悉尼大学的学院介绍

Posted 2023-05-13

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了悉尼大学的学院介绍相关的知识，希望对你有一定的参考价值。

参考技术A

在悉尼大学的众多学院当中，医学院和法学院拥有着毋庸置疑的强大实力。其中悉尼大学的法学院是哈佛大学法学院在南半球唯一的合作伙伴，其新建成不久的法学院新楼荣获2009年度澳大利亚国家建筑大奖，使得其法学院在软硬件上都达到了澳大利亚大学法学院的顶峰。而现任的六位澳大利亚联邦大法官中更是有三位毕业于悉尼大学（一位剑桥，一位墨尔本大学，一位西澳大利亚大学），其实力可见一斑。悉尼大学的医学院除了医学研究之外，更是额外注重临床和实践，其教学员工大多数都具有第一线的临床经验，这一点使得悉尼大学的医学院显得与众不同。悉尼大学法学院是澳大利亚最好和高考入学分数最高的法学院之一。在国际上亦是极具影响力的著名法学院：　　1 悉尼大学法学院南半球历史第一悠久的法学院
　　2 悉尼大学法学院受到国际学术界的广泛认可和赞誉，悉尼大学与牛津大学和剑桥大学法学院签订了直升通道，即悉尼大学法学院学生可以在就读两年后直接转升读牛津大学法律系，并最终以获得两校法律系学位而毕业。悉尼大学也和美国众多著名法学院建立了学分互换的协议，值得一提的是，悉尼大学法学院是哈佛大学在澳洲唯一承认学分互换的法学院。　　3 悉尼大学法学院受到国际业界的广泛认可和赞誉，众多毕业生身居要职如前联合国秘书长Dr. H. V. Evatt，前世界银行总裁James Wolfensohn，前牛津大学法学院院长Michael Spence和负责编制人类发展报告的联合国人类发展报告处的现任主任Jeni Klugman。
　　4 悉尼大学法学院的毕业生们掌控者澳洲的政治命脉，悉尼大学是培育出了澳洲最多位总理的澳洲学府，包括第一任总理Sir Edmund Barton和前总理Tony Abbott（托尼·阿博特），也包括被誉为澳洲历史上最成功曾四度连任的总理，约翰·温斯顿·霍华德，在上个十年间，曾出现过，澳洲所有政党的党魁（自由党John Howard 国民党John Anderson 工党Mark Latham 绿党Bob Brown）全部毕业于悉尼大学的佳话，悉尼大学毕业生对澳洲政坛的统治力可见一斑。
　　5 悉尼大学法学院的毕业生们掌控者澳洲的经济命脉，根据美国广播公司的报道，悉尼大学是培育出澳洲数目最多的亿万富翁的学府，富翁校友数目在国际上也仅次于剑桥和LSE。的确，悉尼大学对澳洲经济的贡献是巨大的，最典型的例子就是前澳洲投行麦格理银行总裁艾伦·莫斯，在艾伦·莫斯1977年入职之时，麦格理银行只是一个员工数目50人名不见经传的小企业，但在30年后退休时，麦格理银行已经成为了员工人数近一万五千人，排名大洋洲第一，世界第七的一线投行，最近对韩国资产的收购，让麦格理成为韩国最大的海外资产管理机构。艾伦·莫斯的退休金为5亿人民币，是澳洲历史上最高的退休金补偿金。另外，澳洲现任中央银行行长，和澳洲四大银行的首席经济学家全部毕业于悉尼大学。
　　6 悉尼大学大学法学院是澳洲本科最难考入的专业，在2012年就曾经发生了一位墨尔本的高考生Rose Ashton-Weir因为考不上悉尼大学法律系而将其母校Geelong Grammar，一所澳洲顶尖的私立贵族名校，也是查尔斯亲王的母校，告上法庭的闹剧，后来结果当然是学校胜诉。（含IT）
悉尼大学工程学院是澳大利亚最好和高考入学分数最高的工程学院之一。在国际上亦是极具影响力的著名工学院：
