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。
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
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 |