为了进一步提高学生的网络安全意识，预防学生个人信息泄露，2022年11月17日下午，信息与智能工程学院“数字新机遇，安全新挑战“大学生网络安全主题讲座，在腾讯会议上举行。本次讲座江荣旺老师主讲，教师代表及学生代表共同参与本次讲座。 此次讲座从信息安全现状、个人上网安全保护，安全信息展望三个方面展开。江荣旺老师以”网络为什么不安全？“这个问题展开，以国际安全事件Stuxnet蠕虫病毒、专业黑客公司Hacking Team被黑、美国半个互联网瘫痪了等事例为切入口，详细说明了信息安全漏洞将引发的诸多不安全因素和社会问题。同时江荣旺老师介绍了个人网络安全保护措施，包括及时修改路由器后台的默认账号和密码，选用安全的加密方式，及时更新和升级系统，安装防病毒软件等。 江荣旺老师谈到，作为信息化发展的新阶段，大数据对经济发展、社会秩序、国家治理、人民生活都将产生重大影响，我们应审时度势、精心谋划、超前布局、力争主动。谈及数据安全防护，他强调，应按照数据生命周期，以风险分析做针对性防护，结合不同场景，从数据的采集、使用、传输、存储、共享和销毁等全生命周期进行综合把控。同时，还要重视数据自身的系统性治理，利用区块链、数据令牌化、数字水印和同态加密等新技术，解决数据确权、数据交易、数据可用不可见和数据追踪等问题，逐步实现数据治理从量变到质变的突破，为数字经济稳定发展提供安全支撑。 现代信息和网络技术是一把双刃剑，本次讲座让同学们意识到保护个人信息的重要性，懂得“网络安全始于心，网络安全践于行“的道理，同时切实提升同学们对网络风险的辨识和防范能力。

        为提高学生假期自主学习能力，完善对信息智能的了解，信息智能与工程学院于2022年12月21日14：30在线上召开了学院例会，本次学院例会由杨博雄副院长、孙立民教授、周波教授主持。         会议伊始，周波教授首先详细介绍了三维重建技术，说明了rgbd三维重建的重要价值。随后，周波教授提出三维重建技术在科学和考古领域不可或缺的观点，并分别从科研和考学两方面展开讨论，验证其重要价值。最后，周波教授从其未来价值的角度分析了三维重建的重要意义和科研价值。会议结束后，杨博雄教授对寒假期间的各项安排做简短说明，指出不可让学生在假期期间荒废学业，进一步调动学生对学习的兴趣。         本次学院例会主要讲述了三维重建技术的未来发展意义，进一步确立了学院未来的一项科研方向，同时也对寒假期间学生的要求进行简要安排。

    2022年8月20-27日，我院教师吴刚通过线上方式参加在苏州举行的计算机课程改革导教班。中国计算机学会于2013年创建“计算机课程改革导教班”（简称CCD），邀请在课程教学改革方面有心得、有经验的资深教师，就他们在一线教学的课程内容和教学方法做深度介绍，组织切磋交流。导教班已成功举办八期。导教班旨在促进我国高校计算机课程教学改革，既包括传统课程的新上法，也包括适应时代发展的新课程。其具体目的之一，是希望通过这些课程的深度引导讲授和交流，使参与学习的教师能将所获用于自己的教学工作中。     吴刚老师主要参加了上海交通大学教授臧斌宇讲授的计算机系统结构课程，此外还旁听了中国科学院大学教授徐志伟讲授的计算机科学导论课程。吴刚老师在培训期间积极与培训老师沟通，通过7天的学习交流，顺利完成培训，受益匪浅，为我院计算机相关教学工作打下良好的基础。

       暑期是教师提升核心业务能力的绝佳时间，假期中，老师们寻找各种机会努力提升自己的业务能力。我院陆娇娇老师于6月28日-7月1日和2022年7月20日-28日分别参加了中国高科集团主办的“2022年人工智能公益性师资培训”，以及《计算机教育》杂志社牵头主办的2022第十届全国高校新一代信息技术暑假师资研修班——线上人工智能训练营。        6月28日-7月1日由寒武纪和中国高科集团共同举办的人工智能技术基础在线培训，共计24个学时，该培训旨在帮助教师加深对人工智能的理解并获得基本的实践能力，陆娇娇老师顺利完成所有课时的学习并获得相应的培训证书，为其后期进一步进行人工智能相关培训学习做好基础准备。        7月20日-28日由《计算机教育》杂志社牵头主办的师资研修班——线上人工智能训练营以项目驱动式教学设计，实战讲师+助教随时响应的方式开展。培训主讲教师是来自复旦大学的赵卫东教授，从深度学习知识点梳理，到助教带着项目实践，再到自主学习、实践、小组讨论，最后项目展示答辩结营。陆娇娇老师在培训期间积极与培训老师沟通，与小组成员合作完成项目实践，最终顺利结业。8天的学习获益匪浅，此次培训对学校今后开展人工智技术应用的公共课程和相关方向的研究奠定基础。

    7月26日上午9时，信息与智能工程学院杨婷婷教师参与2022年暑期全国高校人工智能师资峰会，通过腾讯课堂进行为期6天的人工智能机器视觉与智能系统实战的学习。本课程是以人工智能两大支柱的机器视觉和智能系统技术为核心展开讲授和教学。     该课程是沿着“视觉处理基础——三维视觉——深度学习视觉应用——智能系统与 ROS——SLAM”课程主线，讲授计算机视觉与深度学习的基本原理、实例应用及前沿进展，内容包括图像获取、视觉预处理与特征提取、运动估计、三维视觉、智能系统等原理，以及机器视觉与无人系统应用。同时结合 OpenCV、PyTorch、ROS等平台，通过项目实例讲解视觉及智能系统应用。其学习心得总结如下：     1）视觉处理基础的详解与总结。该部分是从图像本身的定义和视觉系统的构成开始，详细讲解图像的采集，数字图像的处理过程，及图像特征的提取和运动目标估计检测的传统方法，并分析视觉成像几何和三维重构的基本原理；     2）深度学习的基础和发展。该部分的是从基础的线性回归与分类、浅层神经网络和卷积的概念，深入卷积神经网络的要素和LeNet网络、AlexNet网络、VGG网络、ResNet网络及算法的比较，并总结算法的优缺点；     3）计算机视觉的应用总结。现代的计算机视觉都采用深度学习模型进行应用，利用最为经典的目标检测算法YOLO目标检测，语义分割、风格迁移，以及现在的智能系统与视觉导航技术。     本课程的学习从基础的讲解开始到现在计算机视觉的应用实例和发展前景结束，收益匪浅，对本学院今后开展计算机视觉相关课程和虚拟现实技术方向的研究奠定基础和具有参考价值。