最近有很多計算機專業的大學生和程序員、工程師等在職人士，向彼岸教育咨詢美國伊利諾伊理工大學的計算機碩士項目，想更多地了解課程和教學內容。

彼岸教育從伊利諾伊理工大學計算機科學系要來了一份近期學校的安排的部分課程大綱，包括教師背景和經驗、課程目標、課程內容、考核方式，幫你提前了解修完這些課程，我能學到什么，是否掌握的是核心技術，學到之后有什么用。

如果你的計算機科學基礎比較薄弱，也不用被課程內容嚇到:

• 伊利諾伊理工大學擁有海內外助教與大家交流學術話題；

• 有學習小組可以讓線上學員們交流學習所得，分享解決實踐問題的經驗；

• 彼岸教育還有定期舉辦的線下科技菁英會，邀請行業專家分享領域前沿和從業心得。

伊利諾伊理工大學的教務團隊幫助學生答疑解惑。只要你想學，肯下功夫，沒有什么知識點和作業項目是攻克不了的。

另外，一般情況下計算機科學碩士項目修10門課即可畢業，可以學習以下列舉的部分課程，或者結合如人工智能、數據庫、網絡安全、分布式與云計算等其他方向計算機科學課程。(未列舉全部課程，后續實際授課老師有可能會有所調整)

授課教師：

Michael Choi博士，伊利諾伊理工大學計算機科學碩士和博士學位，自1998年起在校任教，并與2008年起任諾基亞首席工程師兼實驗室高級經理。具有豐富的軟件和工程研發，項目管理和項目交付經驗。專業領域包括網絡管理系統、下一代IP網絡、語音和數據集成網絡等。

課程目標：

本課程是數據結構入門課程，包括各類數據結構和面向對象的編程技術。學生將使用課堂上學習的數據結構和編程方法來構建復雜的項目。

課程內容：

數據結構概論，面向對象編程技術，軟件工程概論，類，對象和應用，抽象數據類型，動態內存，單鏈表和雙鏈表，堆棧，Big-O，字符串，數組，鏈表，繼承，遞歸，二叉搜索樹，排序，映射，圖，散列，軟件項目管理策略，軟件項目模型，算法與實際軟件技巧。

教材：

Object-Oriented Data Structures using Java, 4 th Ed., 2018, Jones and Bartlett, Nell Dale, Daniel T. Joyce, Chip Weems

面向對象數據結構(Java版)

考核方式：

包含日常作業和項目，課堂參與，隨堂測驗，期中考試和期末考試，綜合評定

所有作業通過Github或者Bitbucket上傳共享

課程使用編程語言：Java

日常練習講解示例

授課教師：

Virgil Bistriceanu ，伊利諾伊理工大學計算機博士學位，在IIT承擔教職的同時創辦了一家IT咨詢公司，專業領域包括信息安全，敏捷軟件開發，軟件測試，計算機體系結構。曾獲伊利諾伊州技術協會聚光燈獎。

課程目標：

本課程介紹了計算機系統的內部體系結構，包括微型，小型和大型計算機體系結構。著重于計算機硬件，指令集以及該計算機上高級語言的實現之間的關系。在系統編程方面，該課程教授了復雜的多層軟件系統的組件，包括設備驅動程序，系統軟件，應用程序界面和用戶界面。

課程內容：

計算機體系結構，性能表現衡量方法，指令集設計，尋址模式，存儲器層次結構，緩存，流水線技術，高級C語言編程，流程抽象，流程管理，動態內存分配和垃圾收集，系統級I/O和基本IPC

教材：

Computer Organization and Design, 5th edition, Patterson and Hennessy, Elsevier

計算機組成與設計，第5版(計算機軟硬件基礎經典教材)

https://item.jd.com/11729917.html

Computer Systems: A Programmer's Perspective, 3rd edition, Randal Bryant & David O'Hallaron, Pearson

深入理解計算機系統，第3版(理解計算機系統必讀經典書目)

https://item.jd.com/12006637.html

考核方式：

包含日常作業和項目，期中考試和期末考試，綜合評定

課程使用編程語言：

MIPS匯編語言，C語言

課程使用的SPIM軟件學習MIPS匯編語言

日常練習講解示例

授課教師：

Gady Agam博士，伊利諾伊理工副教授，計算機視覺和機器學習領域專家。?

