科大学的计算机科学,我们受到日益相互关联的社会,了解就业市场的快速变化,专注于解决一个复杂的世界的挑战。我们的目标是为学生配备等知识深度。我们的程序提供了一个强大的技术基础和计算概念的基本理解,集成计算机和数据科学在学科和行业。
先进我们的硕士学位项目,旨在培养学生通过严格的工作准备好课程,创新研究、经验学习,和一个协作环境丰富教师专业知识。
我们研究博士课程提供学生一个机会参与令人兴奋的项目,一个充满活力的社区,一个具有挑战性的课程,提供领域的广度和深度都在东北大学在计算机科学和跨学科。raybet雷竞技雷竞技app最新版
研究生教育在计算机科学还包括东北顶级合作项目,让学生来补充他们的课堂教育与现实世界的经验。
计算机科学哲学博士
计算机科学的博士课程的目的是培养学生职业生涯的学术界和工业进行发布和展示论文的研究开发系统。严格的课程提供了一个广泛的背景在计算机科学的基础知识和先进的课程在一个广泛的领域。
过去的十年目睹了在东北的国际声誉大幅增加研究和创新的教育项目。自2012年以来,科计算机科学学院聘请了30优秀教员,并计划在未来几年继续这一战略增长,推进它位置美国顶尖研究型大学之一。今天,学院有多样化教师75年,在大范围的工作研究领域。22教师与其他院校共同任命,包括工程、科学、商业、社会科学和人文科学,健康科学,法律和艺术,媒体和设计。
掌握科学的人工智能
的主人在人工智能科学计划的目的是给学生一个全面的框架,人工智能与专业化的五个领域:视觉、智能交互、机器人技术和基于主体系统、机器学习、知识管理和推理。学生将参与一个广泛的核心旨在开发深度在所有核心概念,构建人工智能理论和实践的基础。学生还将有机会建立在人工智能的核心知识通过各种选修课选自大学整个校园探索关键相关领域或更复杂的技术应用。项目毕业生做好积极准备达到研发职位在一个快速增长的领域或进展到doctoral-degree-related字段。
科学数据科学的主人
科大学的计算机科学和电子与计算机工程系共同提供一个跨学科的科学硕士项目数据的科学。这个项目的目的是给学生一个全面的框架推理关于数据的数据。学生将参与广泛的课程旨在发展深度数据收集、存储、检索、操作、可视化、建模和解释。学生也可以选择从各种各样的选修课程产品在库利,工程学院,整个校园探索区域生成数据或专业数据科学应用。学生数据科学的女士计划将完成顶点课程,处理现实世界的数据在程序和应用他们所学到的。成功的项目毕业生做好积极准备实现数据科学家和工程师的位置在一个快速增长的领域或进展相关学科的博士学位。
对齐数据科学理学硕士
学生一致MS-DS程序来自不同的背景,他们将他们现有的知识与数据科学技能。学生将学习的理论基础,并获得丰富的经验与实际问题的学科,包括数据采集、存储、分析、概率建模、模型部署和演示。
在机器人学理科硕士
科学大师的机器人程序,共同提供的库利大学的工程和计算机科学学院在东北,从三个连接的角度看着这个从根本上跨学科领域:机械工程、电气工程和计算机科学。
通过技术上具有挑战性的课程,实践学习,和工业合作社配售,学生有机会获得一个全面的理解算法,控制系统和机制中使用机器人来帮助他们脱颖而出,做一个对社会变革的影响。
关于这个项目的更多信息,请访问学院工程项目页面在这里。
计算机科学专业理学硕士学位
东北的计算机科学专业理学硕士学位的目的是培养学生对各种职业在计算机科学。程序结合domains-enabling学生提高他们的计算和重要应用广泛的知识领域,专注于课程集中选择从一系列选项,包括人工智能、人机交互、图形编程语言,软件工程,数据科学、网络理论、游戏设计、系统和信息安全。
结合计算机科学理学硕士
MSCS-Align学生来自各种背景下本科专业从数学、生物、历史、工程、和经典。在这个程序中,学生有机会获得两个过渡到一个新的职业所需的知识和实际技能构建下一个伟大的应用程序。
毕业证书在云软件开发
毕业证书在云软件开发为不同背景的学生提供了所需的基本技能,从事云计算。通过四航道项目,强调实践性,产业面临经验经由科大学的伙伴关系与领先的云平台公司像AWS,谷歌,和Microsoft-you将获得技术能力,曝光,在任何云计算平台上工作和经验,以及职业生涯构建资源让你在这个不断增长的快车道
在计算机科学研究生证书
postbaccalaureate证书的目的是给学生一个坚实的基础在数学和计算机科学的理论基础,包括离散数学领域,基本编程、数据结构、面向对象编程、算法和计算机系统。证书的目的是提供在计算机科学基础知识是有价值的在工作场所的职业发展以及那些想要进入研究生课程内的纪律。
计算机科学的研究生证书将作为基础premaster对齐的课程计划。
毕业证书在数据分析
数据分析的跨学科研究生证书是通过科大学间的合作机构提供的计算机科学和社会科学和人文学科的大学。证书课程强调的技能需要新兴技术能力和传统决策过程之间的桥梁。程序的目的是为学生提供基础知识在数据科学的课程,包括数据管理、机器学习、数据挖掘、统计、可视化和沟通联系可以应用在任何学科数据驱动决策。
计算机科学课程
CS 5001。密集的计算机科学的基础。(4小时)
