哈佛大學人工智能課程設置特點與啟示

梁曉波 涂維 武嘯劍

摘? ?要：為總結哈佛大學人工智能課程設置特點，從而為我國高校開設此類課程提供啟示，文章首先梳理了國內學者針對世界主要一流大學人工智能課程的相關研究成果，隨后以哈佛大學人工智能課程體系及配套舉措為例，剖析了哈佛大學人工智能課程設置的情況和特點，認為哈佛大學人工智能課程鼓勵個性化發展、緊盯科技前沿、融匯多學科智慧、共享跨校優質課程資源、注重培養學術語言表達能力。并基于此提出我國高校的人工智能課程設置應重視算法分析與軟件設計課程，培養學生創新能力;重視課程體系靈活設計和多樣化選擇，助力學生個性化發展;整合優質學科資源，搭建多學科、多領域、跨院校的優選知識平臺;堅持本土與世界優秀文化的融會貫通，拓寬學生的世界視野和人文情懷。

關鍵詞：人工智能;哈佛大學;課程設置;世界一流大學

中圖分類號：G434;TP18 文獻標志碼：A 文章編號：1673-8454（2021）14-0034-07

一、引言

人工智能（Artificial Intelligence，AI）是由計算機科學、數學、控制論、信息論、神經生理學、心理學、語言學、統計學、認知科學、哲學等多學科，交叉融合進而發展起來的一門前沿交叉學科[1]。美國率先以實驗室培養人工智能方向研究生的方式開展人工智能教育，再慢慢過渡到本科生教育，具有歷史發展悠久、人才培養體系規范成熟的特點。

我國人工智能技術、產業雖高速發展，但人才培養與以哈佛大學為代表的世界一流高校相比還存在或多或少的差距。包括哈佛大學、卡內基梅隆大學、麻省理工學院、斯坦福大學等在內的許多世界一流大學，都對人工智能這一科研教育領域有著極大的興趣與關注。

美國哈佛大學（Harvard University）是享譽世界的研究型大學，在人工智能領域研究成果斐然，影響較大。其人工智能專業建設較早，本科專業建設歷史較長，課程體系建設較為完備，課程在同類院校中影響也較大。因此，系統解析哈佛大學人工智能課程體系設置情況與特點，對于我國高校人工智能課程建設有著重要的現實意義和啟示作用。

二、文獻綜述

目前，國內學者針對世界一流大學人工智能專業人才培養已經有了一定的研究。劉軍儀、 楊春梅認為，卡內基梅隆大學在培養計算機科學博士方面擁有具體明確的培養方案、科學獨特的課程設置，重視培養學生的研究能力、教學能力和交流能力，具有規范的論文撰寫及答辯流程，其學業評價制度嚴謹，學習氛圍民主團結，同時擁有健全的學生資助制度[2]。季波等認為，卡內基梅隆大學人工智能專業的本科人才培養模式突出“以學生為中心”的培養理念，具體表現出三個顯著特征：學科支撐和個性化培養優勢強勁、課程設置突出跨學科跨領域、師資可在校企間自由跨界流轉。國內高校可從跨學科整合和創新學位授予制度、以學生為中心構建高水平定制化的課程體系、推進校企聯合構建跨界融合的人才培養平臺等三方面優化人工智能專業創新人才的培養方案[3]。

郭嬌等則對卡內基梅隆大學、麻省理工學院、斯坦福大學進行了個案分析，從學制與學位、招生要求、師資建設、課程設置四個角度，比較了四所大學人工智能方向研究生培養的異同，提出應出臺人工智能方向研究生培養關鍵環節的指導方針，推動新建人工智能學院、研究院或研究中心的組織架構升級，完善人工智能方向研究生獎學金、競賽、學術會議資助等配套激勵機制[4]。

與以上研究相似，劉小鵬、劉凡豐分析了卡內基梅隆大學、麻省理工學院、斯坦福大學的學科布局情況，提出我國高校在學科發展戰略上應確立信息科學與技術（人工智能學科）的核心地位，以問題為導向，結合各自的優勢，選擇恰當的切入點發展人工智能學科，同時要處理好與各個學科的關系，以跨學科的科研任務和人才培養帶動培養體系的整體建設，人才培養以具有問題解決能力和創新精神為目標[5]。

