目录
一、团队简介
信息系统实验室现有数据、可视化和服务三个研究小组，分别在知识图谱与数据挖掘、计算机视觉与深度学习、工业软件与微服务三方方向展开研究工作。实验室位于上海交通大学软件学院 5312 和 5316 室，现有教师六名，博士和硕士研究生二十余人。
二、实验室优势
-
良好的学习环境：实验室为每位同学匹配了工位，提供可供团队讨论的会议室。
-
高效的学习方法：实验室的学习过程是以解决具体问题为目标，学生通过实践发现问题，通过理论学习、查阅资料、相互讨论、咨询老师等途径解决问题，学到的东西是完全与应用契合，学习效率极高。
-
为继续深造和就业打好基础：实验室的学习内容兼顾科研性与实用性。对于继续深造的同学可以提前对实验室的科研学习进行了解和尝试，并累积科研经验；对于就业的同学可以提前尝试实际项目的设计与开发。
三、你将收获什么
- 收获一群志同道合的伙伴，为往后的学习生涯增添新的乐趣。
- 收获新的领域知识，并与相关研究领域的研究生学长学姐共同研究，期间会与导师一对一沟通指导。
- 收获往后的职业规划建议。无论同学是倾向保研、考研还是工作，都能在实验室中与导师们和学长学姐们讨论，进而确定未来方向。
四、指导方法
- 进入实验室的同学会跟学长学姐们以及导师们确定学习规划，以及职业生涯规划。
- 导师们根据每位同学的学习规划、职业规划以及感兴趣的方向安排到相关的研究小组，并安排相关方向的实践项目。
- 学生们定期向实验室的导师和团队汇报研究进展和遇到的问题，团队一起通过讨论寻求解决方案。
- 实验室将安排一名学长作为 mentor 一对一带领新同学。
五、招新方向、研究内容和所需要求
1. 基于低代码平台的信息化转型工程
研究内容：在传统的开发模式下，企业的信息化转型需要根据多样的业务场景搭建不同的服务、需要大量的定制化开发工作、拥有较长的开发周期，无法满足企业低成本高效率信息化转型的需求。本项目通过低代码平台实现数据模型自定义、业务服务自定义、服务编排自定义、用户界面自定义，实现个性化、多元化、协同化和集成化的低代码开发，从而缩短服务的开发时间，降低开发成本与运维成本，低门槛、少成本、高效率、快迭代地实现企业的信息化转型。
技术要求：
后端：Java 语言，基于 Spring Boot 的微服务架构，MongoDB 与 MySQL 两种数据库；
前端：React 框架（了解 Vue 也可）；
（非必须）部署与运维：GitLab、Docker、K8S 等 CI/CD工具；
2. 智能加工集成工艺知识库系统
研究内容：三维数控弯板机是我国最新研制的新一代曲板加工设备，该设备采用多点成型技术，可实现各类复杂曲面的快速成型。在实际加工过程中，对于板材的调形仍然依赖于经验，存在工人操作过程多，难度大等问题。本项目构造一个智能加工集成工艺知识库系统软件，管理相关生产工艺数据，进行知识累计，为后续工艺优化提供信息基础。
技术要求：
- 了解Electron
- 熟悉Vue框架
- 了解Unity开发
- 了解SQL Server
3. 医学图像处理与应用
研究内容：图像处理与计算机视觉算法在医疗、工业等领域内的应用。目前，项目组重点研究利用计算机视觉相关技术对肺部 CT 影像进行病灶自动化识别，以减少影像科医生的工作量并提供计算机辅助诊断依据。主要涉及：
- 字图像处理技术，包括数字图像的表示、灰度变换与空间滤波、形态学、特征识别、图像分割等（基于 OpenCV 视觉库等）；
- 深度学习技术，包括基于卷积神经网络的目标检测、语义分割等（基于 PyTorch 框架等）；
- 可视化 Web 应用，包括前端展示及后端图像处理服务的实现（基于 Flask / React 等）；
技能要求：
- 了解基本的 Python 程序设计；
4. Datalog 基数估计
研究内容: Datalog是一种Prolog的衍生逻辑编程语言，多用作推理型数据库，常用于解决程序分析，数据集成等问题。基数估计(Cardinality Estimation)常代指估计某个查询结果集的大小，在此语境下指对Datalog查询结果集大小的估计。
要求：
- 有一定的C++编程能力
- 有较好的数理基础（概率论，算法）
- 对算法感兴趣更好
5. 面向时序流数据的数据分析挖掘算法研究
研究内容：面向实际应用场景中的感知数据，基于统计分析和机器学习方法，实现数据特征提取、趋势预测、异常诊断等相关任务
技术要求：
- 有一定的编程能力(python为主)，对numpy pandas等数据处理工具有所了解
- 了解一定的数据分析思路和方法，例如回归分析、分类聚类算法等，了解深度学习相关知识更佳
6. 面向知识集的逻辑规则挖掘研究
研究内容：面向领域文档、知识图谱等知识载体，实现逻辑规则的自动化挖掘，为推理系统实现数据层面的支撑
技术要求：
- 对自然语言处理、知识图谱感兴趣或有一定了解
- 学习过数理逻辑（谓词逻辑）相关知识更佳
7. 面向海量异构数据的智能治理方法研究
研究内容：面向复杂多源异构数据源，实现统一高效的数据治理平台，基于海量数据挖掘数据潜在关联和复杂时空语义，为企业、单位的数字化转型提供数据支撑。
技术要求：
- 对大数据分析、数据智能治理感兴趣或有一定了解
- 了解现有数据治理平台相关知识更佳
8. 数字孪生及工业软件的构建
研究内容：数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生的核心是模型和数据，但虚拟模型创建和数据分析需要专业的知识，对于不具备相关知识的人员，构建和使用数字孪生任重道远，工业互联网恰恰可以解决上述问题，通过平台实现数据分析外包、模型共享等业务。主要涉及：
- 信息建模技术；
- 系统构建和仿真技术；
技能要求：
- 具有计算机相关专业基础或背景，理解包括分布式计算、数据结构、算法设计等学科；
- 对游戏和虚拟世界计算和通信架构感兴趣，热爱计算机应用和仿真开发；
- 精通 C++， 熟悉 Java，了解 Python；
- 熟练掌握 Linux/Unix 平台指令操作、程序编译及执行；
六、报名方式
发送邮件至 1124730278@qq.com，邮件名称为 IST 纳新报名 + 姓名，邮件内容包括姓名，专业，学号，联系电话，方向志愿（可从8项中选择3项）。我们将在一周内安排选拔面试，并通过邮件通知。