課程目標：

講解數據挖掘的基本概念、數學基礎和應用算法，讓學生通過實際的編程實踐來掌握數據挖掘的各項應用。

課程內容：

數據處理和可視化、決策樹、各種分類算法、關聯關系算法、聚類算法、異常檢測、互聯網數據挖掘

教材：

Introduction to Data Mining. P.-N. Tan, M. Steinbach, and V. Kumar

數據挖掘導論?

https://item.jd.com/12681764.html

考核方式：

包含日常作業和項目，以及期中考試和期末考試，綜合評定

授課教師：

Ola Tannous博士，麻省大學博士，研究方向包括數據庫系統的可靠性研究等

課程目標：

學會如何針對實際需求建立關系數據模型，分析設計異常，建立實體聯系圖，分析數據之間的關系，分析和設計范式等，可以用SQL語言解決數據庫事務，有能力設計并實現一個基本的具備常見用戶功能的數據庫項目

課程內容：

關系數據庫模型、關系查詢語言、SQL語言學習、實體-聯系(ER)模型、數據庫設計原理和范式、事務處理、并行數據庫

教材：

Database System Concept, Silberschatz, Korth, Sudarshan, McGraw-Hill

數據庫系統概論

https://item.jd.com/26652358074.html

考核方式：

包含日常作業和項目，以及期中考試和期末考試，綜合評定

日常練習講解示例

授課教師：

John Korah博士，伊利諾伊理工助理教授，弗吉尼亞理工大學博士，研究領域包括大規模信息處理、并行與分布式處理、信息檢索等。?

課程目標：

為學生講解信息檢索涵蓋的基本概念、方法、以及常見議題，核心側重在實踐以及相關理論。核心議題包括根據用戶的查詢尋找相關內容的算法和方法。學生可以學會如何建立一套信息檢索系統，以及背后涉及的各類設計與實施相關的挑戰。

課程內容：

搜索的體系架構、信息的索引、可擴展索引、索引壓縮、向量空間模型、語言模型、數據挖掘技巧(分類、聚類)、Page Rank等。

教材：

Introduction to Information Retrieval, Manning, Raghavan, Schütze

考核方式：

包含日常作業和項目，以及期中考試和期末考試，綜合評定

課程使用編程語言和框架：Python

授課教師：

Michael Choi博士，伊利諾伊理工大學計算機科學碩士和博士學位，自1998年起在校任教，并與2008年起任諾基亞首席工程師兼實驗室高級經理。具有豐富的軟件和工程研發，項目管理和項目交付經驗。專業領域包括網絡管理系統、下一代IP網絡、語音和數據集成網絡等。

課程目標：

介紹計算機算法的設計，行為和分析。重點是搜索，排序和組合算法。評估空間和時間使用的最壞情況和平均定界。

課程內容：

算法設計導論，復雜度分析，遞歸關系，分治法排序(快速排序，堆和堆排序)，下限排序，次序統計，二叉搜索樹，平衡二叉搜索樹(紅黑樹，AVL樹)，擴充數據結構，動態規劃，貪心算法，平攤分析，斐波那契堆，并查集，圖，深度優先搜索和寬度優先搜索，最小生成樹問題，最短路徑問題。

教材：

Introduction to Algorithms, 3rd edition, Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein, MIT Press

算法導論，第3版(算法標準教材，國內外1000余所高校采用)

https://item.jd.com/11144230.html

考核方式：

包含日常作業，課堂參與，期中考試和期末考試，綜合評定

課程使用編程語言：Java

日常練習講解示例

授課教師：

Michael Saelee，伊利諾伊理工大學計算機系資深講師，曾經講授過十幾門關于程序設計、計算機系體系結構、操作系統等主題的課程。

課程目標：

學習操作系統的基本原理和知識，掌握操作系統管理的資源和提供的服務，通過理解操作系統的源代碼以及模擬器訓練來掌握知識。

課程內容：

操作系統簡介、進程和線程的基本介紹、系統服務、中斷、異常的處理、內核模式和用戶模式、調度、地址空間、虛擬內存和內存管理、I/O和設備管理、文件系統、并發處理。

參考教材：

Operating Systems: Three Easy Pieces

操作系統導論?

https://item.jd.com/12535621.html

考核方式：

包含日常作業，期中考試和期末考試，綜合評定

課程使用編程語言：C/C++和匯編語言

授課教師：

MustafaBilgic博士，伊利諾伊理工大學副教授，馬里蘭大學計算機科學博士，主要研究方向包括機器學習、信息獲取和決策理論。Bilgic博士在伊利諾伊理工教授數門關于人工智能、機器學習以及概率圖分析領域的課程。

課程目標：

學習自治體的智能控制計算方法，如何用程序來開發靈活的反饋系統，學習啟發式搜索、知識表達、約束條件分析、概率邏輯推斷、決策控制、傳感器解釋。學習的重點在于實際的應用案例。