林健、鄭麗娜則從總的方面簡述了美國人工智能專業發展的歷史脈絡，從教師隊伍建設、課程體系構建、學科專業發展及工程倫理教育四個方面，分析了美國人工智能專業建設的現實路徑，然后從高校層面、科教融合、教師隊伍、課程體系和工程倫理五個方面，探討對我國新興工科專業建設的啟迪[6]。

值得指出的是，哈佛大學是世界公認的、頂尖的高等教育及研究機構之一，具備世界一流的計算機科學和人工智能實驗室及世界領先的媒體實驗室。目前國內針對哈佛大學人工智能課程設置情況的研究還鮮有觸及。為此，本研究希望能夠對此領域進行嘗試性的探討，為國內同類院校人工智能專業的課程設置提供一定的參考和借鑒。

三、世界一流高校人工智能專業設置概況

人工智能是一門新興的交叉學科。目前，世界主要一流高校多依托本校優勢開展人工智能人才培養，其專業課程設置主要有以下三種模式：

1.卡內基梅隆大學模式：開設人工智能本科專業，研究所碩博聯動發展

1986年，卡內基梅隆大學（Carnegie Mellon University，CMU）率先建立計算機學院，學院下有2個科系和5個研究所：計算機科學系、計算生物學系、人機交互研究所、軟件研究所、語言技術研究所、機器學習和機器人研究所[7]，從不同角度對人工智能教育與研究進行了探索。2018年，卡內基梅隆大學正式宣布開設人工智能本科專業，旨在為學生提供更為全面的人工智能方面的課程與研究成果。計算機與科學學院的本科新生在大一時需要學習數學與統計核心課程，通過一定課程選拔考核，然后在大二時可選擇人工智能、計算機科學或計算機生物學作為自己的本科專業。計算機科學系和計算生物系下設相應學科的學士、碩士、博士學位，5個研究所主要開設相關研究領域的碩士學位，并為其它專業的學生提供輔修、雙學位。

2.麻省理工學院模式：依托原有科系，開設人工智能相關課程

麻省理工學院（Massachusetts Institute of Technology，MIT）未專門開設人工智能專業，而是依托工程學院（School of Engineering，SoE）的電氣工程與計算機科學系（Electrical Engineering and Computer Science，EECS）的原有專業——計算機科學與工程，開設人工智能相關課程。學生首先學習建模和抽象處理復雜性問題，然后學習計算機系統設計和人工智能。如果想要深造，可以選擇進入計算機科學與人工智能實驗室（CSAIL），主要研究內容包括AI與機器學習、人機交互、機器人、算法與理論等。CSAIL不直接招收本科生，但本科生可以申請暑期項目。

在研究方面，整個系設有4個實驗室，分7個研究領域對9個研究主題開展探索。4個實驗室分別是：計算機科學與人工智能實驗室（CSAIL）、信息與決策系統實驗室（LIDS）、微系統技術實驗室（MTL）、電子研究實驗室（RLE）。研究領域包括：信息系統、電路、應用物理與器件、生物醫學科學與工程、計算機科學（AI）、計算機科學（系統）、計算機科學（理論）。研究主題包括：大數據、生物交叉、連接科學與工程、網絡安全、能源、多核處理器和云計算、納米技術與量子信息處理、機器人、無線網絡和移動計算[8]。

3.斯坦福大學模式：以計算機科學專業為基礎，開設人工智能方向

斯坦福大學（Leland Stanford Junior University）在人工智能方面無論是理論研究，還是實踐操作都推崇發揮計算機的優勢，融入計算機學科和專業的培養中。人工智能在斯坦福大學未以獨立專業的形式存在，而是劃分為工程學院計算機科學系的人工智能方向。學生在大一、大二修習完基礎的數學基礎課和計算機核心課，在大三的時候有9個方向和單獨設計可選，分別是人工智能、生物計算、計算機工程、圖形、人機交互、信息、系統、理論、非專業方向和個性化設計。每個方向會有一至兩門入門課程、兩至三門內容高度相關的課程以及一系列范圍廣泛的選修課，包括這個方向的研究生課程、其他系相關課程以及一些基礎的CS選修課程。

斯坦福大學人工智能方向主要是對邏輯、概率、統計、語言及其與應用程序的關系等主題的基礎研究，主要課程包括：《知識表示》《邏輯推理》《機器人技術》《機器學習》《概率建模和推理》《自然語言處理》《認知》《語音識別和合成》《計算機視覺和計算生物學》。作為人工智能專業的發展支撐，計算機科學系下設有一批高級研究機構，如AI實驗室（SAIL）、計算機系統實驗室、信息實驗室、計算機圖形/人機交互組等，尤其是1962年成立的SAIL，與遺傳學、物理、語言學、機械制造等多領域跨學科交流研究，現已成為世界一流的人工智能研究與實踐中心。

