技大学计算机系主任、AAAI Fellow 杨强，蚂蚁金服副总裁、首席数据科学家漆远，南京大学教授、AAAI Fellow 周志华共同甄选出在人工智能领域本年度海内外最值得关注的学术与研发进展，汇聚了超过 40 位顶级人工智能专家，带来 9 场权威主题报告，以及“语言智能与应用论坛”、“智能金融论坛”、“人工智能科学与艺术论坛”、“人工智能青年论坛”4 大专题论坛，届时将有超过 2000 位人工智能专业人士参与。
目前，大会 8 折优惠门票正在火热发售中，扫描下方图片中的二维码或直接点击链接火速抢票。

  
文/王艺

 





人工智能学习离不开实践的验证，推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛，以此来提升自己的能力。FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台。每周免费提供项目开源算法样例，支持算法能力变现以及快速的迭代算法模型。

 

计算机视觉应该怎样入门？

一文看懂计算机视觉-CV（基本原理+2大挑战+8大任务+4个应用）

在2020年，你觉得计算机视觉有哪些值得研究的领域？

未来5-10年计算机视觉发展趋势

一键实现图像、视频卡通化，GAN又进化了！

AI大厂算法测试心得：人脸识别关键性能指标有哪些？

一文看懂人脸识别（4个特点+4个实现步骤+5个难点+算法发展轨迹）

人脸算法系列：MTCNN人脸检测详解

现在人脸识别最好的算法是哪种？

「总结」最全2万字长文解读7大方向人脸数据集v2.0版

从看脸到读心：深度理解人的视觉技术走到哪了？

从ACL 2020看知识图谱研究进展

人脸识别安全面临三重挑战

超全的人脸识别数据集汇总

成为一名CV（计算机视觉）工程师，你需要具备哪些能力？

计算机视觉（CV）的算法有哪些，具体都有哪些特点？

从事计算机视觉必知的「大牛」有哪些？

计算机视觉中的半监督学习

计算机视觉系统怎样剖析“看到”的一切？

「深入浅出」了解语音识别的技术原理和应用价值？

人体姿态估计研究文集

低功耗计算机视觉技术前沿，四大方向，追求更小、更快、更高效

跨模态学习

邓力、何晓冬深度解读：多模态智能未来的研究热点

观点：面部识别——未来之路  



更多关于人工智能的文章，敬请访问：FlyAI-AI竞赛服务平台学习圈学习；同时FlyAI欢迎广大算法工程师在平台发文，获得更多原创奖励。此外，FlyAI竞赛平台提供大量数据型赛题供学习党和竞赛党参与，免费GPU试用，更多大赛经验分享；如有任何疑问可添加下方微信服务号（FlyAI小助手）进行咨询。



更多福利可添加“FlyAI小助手”获取~