介绍了通过编程系统的解决问题。提供学生一个机会来学习如何分析问题,如何分配和组织成适当的组件问题,如何在计算机语言描述问题,如何分析和理解他们的程序的行为,以及如何来测试他们的程序正常工作。此外,引入了一个称为面向对象编程的程序设计方法和各种组织数据的方法,包括讨论的优点和缺点。课程实践的概念,学生进行作业从小,高度特定的编程任务大的开放式问题,学生自己设计和代码的解决方案。
并修课程(s):CS 5003
CS 5002。离散结构。(4小时)
介绍了数学结构和方法,形成了计算机科学的基础。研究结构如集、元组序列,列表、树和图。讨论了函数、关系排序,和等价关系。分析归纳和递归定义的结构和功能。覆盖原则等证明的真值表,归纳证明,和基本的逻辑和计算技术和参数集的大小,需要估计的增长函数和算法的时空复杂度。讨论数组等数据结构,栈,队列,列表和操纵它们的算法。
CS 5004。面向对象的设计。(4小时)
提出了一种比较面向对象编程和设计方法。讨论了对象的概念,类、元类信息,方法,继承和genericity。面向对象语言评论形式的多态性。对比使用继承和组合双软件reuse-forwarding与代表团和子类化技术与子类型化。提供学生一个机会来获得更深的理解面向对象编程的原则和设计,包括软件组件、面向对象的设计模式,使用图形设计符号如UML(统一建模语言)。说明了基本概念与案例研究在应用程序框架和面向对象设计,编写一个Java程序。
先决条件:(CS 5001最低等级的C -或CS 5001最低级的C -);(CS 5002最低等级的C -或CS 5002最低等级的C -)
并修课程(s):CS 5005
CS 5006。算法。(2小时)
介绍了基本原理和技术的设计和实现高效的算法和数据表示。认为分治算法,图遍历的算法,线性规划和优化技术。包括代表数据的基本结构,如哈希表、树和图。
CS 5007。计算机系统。(2小时)
介绍了计算系统的基本设计、计算机操作系统、汇编语言使用RISC体系结构。描述了缓存和虚拟内存。涵盖了汇编语言和高级语言之间的接口,包括调用帧和指针;使用系统调用和系统编程显示与操作系统交互;和一个操作系统的基本结构,包括应用程序接口,进程,线程,同步、进程间通信、死锁、内存管理、文件系统、和输入/输出控制。
CS 5008。数据结构,算法,以及他们的应用程序在计算机系统内。(4小时)
提出了一种集成方法的研究数据结构,算法,以及他们的应用程序在系统主题。介绍了各种基本算法技术(分治法、动态规划、图算法)和系统主题(模型计算、计算机体系结构、编译、系统软件、网络)。展示主题的集成通过C语言的编程任务,实现基本的数据结构(列表、队列、树、地图、图表)和算法应用于计算机系统。额外的广度主题包括编程应用程序暴露学生原语不同的子系统使用线程和套接字。
先决条件:(CS 5001最低等级的C -或CS 5001最低级的C -);(CS 5002最低等级的C -或CS 5002最低等级的C -)
并修课程(s):CS 5009
CS 5010。编程设计范式。(4小时)
介绍了现代程序设计范例。从功能程序设计,引入的概念设计配方。后者包括两个部分:一个任务组织(从数据的描述创建一个测试套件)和面向数据的组织方法程序(从原子数据自我参照的数据定义和功能数据)。然后发展到面向对象设计,解释它如何推广和与功能设计。除了学习程序设计,学生也有机会实践结对编程和公共代码评审技术,今天的行业中。
并修课程(s):CS 5011
CS 5081。人机交互的可访问性和包容性。(2小时)
涵盖了用户体验的基础。强调如何将可访问性和可用性增强用户体验在日常产品和服务对每个人,包括老年人和残疾人。
CS 5097。混合现实。(4小时)
旨在提供一个坚实的基础在虚拟和现实增强技术的基本原理,一般定义为混合现实(XR),开发XR应用程序和实践经验。提供学生一个机会进入这蓬勃发展的研究领域和实践在计算机科学。鉴于XR环境的复杂性,本课程综合理论和实践知识从不同的学科,包括计算机图形学中,3 d界面,人机交互,跟踪系统,与知觉心理学(等等)。XR技术最近见证了感兴趣的复苏。
CS 5100。人工智能的基础。(4小时)
介绍了基本问题、理论和人工智能领域的算法。主题包括启发式搜索和游戏树、知识表示使用谓词演算,自动扣除及其应用,解决问题和规划,介绍机器学习。必修课程工作包括建立工作程序解决问题,逻辑上的理由,和/或使用技术在改善自己的性能。需要在Java编程经验。
属性(s):NUpath顶石的经验,NUpath写密集型
CS 5150。游戏人工智能。(4小时)
提供了一个概述的古典和现代人工智能方法在数字游戏。关注创建可信代理和环境的目的,为玩家提供一个有趣和引人入胜的体验。涵盖了球员建模、过程内容生成行为树、交互式叙事,决策系统,认知建模和路径规划。探讨不同方法生成行为,包括学习和基于规则的系统。要求学生完成几个个人作业在这些领域应用类的概念。学生选择一组最后一个项目,需要一份报告,探讨人工智能的游戏的一个方面进一步的深度。为学生提供了一个学习团队管理和沟通的机会。需要知识的算法和面向对象设计经验或函数式编程。
属性(s):NUpath顶石的经验,NUpath写密集型