由于沒有人工智能的專門專業，斯坦福大學人工智能方向的學生實際上獲得的學位是計算機科學學士學位、計算機科學理學碩士學位和計算機科學哲學博士學位。碩士培養要求修習一門數學基礎課，其余可根據學生興趣，在導師指導下從計算機核心、軟件架構以及計算機與其他領域結合的課程中進行選擇研習。與此同時，法學院和商學院MBA還分別與計算機科學系提供聯合學位，旨在讓學生進一步了解跨學科新興技術在法律界和商界的應用。

四、哈佛大學人工智能專業課程設置情況與特點

如表1[9]所示，2020—2021年，哈佛大學計算機科學專業在QS世界大學排名之計算機科學及信息系統專業排名中位列世界第7。目前很多學者對CMU、MIT、Stanford這三所高校的人工智能課程設置研究投入較大精力，但人工智能水平同處于行業一流的哈佛大學還有進一步探索的空間。仔細分析哈佛大學人工智能課程體系設置之后，筆者發現其對尚處于探索階段的我國高校人工智能課程設置，能提供具有操作性的實踐經驗借鑒和參考。因此，本文聚焦于哈佛大學人工智能專業設置情況與特點，以期提供些許啟示與建議。

哈佛大學的人工智能課程設置為模塊化模式，總體而言，分為主修模塊和選修模塊兩大部分，該模式對人工智能專業的人才培養提供了良好的支撐，對人工智能專業的課程體系具有良好的示范效應。

1.哈佛大學人工智能方向課程設置基本情況

哈佛大學人工智能本科教育期間主要設置為計算機科學專業的專業課的一個選修方向，學生在修習完基礎數學、基本軟件等相關課程之后，可選擇人工智能方向的課程作為技術選修課進行深入研究。根據哈佛大學2020—2021年學生手冊[10]（見圖1），哈佛大學計算機科學本科生為獲得學士學位，需要完成通識教育48個學分、主修課程48個學分、選修課程32個學分，共128個學分的學習。

主修課程包括基礎數學、基本軟件、計算機科學理論、技術選修。其中，基礎數學部分根據學生自身數學能力，學生可以選擇跳過入門課程《微積分》《級數和微分方程》，直接學習線性代數和統計概率或多維微積分類課程。

通識教育分為必修課、分布課程、數據定量推理、說明性寫作、外語，共五個部分。通識必修課需要從美學與文化、倫理與公民、歷史與社會和個體、社會科學與技術這四部分內容中各修1門。分布必修需要從文理學院和約翰·保爾森工程與應用科學的三大學科分支——藝術與人文、科學與工程、社會科學中各修讀1門。此外還有數據定量推理課程，學生可以修習任何數學類、應用數學類、統計類、計算機科學類課程，以滿足要求。

值得注意的是，選修課程允許學生修習哈佛大學以及合作院校開設的所有課程，旨在發揮學生的主觀能動性，促進其個性化發展，旨在培養其多維領域融合能力。

典型的課程體系結構有：層次化課程體系和模塊化課程體系兩類。層次化課程體系以專業知識為主線，由基礎課、專業基礎課和專業課三部分構成，課程安排內部邏輯性強。模塊化課程體系以培養學生的不同能力價值取向為主線，構建相對獨立的課程模塊，突破學科單一領域，促進學生全面發展[11]。

觀察哈佛大學人工智能方向課程體系的數據，我們可以發現其課程體系為后者——“模塊化”模式，主修模塊強調學生專業知識的加強，讓學生對所學專業有一個深入的了解;通識教育模塊強調學生的全面發展，讓學生對社會、政治、經濟、人文等方面有一個綜合具象的體會;選修模塊讓學生接觸不同學科、不同學校的教學資源，開闊了學生的視野，為學生職業發展提供了更多靈活的可能。

