本课程是对算法信息动态新领域的概念性介绍，

概念意味着有时我们不会深入细节，

但会给你合适地文献，可以深入挖掘的论文。

我们想要提供一门在其它地方没有的课程，

这门课程的内容从未在教科书中发表过，而且对于一些预备课程，几乎没有网上的课程，

例如可计算性或算法的复杂度。

因此我们将介绍这个令人兴奋的算法信息动态领域，

我们将通过同样令人兴奋的科学领域

来理解更高级的主题和最新的发展。

第一个模块主要是对算法信息动态研究中涉及的许多概念和动机介绍，

特别是我们过去采取的处理

所建立的因果关系或其方法。

因果关系在于开发方法来找到或获取事物发生的真正原因。

我们将简要探讨的这些领域包括哲学和数学逻辑，

传统统计学和经典概率论动力学系统，

以及现在的机器学习。

然后，我们将简要介绍图形和网络，包括数学视角和应用程序，

特别是它们用于表示生物学中

相互作用的方式。

在整个课程中，网络将成为学习的基本对象。

在另一个模块中，我们将引导您完成另一个基本领域，即动态系统领域，

这是理解算法信息动态所需的主要概念之一，我们可以在其中研究随时间演变的系统。

然后我们将面临困难的任务, 概括地介绍了信息理论，可计算性理论和算法复杂性，

这是除了理解算法信息动态领域的动力系统之外的三个最重要的主题。

最后我们将介绍算法信息动态的主要概念

和可重编程的基本概念。

算法信息动力学将所有内容，

网络，演化系统，扰动分析，

复杂性，可计算性和信息理论放在一起，以帮助解决本课程的核心问题，

即找到自然和人工现象的机理原因的。

这就是我们在进入主题之前必须经历大量理论和概念的原因，

因此在进入课程的实际目的之前我们将不得不进行大量的研究。

将有一个由Alyssa指导的练习模块，该模块将根据学生在第一周的

论坛中提出的问题和评论来介绍一些特殊主题。

我们将对这些问题进行排名，Alyssa将围绕学生选择的主题准备讲座。 在最后一个模块中，

我们将探讨算法信息动态的各种应用，

特别是行为，

进化和分子生物学，静态和进化的遗传网络，

以及算法机器学习的新领域，指向未来的研究。

在最后两个模块中，

您将找到一些方法，可以帮助您构建自己的问题，并为您提供使用自己的数据和

工具找到答案的方法。

我们很乐意关注你提出来的这些申请，甚至可以帮助您或在您的

某些项目中与您合作。

那些撰写稿件的人将接受评估，选出最佳申请人，

并邀请他们提交到复杂系统期刊，以传播他们的成果,

这是我们的第一个在线课程，很像在做实验，我们非常感谢您的反馈。

计划是继续更新课程，再次感谢。