莱斯大学|Rice University|Master in Computational Science and Engineering

您的位置：项目库首页 - 莱斯大学 - 计算科学与工程硕士

计算科学与工程硕士

Master in Computational Science and Engineering

综合排名： 15

所属院校：莱斯大学

莱斯大学计算科学与工程硕士项目（M.C.S.E.）由工程学院下多个系联合提供的非论文学位课程，包括计算与应用数学系、计算机科学系、电气与计算机工程系与统计学系。项目旨在通过结合众多行业的广泛实际应用来提供现代计算技术的培训和专业知识。该研究生学位适合那些对技术职位（如计算科学家、计算工程师、大数据分析师）感兴趣的学生，帮助学生在高性能计算和软件开发技术、科学数据分析和可视化等方面做好准备。

申请要求

学术要求：

申请人须持有本科学士学位，GPA3.0以上。

GRE要求：

要求GRE

IELTS/TOEFL要求：

TOEFL：90

学费：46,200美元

申请截止日期：2019秋季：2019年2月1日

专业介绍

序号	课程介绍	Curriculum
1	计算科学I	Computational Science I
2	计算科学II	Computational Science II
3	偏微分方程的数值方法	Numerical Methods for Partial Differential Equations
4	数值分析I	Numerical Analysis I
5	高级数值分析I	Advanced Numerical Analysis I
6	数值优化	Numerical Optimization
7	线性和整数编程	Linear and Integer Programming
8	研究生对象-以编程与设计为导向	Graduate Object - Oriented Programming and Design
9	研究生的编制者建设	Complier Construction for Graduate Students
10	分布式系统	Distributed Systems
11	操作系统和并发编程	Operating Systems and Concurrent Programming
12	多核计算	Multi-Core Computing
13	高级计算机网络	Advanced Computer Networks
14	数据库系统实施	Database System Implementation
15	数据库系统简介	Introduction to Database Systems
16	统计机器学习	Statistical Machine Learning
17	计算机安全简介	Introduction to Computer Security
18	大规模机器学习	Large-Scale Machine Learning
19	人工智能	Artificial Intelligence
20	研究生设计与算法分析	Graduate Design and Analysis of Algorithms
21	现代系统的复杂性	Complexity in Modern Systems
22	虚拟化和云资源管理	Virtualization and Cloud Resource Management
23	高性能计算机架构	High Performance Computer Architecture
24	统计信号处理	Statistical Signal Processing
25	随机过程和应用简介	Introduction to Random Processes and Application
26	计算机视觉简介	Introduction to Computer Vision
27	计算机视觉	Computer Vision
28	计算摄影	Computational Photography
29	移动和嵌入式系统设计与应用	Mobile and Embedded System Design and Application
30	计算机系统架构	Computer Systems Architecture
31	数字信号处理	Digital Signal Processing
32	学习传感器数据	Learning from Sensor Data
33	深度机器学习的实用介绍	A Practical Introduction to Deep Machine Learning
34	神经机器学习I	Neural Machine Learning I
35	概率论	Probability
36	统计推断	Statistical Inference
37	多变量分析	Multivariate Analysis
38	神经机器学习和数据挖掘II	Neural Machine Learning and Data Mining II
39	用于数据科学的R	R For Data Science
40	统计机器学习	Statistical Machine Learning
41	回归和线性模型	Regression and Linear Models
42	高级统计方法	Advanced Statistical Methods
43	图形模型和网络	Graphical Models and Networks