1 澳大利亚的国家标志性建筑悉尼海港大桥由悉尼大学工程系毕业生John Bradfield负责设计建造。
2 现在世界每天都在使用WIFI的核心技术由悉尼大学工程系毕业生所发明并在美国注册了专利，并通过官司诉讼收取了几乎全部世界电子巨头包括索尼、微软等数十亿美元的专利费。3 世界上每架飞机上都必需有的黑匣子(飞行记录器)由悉尼大学工程系毕业生David Warren发明。
4 悉尼大学计算机系的毕业生，斯坦福大学教授，ACM Fellow，Vaughan Pratt 帮助建立了太阳公司，任第一任研究总监，并设计了Sun Microsystems的图标。
5IEEE总裁James Prendergas为悉尼大学工程系的毕业生。
6 计算机届泰斗，Unix之父，图灵奖得主，Ken Thompson曾在悉尼大学担任过教职，他一生只在两所大学任教过，另外一所是伯克利大学.
7 悉尼大学计算机系毕业生John Lions所著的计算机经典一书《莱昂氏UNIX源代码分析》，被誉为计算机历史上被复印次数最多的一本书。
8 悉尼大学计算机系毕业生Rod Johnson, 用两本书改变了世界，在硅谷建立了Spring（现已被人用数十亿元收购但Rod Johnson仍然担任CEO），成为了现在世界软件工程届最有影响力的顶尖大师之一。
9 悉尼大学工程系的毕业生Neville Thiele和Richard Small 奠基了现代音箱理论，他们发明的T/S参数是2012年世界上每一个音箱的必要参数。
10 悉尼大学计算机系的毕业生兼教授John Ross Quinlan在悉尼大学发明的C4.5算法被IEEE评为全球十大数据发掘算法之首。
11 悉尼大学工程系的教授Hugh Francis Durrant-Whyte发明了Simultaneous Localisation and Mapping (SLAM)算法，使机器人在不确定的情况下（即没有GPS的情况下）可以自行绘图认路，此成果被普遍认为是机器人发展历史上最重要的突破发明。
12 悉尼大学有全世界第二大的机器人研发中心，并为全球重量级的机构研制机器人，如为力拓集团研制全自动采矿系统和为英美军方研制武器。
13 悉尼大学工程学院现今已孕育出了数十位各类院士，如ACM,IEEE,AAAI,FRS等，为澳大利亚工程系相关院士最多的大学之一，学校教授亦在众多主流学术期刊担当编委职务，如Professor Albert Y. Zomaya,Fellow of IEEE, Editor in Chief, IEEE Transactions on Computers。另外值得一提的就是，全世界第一位华人担任IEEE 通信学会最权威学术期刊的主编的肖承山博士也是悉尼大学博士毕业的。悉尼大学商学院(The University of Sydney Business School)是澳大利亚最好和高考入学分数最高的商学院之一。在国际上亦是极具影响力的著名商学院，位于大洋洲第一大金融中心悉尼市内城区Darlington，紧靠悉尼CBD心脏地带。同时，是欧洲全球管理学教育联盟CEMS的成员（每个国家或地区只有一所大学入选）：