2.哈佛大學人工智能方向課程設置特點

（1）注重深度邏輯思維訓練，強化數據分析能力

數學是計算機科學許多領域的基礎，無論是將線性代數、概率和微積分應用于機器學習、圖形和優化中，還是在算法設計中使用圖形，在編程語言中使用邏輯等等，都需要人工智能人才擁有一個扎實的數學基礎。根據哈佛大學2020—2021年學生手冊，如表2所示，除了針對所有本科生的數據定量推理課程修習，哈佛大學計算機學科的必修課程中還設置了4門數學基礎課程，共20分，占總學分的15.6%，明確強調了微分方程、線性代數、概率統計的學習，旨在夯實學生的數學計算能力、邏輯推理能力、數據分析能力，為后續系統編程、自然語言處理等高級課程的學習奠定學科基礎。

（2）鼓勵學生個性化自主性發展，靈活選擇與多樣設計并重

哈佛大學專業必修課程設置符合學生認知規律，層層遞進，先形成專業基礎認知，掌握專業基礎分析思維，再深入到專業設計領域，形成一個系統、規范的課程體系，如圖2所示[12]，學生需要先完成基本軟件內容的計算機科學概論，再深入到不同方向的學習，靈活多樣，給予學生更多的自主性。

專業選修課的設置應符合學生個性化發展和社會對學生能力要求多樣化的需求。值得注意的是，為培養學生的學科交叉思維能力，根據哈佛大學2020—2021年學生手冊，如表3所示，哈佛大學對技術選修課專門提出了廣度要求，需要學生從不同方向進行選課。

此外，哈佛大學課程門類精簡，避免出現內容交叉重合。例如，數學課程需要修習4門，但如果學生的數學能力較強，也可跳過兩門入學課程，直接修習線性代數和概率統計類課程。

（3）緊盯科技前沿堅持問題驅動，淬煉實踐創新能力

人工智能具有極強的前沿性和實用性，要求學生樹立主動學習的信念，時刻關注科技前沿發展，積極參與人工智能前沿研究，推動人工智能核心技術創新。參與科研不僅有利于培養學生的綜合素養，還有利于讓學生接觸前沿問題，形成專業認同，激發自身對專業的興趣，促進培養新型創新性人才對行業發展的問題意識和解決問題的能力。哈佛大學鼓勵學生進入學校時便養成科研意識，將理論知識應用到實際操作中，計算機科學本科生可以通過與實驗室教師聯系參與教師的研究項目，修習研究生課程或高級本科生項目，或上研究型課程《指導性閱讀與研究》（CS91r）和書寫高級論文（Senior Thesis）參與科研[13]。這些課程與項目都明確要求學生閱讀一定量的相關文獻，動手實踐相關研究，創新設計以解決特定領域的實際問題，有效地鍛煉了學生的動手實踐能力、團隊合作能力，如表4所示。

（4）打造跨學科方陣，融通眾多學科智慧

人工智能是由計算機科學、語言學、神經生理學、心理學、統計學、哲學等跨學科發展的一門綜合性學科。哈佛大學非計算機科學專業將人工智能與其結合，開設適應人工智能設計、創新、發展過程中需要注意問題的相關課程，注重不同學科知識的相互滲透、融合與新知識的吸收利用。學生不僅需要掌握計算機科學的知識，更要涉獵其他領域，根據自身發展興趣、需要、時間選擇其他學科知識，充分將人工智能與經濟、法律等潛在應用市場結合，課程設置理念與社會發展對人工智能研究的應用需求一致，如表5所示[14]。法學院開設《醫學人工智能：倫理、法律與政策》《自動駕駛汽車與法律》等課程，與學生探討人工智能發展與醫學、法律等領域的交叉點。神經科學系開設《生物與人工智能》，把大腦的研究與人工智能的發展聯系起來，探討神經網絡、機器學習等內容，優化學生的人工智能知識體系，促進學生學科交叉能力的培養。

（5）打破院校壁壘，共享優質資源

盡管哈佛大學在各門課程建設上已經下足了功夫，但為了更好地促進本校學生的能力提高，學校人工智能專業的學生還可以去選修其他大學的相關高水平課程。離哈佛大學不遠的麻省理工學院擁有雄厚的跨學科研究師資，在人工智能領域積累深厚，實驗室研究經驗豐富，課設的課程相對也更為豐富，自然也是哈佛學生的首選。如表6所示[15]，哈佛大學與麻省理工學院開展合作，學生可任選麻省理工學院課程，有利于拓寬學生的知識面，參與更多的人工智能核心關鍵技術研究項目，學生的人際交往能力也得到了一定的鍛煉，有利于將來職業發展拓展人脈圈。