CS 5170。人工智能的人机交互。(4小时)
提供了一个广泛的概述人工智能技术,利用人类的知识领域和促进人类和系统之间的交互,调解人与人之间交互,利用人类来改善系统性能,促进有益成果在社会和个人层面。话题可以包括AI /人计算,计划和活动识别、智能传感/家庭,主动学习,启发的偏好,智能/自适应用户界面,和人类主体混合模拟。研究如何设计和开发智能交互技术同时也批判性地评估他们的社会和道德的影响。
先决条件:CS 5010最低级的C -;CS 5100最低级的C -;CS 5800最低级的C -;CS 6140最低等级的C -
CS 5180。强化学习和序贯决策。(4小时)
介绍了强化学习和底层计算框架和马尔可夫决策过程框架。涵盖了各种各样的强化学习算法,包括基于模型、模范自由、价值功能、政策梯度,actor-critic和蒙特卡罗方法。检查常用的表征包括深度学习表现和部分可观测的方法问题。学生预计将有一个工作的概率和线性代数知识,完成编程任务,完成一个课程项目,某种形式的强化学习适用于感兴趣的一个问题。
CS 5200。数据库管理系统。(4小时)
介绍了关系数据库管理系统软件系统的一个类。旨在培养学生成为复杂的数据库管理系统的用户。封面设计理论、查询语言和性能/调优问题。主题包括关系代数、SQL存储过程、用户定义函数,游标,嵌入式SQL程序,客户端-服务器接口、实体关系图、正常化,b树,并发、事务、数据库安全、约束、对象关系dbms和专业引擎如空间、文本、XML转换和时间序列。包括练习使用商业关系或对象关系数据库管理系统。
属性(s):NUpath分析/使用数据
CS 5310。计算机图形学。(4小时)
介绍了二维和三维计算机图形学的基本原理,重点是方法获取现实的图像。包括二维算法来画直线和曲线,反锯齿,填充和剪裁。研究呈现三维场景组成的球体,多边形,二次曲面表面,和bi-cubic表面使用射线追踪和热辐射。包括技术添加纹理的表面使用材质和凹凸贴图,噪音,和动荡。需要线性代数的知识。
先决条件:数学2331最低级的D -或研究生项目录取
属性(s):NUpath顶石的经验,NUpath写密集型
CS 5330。模式识别和计算机视觉。(4小时)
介绍了基本的低级和高级计算机视觉技术。检查图像形成、早期处理、边界检测、图像分割、纹理分析、从明暗恢复形状,光度立体,通过光流运动分析,对象建模、形状描述和对象识别(分类)。讨论了人类的视觉模型(完形效果,纹理感知,主观轮廓,视觉错觉,视运动,心理旋转,和巨大的愿景)。需要线性代数的知识。
先决条件:数学2331最低级的D -或研究生项目录取
CS 5335。机器人科学和系统。(4小时)
介绍了自主移动机器人重点算法和软件开发,包括闭环控制,机器人软件架构,轮式运动和导航,触觉和基本视觉传感、障碍检测和避免,掌握和操纵的对象。提供学生一个机会,逐步构建移动机器人从预先设计的机电设备。机器人控制软件无线的学生提供自己的设计,建立在一个机器人软件框架。高潮在项目连接算法和硬件开发的课程与选题在当前机器人技术研究文献。
CS 5340。计算机/人工交互。(4小时)
介绍了人机交互的原则和用户界面的设计和评价。主题包括概述人类的信息处理子系统(感知、记忆、注意力和解决问题);这些系统的属性如何影响用户界面的设计;原则、指南和规范语言设计良好的用户界面,与强调工具和库的标准图形用户界面对象;和各种接口的评价方法,可以用来测量软件的可用性。其他主题包括万维网设计原则和工具,计算机支持协同工作,多通道和“下一代”接口,语言和自然语言接口,接口和虚拟现实。课程包括原始的创建和实现用户界面的设计,以及用户界面的评估由其他人创建的。需要知识的C编程语言/ UNIX。
CS 5400。编程语言的原则。(4小时)
研究的基本组件编程语言,语法和语义的规范,编程语言特性的描述和实现。讨论的例子从不同的语言。
先决条件:CS 5010最低等级的D -或CS 5004最低等级的B -或CS 5010最低级的C -(研究生)
CS 5500。软件工程的基础。(4小时)
包括软件工程的基础,包括软件开发生命周期模型(如瀑布、螺旋、敏捷);需求分析;以用户为中心的设计;软件设计原则和模式;测试(功能测试、结构测试,测试策略);代码重构和调试;软件架构和设计;和集成和部署。包括一个课程项目,一些软件工程方法的应用(从需求分析到测试)在团队环境中。女士要求入学程序或完成所有过渡课程。
先决条件:CS 5010最低的D级或CS 5004最低等级的C或CS 5010最低级的C
属性(s):NUpath写密集型
CS 5520。移动应用程序开发。(4小时)
专注于移动应用程序开发一个手机或相关平台。讨论了内存管理;用户界面的构建,包括MVC原则和特定的工具;触摸事件;数据处理,包括核心数据、SQL、XML和JSON。网络技术和URL加载;最后,细节如GPS和动作感觉可能依赖于特定的移动平台。学生预计将工作项目生产专业品质的移动应用程序和证明他们已经开发出的应用程序。老师选择现代移动平台使用过程中。
CS 5600。计算机系统。(4小时)
