关于大三课程
写在前面
挺多学弟学妹咨询专业分流相关问题的，提前了解大三的课程内容也能帮助自己选到一个适合自己的专业方向，上一年自己不适合自己的专业也挺窒息的。HIT的有些课程名真的很迷，和教学内容差异巨大，不能”顾名思义“。为此将我所了解到的一些专业课程（仅罗列各方向专业核心课）主要内容罗列如下，希望对各位有帮助。
软件工程
软件工程专业每学期有两门专业课，其中选一门作为4.5学分考试课，另一门3学分专业选修，外专业课可以选商务类mooc，大四需要实习至少三个月。
大三上
- 软件过程与工具
和名字差不多，从软件需求分析开始讲到系统设计，最后到系统实现，大概就是软件的生命周期和一些迭代方案。内容都相当古老，用的工具也就是所谓的git，starUML画类图。大概五六个实验，然后一个持续检查的大作业：从需求分析开始做一个完整的进销存系统。可以做PC端APP也可以做成web服务，大部分都是做成web服务，这个实际的开发和上课讲的毫无关系，上课不会教开发技术，如果没有web开发（前后端）的基础会比较吃力。理论内容都不难理解，考试闭卷，很偏概念，考的很细，可以背PPT速成，没记住就填不上的那种。
- 移动互联网技术
移动通信网络+万维网。前一半和计网通信那部分有重叠，后一半主要关注移动端侧web服务的开发，有涉及鸿蒙开发、UI交互、移动端存储等等。这课通信占比较大，讲了很多移动接入技术：WLAN,WPAN,WMAN等等。选这个做考试课实验好像是完整做出来一个移动端的应用就可以，选修交一个报告，参加期末考试就行，选修无实验。这课涉及的内容实在太多，考试也只考一些最基本的概念，选择题和上课小测题强相关，大三课基本都是答得差不多就给分，老师给分挺高的。
大三下
- 软件架构与中间件
顾名思义，讲软件的一些架构风格和中间件的介绍。从计算层（提高单机和集群的计算性能），数据层（提高数据服务器的性能），表示层（UI）展开。这课介绍的理论技术是比较新的了，负载均衡、分库分表、消息中间件这种都是企业必备。也算是入门性的讲解，实验大多也都是入门体验性质的，没有开发类型的实验。考试一面（一面A4，非一纸）开卷，你打印的东西越多，考试的难度就越低，选择题全是课堂习题，实测两天速成无压力。
- 数字媒体技术
最最最迷惑的专业，听上去很像做动画，3D渲染，视频特效的吧。都不是，可以理解成正统CV。两个老师上课。前一半内容基本上是传统CV，从信号开始讲起，带点信息论，包括傅里叶变换，图像变换，图像压缩，就这几个名词，足以让PPT看到头皮发麻。后一半内容正统机器学习，包括不限于：PCA，SVM等各种分类器，决策树，SIFT算子，深度学习，深度学习的攻防。如果选机器学习，这课相当于基本上过一半了就不太难。考试也不难，二纸开卷，深度学习部分都很基础，前一半看起来也不太难？我是瞎写的，前一半没怎么看，不确定。选修也需要做两个实验，一个是做图像的DCT等变换，BMP位图格式，第二个是用ResNet（CV深度学习模型）做MNIST数字手写体分类。必修好像还多几个实验。个人感觉这课放软工不太合适，一点也不工程，很科学。
自然语言处理
我选修都是往这方向选修的，也涉及过一些课程。
- 自然语言处理。两个老师，前一半讲基于统计的自然语言处理，可以理解为深度学习兴起之前，包括不限于：分词，隐马尔可夫模型，最大熵模型。后一半讲基于深度学习的自然语言处理，全是介绍性的，都讲得不深，基本没什么深度学习方法。好像选修考试占比是80，记不太清了。必修实验有一个是按性能相对排名评分的。
- 信息检索。这个好理解，没选修过，略过。
智能信息处理
这专业大三上学NLP专业课（自然语言处理），大三下学CV专业课
- 模式识别与深度学习
左老师的课，选的人很多。两个老师，前一半传统模式识别理论，与机器学习关系挺大的，学习一定程度上也是在做模式识别。后半部分是左老师的深度学习。从NN开始讲，然后从CV方向展开，基本能把CV整个发展进程的模型都梳理一遍。讲的内容挺深的，需要一定基础，会涉及很多近年的paper。选修考试占80分，必修的实验是模式识别一个，深度学习六个好像：自己复现MLP,CNN,RNN,GAN等
最后
其他方向的课程也都是听说，不大清楚实际内容，建议咨询相关方向的学长学姐。以上内容尽量陈述事实，不包括对任何教师的主观评价。最后祝大家都能选到自己心仪的、适合自己的专业~~
Author: Type-C, yanpengt06@gmail.com