AISZ2004/readme.toml at main · HITSZ-OpenAuto/AISZ2004 · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
# 课程名称
course_name = "信息论"

# 仓库类型: normal | multi-project
repo_type = "normal"

# 课程代码 (用于检索)
course_code = "AISZ2004"

# 课程简介
description = """
信息论（Information Theory），2 学分，理论课，总学时 32。开课单位：信息科学与技术学院。面向人工智能院士班。讲授信息度量、信源编码、信道编码与率失真等经典内容。
"""

# ===== 章节列表 =====
[[sections]]
title = "基本信息"

[[sections.items]]
content = """
【学分】：2
【学时构成】：理论学时 32
【成绩构成】：平时 30% | 期末考试 70%
"""

[[sections]]
title = "考核方式"

[[sections.items]]
content = """
本课程与其他集群开设的「信息论导论」不同。

- 平时成绩：30%（点名 + 作业）
- 期末考试：70%（闭卷）
- 期末侧重概念关系与思路；课堂曾强调噪声信道编码定理、Kraft / Huffman / Hamming、马尔可夫熵率、信道容量与高斯信道等
"""
author = { name = "aqua", link = "https://github.com/marine-aqua", date = "2026-07" }

[[sections]]
title = "教材与参考书"

[[sections.items]]
content = """
本课内容脉络与常见信息论教材相近，但更重要的学习材料是**教师课件**——作业与期末题均出自课件，老师在课件上投入很大；也没有另行发放纸质讲义。课件因版权原因不上传本仓库。

公开参考材料（据课堂整理，供拓展阅读）：

- 课程要点脉络：Duke 信息论相关 PPT
- 前期（至噪声信道编码定理）：David MacKay, *Information Theory, Inference, and Learning Algorithms*
- 后期：Stanford 信息论课程讲义
"""
author = { name = "aqua", link = "https://github.com/marine-aqua", date = "2026-07" }

[[sections]]
title = "学习资料"

[[sections.items]]
content = """
- 本仓库：考试笔记、分章节习题集（`notes/`）；期末回忆卷（`exams/`）
"""
author = { name = "aqua", link = "https://github.com/marine-aqua", date = "2026-07" }

[[sections.items]]
content = """
- [2026 年 AISZ-23 复习资料总览](notes/2026_AISZ-23-CS-Reviews/信息论复习.html)：知识图谱、考试重点、三个讲解模块与疑问解答
- `notes/2026_AISZ-23-CS-Reviews/知识清单/` 与 `章节测试/`：覆盖 Lecture 2–16 的知识清单和交互式章节测试
- HTML 可直接用浏览器打开；公式由 MathJax 渲染，首次加载需要联网
- 资料来源：[MukioXun/AISZ-23-CS-Review-Materials](https://github.com/MukioXun/AISZ-23-CS-Review-Materials)
"""

[[sections]]
title = "课程内容"

[[sections.items]]
content = """
大致覆盖（按照 2026 春实际授课情况总结，供参考）：

- 信息度量：熵、条件熵、互信息、KL 散度、交叉熵
- 不等式与凹凸性：Jensen、log-sum、Gibbs；熵与互信息的凹凸性
- 信源编码：AEP（IID / 平稳遍历）、熵率与马尔可夫、Kraft、变长编码、Huffman
- 信道编码：数据处理不等式与 Fano、信道容量与联合典型性、噪声信道编码定理、高斯信道与水填充、Hamming 码
- 有损压缩与综合：率失真、信源–信道分离；略及 VAE 与信息论的联系
"""
author = { name = "aqua", link = "https://github.com/marine-aqua", date = "2026-07" }

[[sections]]
title = "课程建议"

[[sections.items]]
content = """
- 更重要的是概念和思路要清楚，而不是死记公式；按往年题型，证明比重并不大
- 复习以课件与作业为主；本仓库笔记、分章节习题集与期末回忆卷可作补充
- 教师课件因版权问题，不上传至仓库
"""
author = { name = "aqua", link = "https://github.com/marine-aqua", date = "2026-07" }

# ===== 教师评价 =====
[lecturers]

[[lecturers.intro]]
content = """
白方，哈尔滨工业大学（深圳）教授、博士生导师。研究方向包括几何优化、3D 感知、医疗影像导航与空间计算等。
"""
author = { name = "aqua", link = "https://github.com/marine-aqua", date = "2026-07" }

[[lecturers.items]]
name = "白方"

[[lecturers.items.reviews]]
content = """
2025 年底入职哈工深后首开本课，课业与科研任务都重，状态上能感觉到比较辛苦。

老师学习与消化新课的能力很强：此前主要方向并非通信 / 压缩，备课周期据了解也很短，但仍能很快把内容吃透，课堂主线清楚、insight 突出。语速偏快。课堂上常提醒更应抓住思路与直觉，而不必过度纠结数学形式的绝对严谨。
"""
author = { name = "aqua", link = "https://github.com/marine-aqua", date = "2026-07" }