自动推理和验证
本课程旨在提供对命题逻辑、一阶逻辑的基础以及用于建模和推理指定程序属性的重要理论的理解。它涵盖了构成解析推理系统和 SAT 和 SMT 求解器中使用的 DPLL 推理算法基础的实践和理论技术和结果。安全协议的验证和自动分析被作为重要的应用领域进行讨论。
网络数据建模
本课程单元旨在让学生很好地理解数据建模的核心概念，并让他们熟悉为网络数据建模而开发的各种形式主义、API 和语言，以及各种设计和表示出现的问题。学生将学习如何比较不同的数据建模形式，以及如何设计或分析数据管理系统，即它是否很好地利用了所使用的形式所提供的特性，以及它是否符合其目的。实验室课程将把抽象概念建立在实际案例和工具上。
数字生物学原理
生物学目前正在经历一场革命。人类基因组计划和其他高通量技术的成功正在产生大量新数据。捕获、解释和分析这些数据为计算机科学家提供了真实而重大的挑战。本课程将使用生物学作为课程中开发的各种 CS 技术的令人兴奋的应用领域。
健康信息学导论
建立有效的医疗保健系统或支持循证医学的任何努力的核心是需要获取有关患者诊断和医疗的信息。这项活动的核心是开发电子病历。
数据工程
该模块将检查整个数据生命周期，包括数据创建、建模、获取、表示、使用、维护、保存和处置。由于大部分数据存储在数据库中，该模块将研究各种数据库工程方法以支持数据管理，包括数据库设计、数据仓库、维护和分析。将检查数据标准和数据质量，并考虑“大数据集”的挑战。
系统治理
本课程单元涵盖为确保信息而协调业务决策制定。它集中于业务责任如何考虑战略、收购、绩效、一致性和人类行为中的安全性。
机器学习基础
世界充满了数据。机器学习涉及从这些数据构建数学模型，能够完成通常需要人类完成的任务。典型的应用程序可能是垃圾邮件过滤、语音识别、医疗诊断或天气预报。我们使用的数据结构被称为“模型”，有多种形式，例如树、图、代数方程和概率分布。重点是根据数据自动构建这些模型——例如，根据历史天气模式的数据文件制作天气预报器。本课程单元将向您介绍各种机器学习技术背后的概念，包括它们的工作原理，并使用现有软件包来说明它们如何用于数据。
表征学习
在本课程中，我们将考虑如何开发表示学习的核心算法，并从理论和实证的角度深入了解这些算法。我们将演示如何以系统的方式开发基本算法，以及如何通过使用示例和现实世界的问题来应用重要的算法。在这个高级机器学习课程单元中，我们将涵盖机器学习、统计和深度神经网络的相关关键方法。
文本挖掘
本课程单元旨在让学生了解与文本挖掘相关的原理、问题、技术和解决方案，并使他们能够了解文本挖掘的最新进展如何与组织、表征、发现和利用大量数据的创新方法相关联。在搜索新知识时缩放文本信息。
认知机器人和计算机视觉
课程涵盖的主题包括： 认知机器人简介；发展、进化和群体机器人学；人机交互和社交机器人；语言和语音界面；深度学习；计算机视觉简介；视觉对象识别和跟踪；基于视觉的机器人定位与导航；3-D 人体和手势估计；使用学习的人体运动计算模型生成运动。
密码学
本课程旨在让学生很好地理解密码技术，因为它们在历史上已经出现，并且在今天被使用。
网络安全
该课程单元通过考虑网络和信息系统安全的要求以及从“获取”到“处置”阶段的开发过程的系统视图，涵盖风险、人为因素和补偿技术。
在 Web 上查询数据
本课程单元旨在使学生对支持高效访问大规模和异构数据的当代机制有一个原则性和批判性的理解。该课程将围绕处理网络上不同类型数据（表格、树形、图形和基于文档）的挑战进行组织，以涵盖数据库系统“幕后”的基本算法和数据结构。
软件安全
本课程单元向学生介绍正式构建经过验证的可信软件系统的基本和高级方法，其中可信包括五个属性：可靠性、可用性、安全性、弹性和安全性。