（6）母語外語寫作和表達并舉，培養學術表達能力

人工智能是一個學科性極強的領域，人工智能具有技術屬性和社會屬性高度融合的特點，是經濟發展新引擎、社會發展加速器。該領域的學生需要能靈活運用專業的學術語言對所研究的項目進行陳述，并用清晰的思路向廣大用戶介紹項目的運行方式。哈佛大學對此方面的要求更嚴格，不僅是人工智能方向的學生，所有本科生在大一時都被要求修習《說明文寫作》。課程以研討會的形式進行，學生在教師的指導下，運用一定技巧高效地對本領域學術材料閱讀、分析，再系統地整理思路形成文本，互相交流討論?！墩f明文寫作》不僅關注學術寫作，還注重學生在求職升學時需要用到的自我陳述，旨在提高學生學科思維能力、學術語言表達能力。

為使人工智能研究成果融洽地應用于更廣闊的市場，人工智能人才需要加強自身外語能力、跨文化交際能力的培養。依托于出色的人文學科積累，哈佛大學開設了種類多樣的語言類、文化類課程，如表7所示[16]。以中文及相關課程為例，課程除了基礎的初、中、高級現代漢語對中文的基礎語音、字形、語法結構進行學習外，還會涉及到不同朝代的歷史、文學以及政治、經濟、文化等領域的探索。除此之外，課程強調語言的應用、文化的交流，引導學生在學習的過程中主動了解中國社會熱點、文化現象，并練習說、寫等基礎實踐，不用通過特定的考試，旨在引導學生在開放、沉浸式的課程環境中提升自身的語言能力和跨文化交際能力。《21世紀中國的政治經濟學：初級教程》要求學生運用中文分析中國領導人2000年以來所遇到的挑戰，如“一帶一路”倡議的提出、人工智能數字戰略等，注重潛移默化地培養學生的國際視野。

五、啟示與建議

目前國內高校中，從北京大學、南京大學、上海交通大學等國內知名大學到一些職業技術學院，紛紛開設人工智能相關課程，甚至獨立開設人工智能專業，旨在培養人工智能領域高端人才。但我國目前在人工智能領域高端人才儲備與實際需求相去甚遠。在此情況下，我國高校應結合自身實際，積極吸收世界一流高校課程設置的積極合理之處，主動作為，積極探索我國高等院校人工智能課程設置發展之路。哈佛大學作為美國人工智能人才輸出的主力軍之一，其人工智能教學系統對我國高校人工智能課程體系設置具有重要的啟示作用，可將其分類歸納為以下三個方面：

1.重視算法分析與軟件設計課程，培養學生創新能力

首先，我國高校人工智能課程設置需強化基礎理論學習與創新，重點關注算法與分析、概率統計、計算機軟件設計等學科基礎課程的設置。待學生形成一定專業認知后，課程需增強深度與廣度，引導學生進入專業領域的學習。值得注意的是，哈佛大學注重課程設置的精簡，避免內容重合，國內高校課程設置的內容需注意保持連貫性，避免簡單基礎課程相加，浪費學生的時間和精力，無法深入到學科核心。與此同時，可將實踐創新課程納入人工智能專業課程設置體系之中，鼓勵學生與教師合作，積極參與人工智能科研，進一步了解人工智能理論的實踐，加深對人機互動、自然語言處理、機器學習等專業領域應用的理解。

2.重視課程體系靈活設計和多樣化選擇，助力學生個性化發展

當前，我國高校在人工智能專業的投入雖呈逐年上漲之勢，但在專業課程設計方面仍顯呆板保守，“大鍋飯”的專業課教學模式尚未得到根本性突破，課程體系的個性化、靈活化設計和多樣化選擇亟待增強。哈佛大學兼具專業基礎與發展靈活的課程設置模式可有些許啟示，在必修課程設置方面，要符合學生認知規律，層層遞進。首先打牢學生的計算機基礎能力素養，訓練學生專業基礎分析思維，再深入到專業設計領域，形成系統、規范的課程體系。到專業選修課階段，則要突出因材施教課程設置特點，應盡可能符合學生的個性化發展，充分考慮學生在先天稟賦、興趣特長、專業基礎等方面的差異性，拓寬選修課廣度、難度和深度，提升課程設置挑戰性，激發學生的學科興趣。

