课程概览
基于牛剑 Computer Science、Mathematics and Computer Science、Machine Learning 课程，每节课都会针对帮助学生积累顶尖质量 Personal Statement 以及面试讨论内容，包含理论知识以及项目经历，并且大幅包含面试常考题所需要的知识。
学习目标
- 学习常见排序与路径规划算法
- 学习信息熵及其与算法的关联
- 学习离散数学（数论与集合）
- 学习形式语言、理论计算机
- 学习机器学习经典算法
- 根据学生兴趣所向、完成一个算法/AI 项目
- 提升学术英语写作能力
- 构建文书主体段落
逐课课程纲要
01算法 I
排序与搜索：冒泡排序、快速排序、堆排序。
02算法 II
动态规划与贪心算法。
03信息熵
信息熵及其与排序、搜索算法的关系。
04离散数学 I
数论与集合论。
05离散数学 II
形式语言与计算理论。
06机器学习基础
优化方法：梯度下降、牛顿法等。
07–10项目实践
在项目中深入探索技术概念，并从精选方向中选择最能提升整体申请的项目，包括数学/实用算法、基于 AI 的游戏、自然语言处理等。
研究方法与成果表达
- 理论：算法、离散数学与优化方法。
- 项目：根据兴趣选择算法、AI 游戏或自然语言处理方向。
- 讨论：将理论与项目经历转化为学术交流材料。