1.悉大商学院是唯一开设教授Master of International's Management (CEMS MIM）课程的澳大利亚商学院，该课程连续三年被英国著名金融期刊金融时报评为世界前3的管理学硕士课程。2013年，商学院自身的管理学硕士课程（Master of Management）也被金融时报评为澳大利亚第1，全球前50。2013年，商学院旗下Global EMBA（全球高级工商管理硕士）被澳大利亚金融评论BOSS杂志评为澳大利亚EMBA第1位。同时，商学院还以会计，金融，国际商务和市场学著称；其中会计，金融专业于2014年被英国QS世界大学排名列为全球第13，全澳第3。
2. 悉尼大学商学院的Peter Wolnizer教授是国际会计师联合会的教育总监，负责制定全球大学统一的会计教育标准。
3. 前纳斯达克总裁Magnus Bocker曾公开称赞道：“悉尼大学商学院大概是国际绝对领先的最好商学院之一！“
4. 悉尼大学商学院院长为Geoffrey Garrett教授，为前UCLA国际学院的院长，并在沃顿商学院，斯坦福大学，耶鲁大学，牛津大学等著名学术机构担任学术职务。
5. 悉尼大学商学院为AACSB和EQUIS认证的正规学校，文凭得到北美欧洲的认可。
6. 悉尼大学商学院为CEMS商学院联盟的一员(每个国家只有一所大学入选，如清华大学经管学院)，提供世界排名第一的Master of Management课程。
7. 悉尼大学商学院师资优良，并不时会产出极具影响力的世界性学术成果，如现在华尔街天天在用的Variance Gamma定价模型的芯，就是由悉尼大学商学院的Dilip Madan和悉尼大学数学系的Eugene Seneta用10年时间联合研究所得。Variance Gamma模型可以代替布朗运动模型从而改良Black-Scholes期权定价模型波动率结构的表现。Dilip Madan亦因此成果回到美国后当上了金融数学的第一学术期刊《Mathematical Finance》的主编。
8. 悉尼大学商学院与世界各国的著名院校都签订了商学院交换协议，学生可以申请交换来获得异国经验，其中的一些学校包括，中国大陆的清华北大复旦上交浙大中大，中国香港的港大港科大，日本的东京大学和庆应义塾大学，俄国的莫斯科大学和圣彼得堡国立大学，法国的HEC和EDHEC，加拿大的西安大略大学毅伟商学院，及英国的伦敦政治经济学院,华威商学院,曼彻斯特商学院和爱丁堡大学。
9. 悉尼大学商学院是澳大利亚唯一一所为留学生安排到当地顶级企业实习的商学院，实习企业包括有澳大利亚联邦银行、安永会计师事务所、德勤会计师事务所、普华永道会计师事务所等,实习成绩将计入学分。
10. 悉尼大学商学院定期会邀请企业高管和学术大师到学校演讲，如投行CEO和诺贝尔奖得主，让学生有面对面和业界泰斗交流的机会。悉尼大学医学院是澳大利亚最好和高考入学分数最高的医学院之一。在国际上亦是极具影响力的著名医学院：
1、悉尼大学医学院的Dr Mark C Lidwell发明了第一台人工起搏器。
2、悉尼大学毕业生Dr George Kossoff发明了世界上第一台B超扫描器。
3、悉尼大学毕业生Dr Graeme Clark 发明了世界上第一个人工耳蜗。
4、悉尼大学医学院的Dr Colin Sullivan发明了全球每间医院每架救护车都有的CPAP呼吸机。
5、悉尼大学毕业生Dr Jacques Miller发现哺乳动物胸腺的功能以及T细胞和B细胞的鉴定。
6、悉尼大学毕业生 Dr Donald Metcalf，系澳大利亚现代血液学的奠基人。他是癌症研究和激素研究方面的专家，他发现了荷尔蒙如何控制免疫系统的白细胞抵抗疾病的机理，根据这个机理发展出来的癌症治疗方法让骨髓移植成为过时的技术，拯救了上百万人的生命，他几乎获得过世界上所有的科技奖项，诺贝尔奖已经获得过多次提名。他在35年的实验室研究中获得最伟大的发现就是：白细胞是由荷尔蒙控制的。他的这个发现演化出一种全新的癌症治疗方法，他的这种方法治愈好的病人中包括著名的三大男高音之一——Jose Carreras（卡雷拉斯）。