課程內容：

人工智能發展概論、智能代理、通過搜索解決問題、對抗性搜索、知識表達(命題邏輯、一階邏輯、不確定性表達)、通過邏輯和概率進行的推斷、學習(監督學習、加強學習等)。

教材：

Artificial Intelligence: A Modern Approach, Russel, Norvig

人工智能：一種現代方法(本書為人工智能領域的最經典教材)

https://item.jd.com/11343660.html

考核方式：

包含日常作業和項目，以及期中考試和期末考試，綜合評定

課程使用編程語言：Python

授課教師：

Dennis Hood，伊利諾伊理工大學計算機系碩士專業負責人及講師，在IIT已有20多年的教齡，是一位有著豐富教學經驗的講師，并著有多部關于計算機科學教學研究文獻。

課程目標：

幫助學生建立軟件工程的良好基礎，教會學生如何通過經典的方法以及最新的范例來分析、開發和測試軟件系統，并從技術、財務、人力資源角度研究有關問題。

課程內容：

學習軟件工程的基本原理與實踐方法，主題包括軟件質量的概念、流程模型、軟件需求的分析、設計方法論、軟件測試的方法、軟件維護的方法。并通過實踐來建立一套軟件系統。學生在小組協同作業的過程中學習軟件開發全周期的各項任務。

教材：

Software Engineering (10th Edition), Sommerville

軟件工程

https://item.jd.com/12311942.html

考核方式：

包含日常作業和項目，以及期中考試和期末考試，綜合評定

487日常練習示意

授課教師：

Gady Agam博士，伊利諾伊理工副教授，計算機視覺和機器學習領域專家。?

課程目標：

介紹計算機視覺領域的基礎性話題，幫助學生建立計算機視覺領域的技術理解、數學基礎和算法基礎，基于相關論文進行有關項目研究，完成有關的課程軟件和技術實踐。

課程內容：

計算機視覺領域的簡介(包括應用領域、常用軟件、OpenCV介紹)、圖像的組成與表示(數字表示、幾何模型、仿射變換等)、圖像濾波(卷積、平滑等)、特征提取(邊緣、角、曲線、材質等)、模型匹配、相機參數標定(Camera calibration)、對極幾何(Epipolar geometry)、模型重建、動作捕捉、動作跟蹤、對象識別和形狀表達。

教材：

Computer Vision: Algorithms and Applications

計算機視覺：算法與應用?

https://item.jd.com/37702398741.html

考核方式：

包含日常作業和課程實踐項目，綜合評定

課程使用編程語言和框架：Java/C++/Python, OpenCV/OpenGL

課程目標：

課程專注于計算機網絡協議和體系架構的分析和工程實現，包括內容分發、點對點網絡、路由的原理和設計，網絡的移動性、多媒體網絡的服務質量、網絡的安全和政策研究。

課程內容：

計算機網絡和互聯網、應用層、傳輸層、網絡層、局域網、無線網和移動通信網、多媒體網絡、計算機網絡的安全性、如果管理計算機網絡。

參考教材：

Computer Networking, a Top-Down Approach, Kurose, Ross

計算機網絡：自頂向下方法?

https://item.jd.com/12392810.html

考核方式：

包含日常作業和項目，以及期中考試和期末考試，綜合評定

課程使用編程語言：Java

授課教師：

Ioan Raicu博士，伊利諾伊理工大學助理教授，芝加哥大學博士，并行計算和云計算領域專家，發表過多篇相關論文。

課程內容：

分布式計算模型、并行計算模型、可視化、云計算平臺的體系架構(AWS、微軟Azure、谷歌云等)、面向服務的體系架構、云計算編程、網格計算、點對點網絡計算。

教材：

Distributed and Cloud Computing: Clusters, Grids, Clouds and Future Internet, Hwang, Dongarra, Fox

考核方式：

包含日常作業和項目，以及期中考試和期末考試，綜合評定

授課教師：

Mustafa Bilgic博士，伊利諾伊理工大學副教授，馬里蘭大學計算機科學博士，主要研究方向包括機器學習、信息獲取和決策理論。Bilgic博士在伊利諾伊理工教授數門關于人工智能、機器學習以及概率圖分析領域的課程。

課程目標：

介紹機器學習領域的基礎課題，提供機器學習領域所需的數學概念、算法、以及理解技巧。為學生建立理解機器學習算法局限的理解以及對學習算法表現的分析。

課程內容：

機器學習簡介、回歸算法、核方法(Kernel methods)、生成學習(Generative Learning)、判別學習(Discriminative learning)、神經網絡(Neural networks)、支持向量機(SVM)、圖模型、非監督學習(Unsupervised Learning)、維度降低。

教材：

Machine Learning, Tom Mitchell

機器學習

https://item.jd.com/16007151390.html

考核方式：

包含日常作業和項目，以及期中考試和期末考試，綜合評定

課程使用編程語言和框架：Python

Scikit-learn http://scikit-learn.org/stable/

TensorFlow https://www.tensorflow.org/

Keras https://keras.io/

點擊“

總結

以上是生活随笔為你收集整理的mips汇编计算开方_读美国伊利诺伊理工大学计算机科学硕士能学到什么？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。