研究结构、组件设计、实现和内部操作的计算机系统,主要关注操作系统级别。检查计算机硬件和结构包括算术和逻辑单元,控制单元。涵盖了当前操作系统组件和施工技术,包括内存和内存控制器,I / O设备管理,设备驱动程序,内存管理,文件系统结构和用户界面。介绍了分布式操作系统。讨论问题引起的并发性和分布,如并发进程的调度,进程间通信和同步、资源共享和分配,管理和解决死锁。包括例子从真正的操作系统。使学生通过编程练习系统的概念。女士要求入学程序或完成所有过渡课程。
CS 5610。Web开发。(4小时)
讨论了动态Web开发的网站,数据驱动和互动。侧重于软件开发集成多种语言的问题,各种数据技术和网络交互。认为ASP。净、c#、HTTP、HTML、CSS、XML、XSLT, JavaScript AJAX, RSS / Atom、SQL和Web服务。每个学生都必须单独部署Web设计实验,说明了网络技术和至少一个主要综合网站项目。学生与老师的许可在团队中工作。每个学生或团队还必须创建丰富的文档的目标,计划,设计决策,成就,和用户指南。所有的源文件都必须开放和自动由一个源服务器。
属性(s):NUpath顶石的经验,NUpath写密集型
CS 5700。计算机网络的基础。(4小时)
网络协议的研究,侧重于建模和分析,架构。介绍了建模概念,强调排队论,包括小定理,M / M / 1 M / M / M M / D / 1, M / G / 1排队系统。讨论了计算机网络的性能评估包括性能指标、评价工具和方法,仿真技术和局限性。提出了不同的协调沟通和高效的计算机网络操作所需的功能,讨论了以太网的例子,FDDI和无线网络。链路层协议包括为、购买力平价和滑动;包框架;生成树和学习桥梁、错误检测技术和自动重发请求算法;滑动窗口和可靠/订购服务;和排队学科包括FQ WFQ。介绍了流控制方案,如窗口流控制和漏桶速率控制方案,并讨论了拥塞控制和公平。 Requires knowledge of probability theory.
CS 5800。算法。(4小时)
介绍了数学技术用于计算机算法的设计与分析。专注于算法设计范式和技术分析的正确性,时间和空间复杂度的算法。话题可能包括渐近符号,复发,循环不变式,霍尔三元组,排序和搜索、高级数据结构,下界,哈希,贪婪算法、动态规划、图算法,和np完全。
属性(s):NUpath正式/定量推理
CS 5850。建立游戏引擎。(4小时)
探讨了游戏引擎的组件和策略为他们的软件实现。包括图形管理算法(动画、场景图的详细级别);基本的人工智能算法(搜索、决策、传感);和相关算法问题(网络、线程、输入处理)。探讨了使用数据驱动的软件设计。提供学生一个机会来使用渲染引擎,构建和集成多个软件组件来创建一个完整的游戏引擎。要求学生对个人工作任务,然后开发一个项目在一个团队中,需要一个报告。为学生提供了一个机会去学习团队/项目管理;工作部门;团队沟通; and the software development cycle of implementation, testing, critique, and further iteration. Requires knowledge of computer graphics, differential calculus, operating systems concepts, and algorithms.
CS 5933。先进的计算机科学教师的话题。(4小时)
提供学习者想要被认证为k - 12计算机科学教育工作者一个先进的编程课程。涵盖了GUI开发和事件驱动的编程,介绍建模与仿真,计算机网络和安全基础,以及主题相关计算机科学艺术的状态。
CS 5934。包括计算机科学概论教学。(4小时)
介绍了教学计算机科学(CS) k - 12年级。与其他领域则整合了CS概念。包括使用多语种learners-examining学生身份对CS和探索策略建立一个包容性的CS教室。提供学生一个机会来设计和实践实施CS各年级的课程教案,探索当前计算机科学教育研究和建立一个投资组合的教学资源。
CS 5963。的话题。(1、2小时)
提供学生一个机会去了解及时的问题,开发新的技能,或者探索一个身临其境的广泛兴趣的领域,双方的格式。通过提供不同内容和讲师。
CS 5964。项目专业人员。(0小时)
为学生提供了一个应用项目设置的应用他们的课程学习。与赞助商合作,学生提炼应用研究课题,进行研究、发展建议与合作伙伴共享的赞助商,并创建一个计划来实现他们的建议。寻求受益学生课程,支持关键业务沟通技巧的发展,项目和客户管理技能,并为业务分析框架。提供学生一个机会向赞助商反馈学习,复习的经验教训,并整合建议本文改进和进一步发展他们的职业发展和职业计划。可能重复两次。
CS 5965。与行业合作伙伴的专业人士。(0小时)
为学生提供了一个增强的应用项目设置的应用他们的课程学习。与赞助商合作伙伴合作,学生提炼应用研究课题,进行研究、发展与合作伙伴共享的建议赞助商,并创建一个计划来实现他们的建议。课程支持学生发展关键的业务沟通能力,项目和客户管理技能,并为业务分析框架。提供学生一个机会向赞助商反馈学习,复习的经验教训,并将建议改进和进一步磨练他们的职业发展和职业计划。职业发展机会通过技巧的研讨会、面板和面试准备是可用的。Partner-student交互,包括最终项目报告,允许合作伙伴评估学生潜力,实习或其他就业机会与合作伙伴。