7、悉尼大学毕业生DGustav Nossal 爵他是著名的免疫学学家，现年70岁；终生致力于提高全世界儿童的健康水平，到目前为止已经筹集14亿澳元（来自微软总裁Bill Gates）用于第三世界儿童的免疫接种项目。他是2000年澳大利亚名人奖章的获得者，在人类免疫系统的抗体生成机理研究方面获得了全球瞩目的成就。
8、悉尼大学毕业生Dr Brian Windeyer是伦敦大学1969-72年的校长，系伦敦大学放射学教授
9、悉尼大学毕业生Dr Gerald Lawrie是世界心脏手术的权威，在2009年他成功地为前美国第一夫人芭芭拉·布什进行了新装体外循环心脏手术。
10、悉尼大学毕业生Dr Virginia L. Hood 为美国最大的医学专业协会--- ---美国医师协会总裁。
11、悉尼大学毕业生Dr Michael Marmot 为英国医学协会总裁。
12、悉尼大学毕业生Dr David Hunter 为哈佛公共卫生学院掌管学术事务的院长。
13、悉尼大学毕业生Dr Dame Valerie Bera 为牛津大学和英国的流行病学的学科带头人。
14、悉尼大学毕业生Dr Alan O. Trounson 为目前世界上资金最多(30亿美元) 的医学研究机构(the California Institute for Regenerative Medicine )的总裁。
15、悉尼大学医学院的Dr Jennie Brand-Miller为倡导低GI生活的权威和先驱，她的书曾一度成为美国第二热销的书籍，第一为《哈利·波特》。
16 、Bernard Katz在1938年赢得了Carnegie Fellowship 到悉尼大学师从John Eccles做研究至1946年（返回伦敦大学作系主任），期间两人均为悉尼大学研究生授课，大大地促进了悉尼大学研究学术气氛，两人亦分别先后在1963年和1970年获得诺贝尔医学奖。
17、二战匈牙利难民Stephen Kuffler为逃避NAZI在1938年移民到了悉尼，时任悉尼大学Kanematsu 研究所（现在已重组归入Sydney Cancer Center ，位置在悉尼大学校内的Blackburn楼）所长的John Eccels给了他一份工作并当了他的导师,根据美国科学院的官方资料介绍，这是Stephen Kuffler实验科学家生涯的起点。在两位诺贝尔奖同事的栽培下，Stephen Kuffler发表了一系列非常重要而且具有先驱性的神经学研究结果，Stephen Kuffler 后来亲口赞赏同事Bernard Katz对其研究水平的重要影响。二战结束后，Bernard Katz返回英国伦敦大学做系主任，Stephen Kuffler则移民到美国继续他的学术生涯，在1966年，他建立了哈佛大学神经学系并任系主任，其后并在哈佛培育出了三位诺贝尔奖学生，由于其对神经学科先驱性的研究贡献，Stephen Kuffler被学术界誉为现代神经学之父Father of Modern Neuroscience。值得一提的是，Bernard Katz,John Eccles和 Stephen Kuller三巨头在悉尼大学Kanematsu研究所工作期间也不吝花时间来为研究生在悉尼大学的Anderson Stuart Building授课。

