研究方法
涵盖的研究技能将包括：调查相关文献，提出富有成效的研究问题，选择和设计适当的方法，分析数据并推理其理论意义，以书面和口头形式交流研究，以及理解研究伦理。涵盖的定性方法包括：民族志、实地数据收集技术（访谈、焦点小组）、主题分析、案例研究和基于设计的研究。涵盖的定量方法包括：统计思维和技术、假设检验、实验设计、调查设计、模拟研究。
分布式系统
涵盖的主题包括：分布式系统的特征、系统模型、进程间通信、远程调用、间接通信、操作系统支持、分布式对象和组件、Web 服务、安全性、分布式文件系统和名称服务。
Declarative Programming
声明式编程语言提供了每个程序员都应该知道的优雅而强大的编程范例。本主题介绍声明式编程语言和技术。
机器学习概述
指示性内容包括：清理和规范化数据、监督学习（分类、回归、线性和非线性模型）和无监督学习（聚类），以及机器学习职业的数学基础。
人工智能规划自治
该主题的重点是自主代理的基础，这些代理可以对行动进行推理，应用自动规划、强化学习、博弈论等技术及其在现实世界中的应用。自治代理是主动实体，它们感知环境、推理、计划和执行适当的行动以实现其目标，为用户（现实世界、人类或其他代理）服务。该主题侧重于使代理能够在协作任务执行期间自主推理目标和奖励、感知、行动、策略和其他代理的知识的基础，以及具有此能力的代理的道德影响。
本课程使用的编程语言是 Python。
空间数据管理
在本主题中，我们将讨论空间信息的计算表示和管理的复杂性。该主题采用空间数据库的视角来管理广泛的空间数据集。该主题将涵盖空间数据库中空间数据的建模、加载、转换、分析和检索。该主题涵盖数据表示（矢量、栅格和网络数据）；空间操作，包括几何、拓扑、面向集合和网络操作；空间索引和访问方法，包括四叉树和 R 树。该主题让学生在基于团队的项目中了解空间数据管理的整个生命周期。
评估用户体验
用户体验 (UX) 是指我们对技术的反应方式，包括我们的实际、智力、情感和情感反应。UX 被广泛认为是技术成果成功的主要决定因素，它为定义当今时代的数字技术中一些最成功的创新提供了设计灵感。本主题涉及用于识别 UX 特征的方法和技术，以及如何在各种环境中识别、测量和评估它。这需要深入了解用户体验背后的心理学和社会理论，并结合当前使用的各种行业方法和工具的实践知识。在实践方面，重点放在学习设计、证明和进行适当评估所需的技能，以及对调查结果的解释。在理论方面，特别强调如何识别和评估 UX 的各个方面，跨越一系列社会和基于工作的环境，以及一系列技术。
选修课（至少选4门）
生物信息学算法
计算基因组学
移动计算系统编程
分布式算法
集群与云计算
并行和多核计算
自然语言处理
密码学和安全
编程语言实现
高级数据库系统
统计机器学习
高级理论计算机科学
安全分析
网络安全
高级算法和数据结构
计算建模与仿真
量子软件基础
计算机视觉
人工智能伦理
信息可视化
空间数据基础设施
空间数据库
设计新颖的交互
信息架构
设计实地考察
社交计算
量子计算简介
复杂软件系统建模
安全与软件测试
高完整性系统工程