CS 5976。直接研究。(2 - 4小时)
关注学生检查标准计算机科学计算机科学材料新方法或新材料中未涉及正式课程。可能是重复三次。
CS 6120。自然语言处理。(4小时)
介绍人类语言的计算模型,正在努力创建计算机程序,可以在自然语言与人沟通,和当前的应用自然语言领域,例如自动文档分类、智能查询处理和信息提取。主题包括语法和自动解析计算模型,统计语言模型和分析大型文本主体之一,自然语言的语义和程序理解语言、话语结构、模型和语言使用智能代理。课程包括正式的和语言模型的数学分析,并实施工作分析和解释自然语言文本的程序。
CS 6140。机器学习。(4小时)
提供了一个广泛的看各种用于机器学习和数据挖掘技术,并讨论了相关的问题和他们的使用。主题包括监督学习算法包括决策树归纳、人工神经网络、基于实例的学习,概率方法,支持向量机;无监督学习;和强化学习。还包括计算学习理论和其他performanceof学习算法分析和测量方法。课程包括一个编程项目。
先决条件:CS 5800最低等级的C -或CS 7800最低等级的C -
CS 6200。信息检索。(4小时)
介绍信息检索系统和不同的信息检索方法。主题包括评价信息检索系统;检索、语言和索引模型;文件的组织;压缩;相关性反馈;聚类;分布式检索和元搜索;概率信息检索方法;Web检索; filtering, collaborative filtering, and recommendation systems; cross-language IR; multimedia IR; and machine learning for information retrieval.
CS 6220。数据挖掘技术。(4小时)
数据挖掘涉及的各个方面,包括分类、预测,整体方法,关联规则,序列挖掘和聚类分析。矿业类项目涉及动手实践有用的知识从一个大数据集。
先决条件:CS 5800最低等级的C -或CS 7800最低等级的C -
CS 6240。大规模并行数据处理。(4小时)
涵盖了大数据分析技术,规模和计算节点数量的增加,例如,对于云计算。强调方法问题和数据分区,有效分配工作,在保持总成本计算和数据传输低。研究和分析确定性和随机算法从不同的领域,包括图表、数据挖掘、线性代数,和信息检索的成本,对斜可伸缩性和健壮性。课程强调动手编程经验与现代先进的大数据处理技术。学生不符合课程的先决条件可能会寻求老师的许可。
先决条件:CS 5800最低等级的C -或CS 7800最低等级的C -或EECE 7205最低等级的C -
CS 6350。实证研究方法。(4小时)
概述在计算机科学方法进行实证研究。这些方法提供客观的关于可用性的问题的答案,有效性和可接受性的系统。课程涵盖了基本的科学方法,从客观的调查措施使用相对简单的假设检验的基本原理研究设计,以及更先进的研究设计和统计方法。课程还包括大量的田野调查,涵盖设计、行为,表示小的实证研究。
CS 6410。编译器。(4小时)
希望每个学生写一个小的编译器。主题包括解析器生成、抽象语法树、符号表、类型检查,生成中间代码,简单的代码改进,寄存器配置,运行时结构和代码生成。
先决条件:CS 5400最低等级的C -或CS 7400最低等级的C -
属性(s):NUpath顶石的经验,NUpath写密集型
CS 6510。先进的软件开发。(4小时)
旨在整合学术概念和软件设计的实践经验,学生工作作为编程团队的一部分,有一个选项来领导一个子团队。提供学生一个机会学习、深入开发过程的某些方面。我们的目标是让学生参与一个大型项目,需要时间来反映和分析工作和过程,而不是只关注最终的产品。学生不符合课程的先决条件可能会寻求老师的许可。
先决条件:(CS 5004最低等级的B -或CS 5010最低级的C -);CS 5500最低等级的C -
CS 6620。云计算的基本原理。(4小时)
涵盖了云计算的基本原理,包括虚拟化和容器、分布式文件系统和对象存储,基础设施作为服务平台,开源云平台,关键大数据平台和数据中心规模系统的主题。结合课堂材料通过讲座,从文献阅读,学生演讲,一个学期的软件项目。
CS 6650。构建可伸缩的分布式系统。(4小时)
包括分布式的基本要素,并发系统和以知识为基础工程原则和实践经验与先进的技术和方法来构建可伸缩的系统。可伸缩性是一个重要的质量面向internet的系统,需要专门的技能和知识来构建系统,以低成本规模。
CS 6710。无线网络。(4小时)
涵盖了无线网络相关理论问题和实际系统对无线数据网络和蜂窝无线通信系统。主题包括无线电通信原理、信道多址方案,无线局域网,在多次反射临时无线网络路由,移动IP、TCP改进无线链接,移动通信系统和无线网络的服务质量。需要一个地址的项目一些最近的研究问题在无线和移动网络。
先决条件:CS 5700最低等级的C -或CS 5700最低等级的D -
CS 6760。隐私、安全性和可用性。(4小时)