哈尔滨工业大学计算机学院-模式识别-课程总结-线性判别函数

1. 线性判别函数

本章介绍的线性判别函数都归属于判别式模型，即对于分类问题，根据判别函数(g(x))的取值进行判断，比如正数归为第一类，负数与零归为第二类。关于判别式模版与生成式模型的区别可以阅读我以前的[博客])(https://www.cnblogs.com/szxspark/p/8426850.html)，最典型的生成式模型是贝叶斯分类器，这个在之前的博客中也有介绍。
在介绍具体算法之前，先了解一下线性判别函数的基本概念。

1.2 线性判别函数基本概念
对于线性可分情况，线性判别函数(g(x))与判别界面(H)如下图所示：
-
对于线性不可分情况：
线性判别函数的形式化形式为：
[g ( mathbf { x } ) = mathbf { w } ^ { t } mathbf { x } + w _ { 0 }]
- (mathbf { x } = left( x _ { 1 } , x _ { 2 } , ldots , x _ { d } ight) ^ { t })，是特征矢量，(d)是特征维度的大小。
- (mathbf { w } = left( w _ { 1 } , W _ { 2 } , dots , W _ { d } ight) ^ { t })，是权矢量。
- (W _ { 0 }) 是偏置。
线性判别函数的增广形式（便于书写，便于设计目标函数）：
[g ( mathbf { y } ) = mathbf { a } ^ { t } mathbf { y }]
- (mathbf { y } = left( 1 , x _ { 1 } , x _ { 2 } , ldots , x _ { d } ight) ^ { t })，是增广的特征矢量，在原始向量前插(1)即可。
- (mathbf { a } = left( w _ { 0 } , w _ { 1 } , W _ { 2 } dots , W _ { d } ight) ^ { t })，是增广的权矢量。
  
  在学习该增广形式的时候，我曾思考过，既然可以将将线性函数转化为两个向量的点乘，那在深度学习中(以pytorch为例)，设计线性层(nn.Linear)时为什么还要令参数bias=True，直接不需要偏置，在输入向量中拼接一个维度(值为1)岂不是更加方便。答案当然是否定，我仔细思考后发现，如果这么做的话，对于每一个输入对会有一个独立的bias，因为新拼接的“1”值会随着反向传播进行迭代更新（每个输入的更新结果不同），此时bias便失去了意义，不再是与线性函数函数绑定，而是变成了输入的一个特征。
两类问题的线性判别准则：
[g ( mathbf { x } ) = mathbf { w } ^ { t } mathbf { x } + w _ { 0 } left{ egin{array} { l l } { > 0 , } & { mathbf { x } in omega _ { 1 } } \\ { < 0 , } & { mathbf { x } in omega _ { 2 } } \\ { = 0 } & {拒识 } end{array} ight.]
线性分类器的分类界面三维空间可视化：
该界面有几个特点：
1.线性分类界面(H)是(d)维空间中的一个超平面；
2.分类界面将(d)维空间分成两部分，(R_1)，(R_2)分别属于两个类别；
3.判别函数的权矢量(w)是一个垂直于分类界面(H)的矢量，其方向指向区域(R_1) ；
4.偏置(w_0)与原点到分类界面(H)的距离(r_0)有关：
[r _ { 0 } = frac { w _ { 0 } } { | mathbf { w } | }]

1.3 线性判别函数的学习

以下内容全部采用增广形式的写法进行介绍。
线性判别函数的学习目的，其实就是想通过(n)个训练样本(mathbf { y } _ { 1 } , mathbf { y } _ { 2 } , dots , mathbf { y } _ { n })，来确定一个判别函数(g ( mathbf { y } ) = mathbf { a } ^ { t } mathbf { y })的权矢量(a)。其中n个样本集合来源于两个不同类别。
- 在线性可分的情况下，希望得到的判别函数能够将所有的训练样本正确分类。
- 线性不可分的情况下，判别函数产生错误的概率最小。
判别函数的非规范化形式：
[left{ egin{array} { l l } { mathbf { a } ^ { t } mathbf { y } _ { i } > 0 , } & { mathbf { y } _ { i } in omega _ { 1 } } \\ { mathbf { a } ^ { t } mathbf { y } _ { i } < 0 , } & { mathbf { y } _ { i } in omega _ { 2 } } end{array} ight.]
判别函数的规范化i形式：
[left{ egin{array} { c l } { mathbf { a } ^ { t } mathbf { y } _ { i } > 0 , } & { mathbf { y } _ { i } in omega _ { 1 } } \\ { - mathbf { a } ^ { t } mathbf { y } _ { i } > 0 , } & { mathbf { y } _ { i } in omega _ { 2 } } end{array} ight.]
- 在之后的感知器算法于LMSE算法中，均依据规范化的形式进行介绍，规范化后会使得目标函数形式比较简单。
- 规范化是在输入数据上进行，将属于第二个类别的数据乘上(-1)即可。
- 需要注意，因为本节内容是在函数的增广形式下进行介绍，因此在规范化之前需要对于每个类别的数据都拼接一个特征“1”。