3.整合優質學科資源，搭建多學科、多領域、跨院校的優選知識平臺

目前，我國許多高校的人工智能課程設置還處于探索階段，借鑒哈佛大學與麻省理工學院跨校共享教育資源的方法，有利于促進教育資源進一步優化配置。首先，結合國內現狀，大學城校區所在院校可與鄰近高校合作跨校選修，遠距離院?？衫媚秸n平臺等線上教學工具共享教育資源，為學生提供更廣泛的課程選擇，方便學生根據自身興趣與發展需要對課程進行靈活選擇，豐富自身的認知體系。其次，人工智能課程設置還需要鼓勵跨學科教師團隊共同教研，開設出符合社會發展進程、適合本院校特色發展的人工智能專業課程。

4.堅持本土與世界優秀文化融會貫通，拓寬學生的世界視野和人文情懷

人工智能的研究和成果與社會發展緊密結合，人工智能專業人才未來要面向世界市場，必須具有寬廣的國際視野、濃厚的人文底蘊和深厚的跨文化素養。人文氣息濃厚的哈佛大學充分利用本校綜合學科優勢，培養世界型人工智能人才的經驗做法，也啟示我國高校應考慮人工智能專業學生的理工科背景，加大課程培養體系中文學、法學、心理學、哲學等基礎類人文學科的比重，在豐富學生文科知識體系的同時，積極發掘人工智能專業與社會科學的交叉研究發展前景。語言是人類社會發展進步的重要聯絡紐帶，應支持鼓勵人工智能專業學生選修1—2門外語類課程，特別是世界主要語言類課程，從而為學生全面認識世界和了解世界提供更為廣闊的語言之窗，培養學貫中西、以我為主、放眼全球、造福人類的新時代高端人工智能專業人才。

參考文獻：

[1]姜國睿，陳暉，王姝歆.人工智能的發展歷程與研究初探[J].計算機時代，2020（9）：7-10+16.

[2]劉軍儀，楊春梅.卡內基·梅隆大學如何培養計算機科學博士[J].計算機教育，2007（13）：36-38+41.

[3]季波，李魏，呂薇，等.人工智能本科人才培養的美國經驗與啟示——以卡內基梅隆大學為例[J].高等工程教育研究，2019（6）：194-200.

[4]郭嬌，秦奕萱，朱雅潔.美國人工智能方向的研究生培養案例研究[J].世界教育信息，2020，33（1）：34-40+63.

[5]劉小鵬，劉凡豐.美國一流大學發展人工智能的學科布局特征及啟示[J].高等理科教育，2020（3）：67-72.

[6]林健，鄭麗娜.美國人工智能專業發展分析及對新興工科專業建設的啟示[J].高等工程教育研究，2020（4）：20-33.

[7]CMU.Academics-CMU（Carnegie Mellon University）[EB/OL].https：//www.cmu.edu/academics/index.html #SchoolOfComputerScience.

[8]MIT. MIT EECS（Electrical Engineering and Computer Science）[EB/OL].https：//www.eecs.mit.edu/.

[9]QS TOPUNIVERSITIES. 2020—2021年QS世界大學排名之計算機科學及信息系統專業排名[EB/OL]. http：//rankings.betteredu.net/qs/major/tech/2021/computer-science-information-systems.html.

[10]Harvard University. Harvard College Handbook for Students[EB/OL].https：//handbook.fas.harvard.edu/book/bachelor-arts-and-bachelor-science-degrees#two.

[11]林健.面向“卓越工程師”培養的課程體系和教學內容改革[J].高等工程教育研究，2011（5）：1-9.

[12]Harvard John A.Paulson School of Engineering and Applied Science.Unofficial Guide to CS（Computer Science）[EB/OL].https：//csadvising.seas.harvard.edu/cs50_ Guide_v25.pdf.

[13]Harvard John A.Paulson School of Engineering and Applied Science.Harvard CS Concentration[EB/OL].https：//csadvising.seas.harvard.edu/research/.

[14]Harvard University.my.harvard[EB/OL].https：//courses.my.harvard.edu/.

[15]Harvard University.Courses：Harvard CS Concentration[EB/OL].https：//csadvising.seas.harvard.edu/concentration/courses/.

[16]Harvard University.Faculty of Arts and Sciences Course Catalog Preview[EB/OL].https：//courses.my.harvard.edu/dw_course/fas_crse_cat.pdf.

（編輯：李曉萍）