挑战传统智慧,鼓励学生发现方式,安全,隐私,在系统设计和可用性可以协同。可用性和安全性被广泛认为是两个对立的复杂的计算机系统的设计目标。主题包括计算机取证、网络取证、用户界面设计、备份、日志记录、经济影响因素采用的安全技术,信任管理,以及相关的公共政策。使用案例研究PGP, S / MIME和SSL。介绍了基本的加密和哈希函数,因为它是必要的。课程包括论文的分析,问题集,大量的学期专题。
CS 6949。职业准备。(1小时)
设计为合作社/实习使用准备研究生职业生涯准备模型。主题包括目标设定、简历写作、采访、求职策略,在工作场所和职业精神。提供学生一个机会发展的职业目标,学会识别和获取的工具和能力评估他们所知道的,需要知道在实现自己的职业目标,并证明他们需要通过合作学习/实习经验转移到/从他们的学术计划未来的职业。学生打算参加合作社或实习必须圆满完成这门课程,这通常是在学生的第一学期。
CS 6954。合作社工作经验——半场。(0小时)
为符合条件的学生提供了一个工作经验的机会。可能是无限重复。
CS 6962。选择性。(1 - 4小时)
提供选修学分课程在其他学术机构。可能是无限重复。
CS 6964。合作社工作经验。(0小时)
为符合条件的学生提供了一个工作经验的机会。可能是无限重复。
CS 6965。合作社海外工作经验。(0小时)
为符合条件的学生提供了一个在国外工作经验的机会。可能是无限重复。
CS 7140。先进的机器学习。(4小时)
涵盖的话题在先进的机器学习。提出了材料在当前机器学习文学。关注图形模型,潜变量模型、贝叶斯推理和非参数贝叶斯方法。旨在培养学生做机器学习的研究。预计学生阅读会议和期刊文章,这些文章,和写一个单独的研究论文。CS 7140和EECE 7397跨境上市。
先决条件:CS 6140最低等级的C -或EECE 7204最低等级的C -或EECE最低等级的C - 7313
CS 7150。深度学习。(4小时)
介绍了深度学习,包括统计学习框架,经验风险最小化,损失函数的选择,完全连接层,卷积层、汇聚层,批处理规范化,多层感知器,卷积神经网络,autoencoders, U-nets,残余网络、梯度下降法,随机梯度下降法,反向传播,autograd,神经网络的可视化特性,鲁棒性和对抗性的例子,可解释性,不断学习,和应用程序在计算机视觉和自然语言处理。假设学生已经有了一个机器学习的基本知识,优化,线性代数,统计数据。
先决条件:CS 6140最低等级的C -或DS 5220最低等级的C -
CS 7180。特殊的主题在人工智能。(4小时)
人工智能提供各种主题。可能重复两次。
CS 7200。计算机科学的统计方法。(4小时)
介绍了在应用统计学概念。包括频率论者和贝叶斯特征的不确定性持续和分类数据,实验设计的原则和方法的因果推论。论述了方法论的基础,以及实际实现和使用的问题。
CS 7240。可伸缩的数据管理原则:理论,算法和数据库系统。(4小时)
涵盖了算法,核心原则和基本概念用于管理数据的规模。主题包括数据模型、查询语言查询执行和优化,查询执行的复杂性和查询能力,数据流处理、并行数据处理、事务、线性和关系代数,分解和逻辑的不确定性。需要标准的CS算法和硬度的知识(例如,一个典型的本科类基于标准算法教科书Ericson等;科尔曼、雷瑟尔森,莱维斯特和斯坦;或Dasgupta Papadimitriou, Vazirani)。提供学生一个机会来获得实践经验通过较小的任务和项目。这个项目是灵活的,允许学生去探索可伸缩的数据管理和分析方面与他们的博士研究。
CS 7250。信息可视化:理论和应用程序。(4小时)
涵盖了基础以及当代主题感兴趣的数据可视化,使跨学科的有效表示数据,包括例子来自计算机科学、物理科学、生物科学、人文、和经济学。主题包括数据可视化理论和方法、可视化设计和评估,视觉感知和认知、交互原则,和数据编码和表达技巧。学生不符合课程的限制可能会寻求老师的许可。
CS 7260。可视化网络科学。(4小时)
涵盖了信息可视化的原则在特定背景下的网络科学。介绍了视觉编码的数据和我们理解人类的视觉和知觉;交互原则包括滤波、旋转、聚合;量化和人类被试评价技术。介绍了可视化技术几个网络类型,包括多元网络对实体和关系属性,发展和随时间变化的动态网络,与多种类型的异构网络实体,和地理空间网络。提供学生一个机会去了解node-link和矩阵的设计布局算法的可视化。
CS 7280。专题数据库管理。(4小时)
提供了各种话题。可能的领域包括面向对象的数据库系统和分布式数据库系统。可能重复两次。
CS 7290。专题数据的科学。(4小时)
提供专题数据的科学,包括机器学习、统计、数据挖掘、并行和分布式数据分析、数据库系统、信息检索、知识表示、信息可视化、自然语言处理、计算生物学和生物信息学、计算社会科学,数字人文、健康信息,业务,预测分析。可以重复一次长达8总学分。
CS 7295。专题数据可视化。(4小时)
在数据可视化提供了各种话题。可以重复一次。
CS 7300。实证研究了人机交互的方法。(4小时)
介绍概念与人类相关主题研究人机交互和个人卫生信息学。论述了方法论的基础,以及实际实现和使用的问题。概述最常见的实验设计中使用这些字段,和应该如何提出,研究,分析,记录出版。包括定性方法,包括面试和小组讨论,归纳定性数据分析方法。方法讨论的课程是有用的在任何的科学领域,包括科学方法的应用情况,涉及人与计算机交互构件或系统,包括观察、假说的形成,测量,和描述性和推论统计分析。
CS 7340。人机交互理论和方法。(4小时)
涵盖了人类的基础能力,计算构件,设计和评估。人机交互问题的设计和评估软件基于一个深刻的理解人类如何与计算机交互,设备和传感器。合并理论从心理学和计算机科学领域,利用人工智能的方法和设计。介绍了认知、感知和情感理论和个体差异理论,使我们更好地设计和开发计算机软件和系统。还包括研究方法对计算机软件系统的设计和评估。的上下文中讨论下一代互动模式包括传感器、触觉,衣物和表述行为的接口。学生不符合课程的限制可能会寻求老师的许可。
CS 7380。特殊的主题图形/图像处理。(4小时)
提供各种专题图形/图像处理。可能重复两次。
CS 7390。特殊的主题以人为中心的计算。(4小时)
在以人为中心的计算提供了各种各样的主题。
CS 7400。编程语言的强化原则。(4小时)
研究的基本组件编程语言,语法和语义的规范,编程语言特性的描述和实现。讨论的例子从不同的语言。
CS 7430。正式规范、验证和合成。(4小时)
包括软件和系统建模(如何正式描述软件和系统的行为);规范(如何正式状态属性,系统应该有);验证(如何检查是否以及最终让系统满足其规范);和合成(如何自动生成软件和系统“correct-by-construction”)。
CS 7480。特殊主题的编程语言。(4小时)
提供了各种主题的编程语言。可能重复两次。
CS 7485。特殊的主题在正式的方法。(4小时)
提供各种主题在正式的方法。可能是无限重复。
CS 7580。在软件工程中特殊的主题。(4小时)
软件工程提供了各种话题。可能重复两次。
CS 7600。密集的计算机系统。(4小时)
研究结构、组件设计、实现和内部操作的计算机系统,关注操作系统级别。检查计算机硬件和结构包括算术和逻辑单元,控制单元。涵盖了当前操作系统组件和施工技术,包括内存和内存控制器,I / O设备管理,设备驱动程序,内存管理,文件系统结构和用户界面。讨论了分布式操作系统,实时系统,解决了并发进程,调度、进程间通信和同步。讨论了相关的分布式算法。为可取的属性还包括设计和分析技术在计算机系统包括功能正确性(没有错误),性能和吞吐量,容错和可靠性、实时响应、安全性和服务质量。例子来自真正的操作系统。强调抽象,而编程练习是用来促进概念的理解。
CS 7610。分布式系统的基础。(4小时)
涵盖了基本概念的设计和实现高效、可靠的分布式计算系统。包括网络通信协议、容错计算、同步协议、同步和异步计算,动态组通信系统、负载平衡、拜占庭模型,分布式哈希表,分布式文件系统和应用程序的基本概念到现代分布式系统。需要操作系统的知识;例如,系统和网络的本科,计算机系统或网络和分布式系统。
CS 7670。研讨会在计算机系统中。(2 - 4小时)
使学生有机会读和现在的各种调查和研究论文在计算机系统中。教师每个学期都会有从主管和主题。可能重复的博士生。
先决条件:CS 5600最低等级的C -或CS 5600最低等级的D -或CS 7600最低等级的C -
CS 7675。硕士研究。(4小时)
使学生在计算机科学领域的研究。探索如何科学方法应用于这些领域,覆盖的广度分区存在的专业。提供学生一个机会去练习如何在不同的分区定位和阅读科学文献。
CS 7680。在计算机系统中特殊的主题。(4小时)
计算机系统提供了各种话题。可能重复两次。
CS 7775。在计算机安全研讨会。(2 - 4小时)
使学生有机会读和现在的各种调查和研究论文在密码学和计算机安全。教师每个学期都会有从主管和主题。可能重复的博士生。
CS 7780。特殊的主题网络。(4小时)
在网络上提供的各种话题。可能重复两次。
CS 7800。先进的算法。(4小时)
提出了先进的数学技术设计和分析的计算机算法。评论的一些材料覆盖CS 5800然后介绍了先进的主题。强调理论基础的技术用于解决出现的问题在不同的领域。主题包括渐近分析、高级数据结构、动态规划、贪心算法和拟阵理论,平摊分析,随机化,字符串匹配,代数算法和近似算法。介绍了图灵机、P与NP类多项式时间可约性,和NP完全性。
CS 7805。复杂性理论。(4小时)
在计算复杂度涵盖了核心主题,包括np完全,时间和空间复杂性,多项式层次结构,电路复杂性,概率计算,互动证明,硬度近似。移动到更高级的主题,可能包括下界,伪随机数,密码学,和沟通的复杂性。
先决条件:CS 7800最低等级的C -
CS 7810。密码学的基础。(4小时)
提供学生在博士水平加速介绍密码学和很快发展到高级的主题,在当前研究的前沿。加密是保护信息的科学与敌对的窃听和篡改。检查什么样的安全属性可以通过单纯依赖概率和信息理论,没有限制对手的计算能力。研究现代密码学的complexity-theoretic基础和计算硬度和pseudo-randomness之间的联系。探索课程的重要组成部分,如何花几被充分研究过的问题在数论和代数和使用它们来构建功能强大的密码与先进的功能和安全属性。之前需要完成一个本科的理论计算。
CS 7880。在理论计算机科学专题。(4小时)
涵盖了各种各样的主题包括先进的加密技术,近似算法,复杂性理论,计算代数、分布式计算、形式验证、网络算法,在线计算,并行计算,随机性和计算。可能重复两次。
CS 7930。有效的科学写作在计算机科学。(2小时)
介绍的原则和实践在计算机科学及相关领域的技术交流。强调概念,如类型、结构、参数,和观众的期望。专注于科学研究的故事以及它如何体现在书面风格喜欢抽象,研究声明,和会议论文,部分课程的关注表示设计和交付。
CS 7962。选择性。(2 - 4小时)
提供选修学分课程在其他学术机构。可能是无限重复。
CS 7976。直接研究。(2 - 4小时)
关注学生检查标准计算机科学计算机科学材料新方法或新材料中未涉及正式课程。可能是无限重复。
CS 7980。顶石。(4小时)
为学生提供了一个最终的经验证明精通关键概念学习在整个程序的核心和选修课程。旨在加强概念在研究道德和基本概念,除了强调技术原则了解整个程序。
先决条件:(CS 5004最低等级的C -或CS 5010最低级的C -);CS 5800最低等级的C -
CS 7986。研究。(0小时)
提供学生一个机会在老师监督下进行全职的研究。
CS 7990。论文。(4小时)
提供选择的协议项目主管工作。
CS 8674。硕士项目。(4小时)
提供选择的协议项目主管工作。可以重复一次。
CS 8949。研究工作经验。(0小时)
提供了一个机会对于所有博士生从事行业研究领域的论文。博士生注册本课程开始前他们的校外实习。可能是无限重复。
CS 8982。读数。(1 - 8小时)
提供选择阅读的监督下教员。可能是无限重复。
CS 8986。研究。(0小时)
提供了一个机会在老师监督下进行全职的研究。可能是无限重复。
CS 9000。博士候选人资格。(0小时)
表示成功完成博士综合考试。
DS 5010。编程的数据科学概论。(4小时)
入门课程提供基础编程和数据结构。包括列表、数组、树、哈希表、等;程序设计、编程实践、测试、调试、可维护性、数据采集技术和数据清洗和预处理。包括一个课程项目,学生使用从网上收集数据所介绍的概念,清洁和预处理数据,并使其为分析做好准备。
DS 5020。介绍线性代数和概率数据的科学。(4小时)
入门课程提供基本的统计,概率和线性代数。包括随机变量、频率分布、集中趋势测量,分散的措施,时刻的分布、离散和连续概率分布,链式法则,贝叶斯规则,相关理论,基本的抽样,矩阵运算,跟踪矩阵,规范,线性独立和排名,逆矩阵,正交矩阵,范围和零空间的一个矩阵,矩阵的行列式,半正定矩阵,特征值,特征向量。
DS 5110。介绍了数据管理和处理。(4小时)
向学生介绍数据科学的核心任务,包括数据收集、存储、整理、转换、处理、管理和建模的目的从原始观测数据中提取知识。编程是一个横切方面的课程。提供学生一个机会去获得经验与数据科学任务和工具通过短作业。包括一项基于真实数据的项目。
DS 5220。监督机器学习和学习理论。(4小时)
介绍了监督机器学习,研究和设计的算法,使电脑/机器学习经验或数据,给出的例子数据与一个已知的结果。提供了一个广泛的监管决策模型和算法。讨论背后的方法论基础模型和算法,以及实际实现和使用的问题,评估和技术性能。包括一个学期专题涉及编程和/或处理现实世界的数据集。需要精通一门编程语言如Python, R,或MATLAB。
DS 5230。非监督机器学习和数据挖掘。(4小时)
介绍了非监督机器学习和数据挖掘,这是一个过程,从大量的数据中发现和总结模式,没有感兴趣的数据与一个已知的结果的例子。提供了一个广泛的无监督数据浏览视图的模型和算法。讨论背后的方法论基础模型和算法,以及实际实现和使用的问题,评估和技术性能。包括一个学期专题涉及编程和/或使用真实的数据集。需要精通一门编程语言如Python, R,或MATLAB。
DS 5500。顶石:应用程序数据的科学。(4小时)
提供学生一个顶点的机会练习数据科学技能在以前的课程和建立一个投资组合。学生练习可视化、数据争吵和机器学习能力运用他们学期的学期项目真实的数据。学生可以提出自己的项目或选择从行业选择选项。强调整体数据科学过程,包括识别的科学问题,选择适当的机器学习方法和可视化和沟通的结果。课程可能包括额外的话题,包括可视化、通信和数据科学道德。
先决条件:(CS 5800最低等级的C -或EECE 7205最低级的C -);DS 5110最低级的C -;DS 5220最低级的C -;DS 5230(同时可以),最低等级的C -
DS 6962。选择性。(1 - 4小时)
提供选修学分课程在其他学术机构。可能是无限重复。
DS 7990。论文。(4小时)
提供选择的协议项目主管工作。
DS 7995。项目。(1 - 4小时)
提供学生一个机会参与直接数据科学项目的监督下教员。可以重复一次总共8学分。
DS 8982。读数。(1 - 8小时)
提供选择阅读的监督下教员。可能是无限重复。