软件质量
学生将了解要遵循的最佳流程，以生产质量更好、更易于维护的软件。本课程将讨论不同类型的测试、自动化质量保证工具和管道以及质量模型。该课程旨在使用最先进的工具以及大量实践项目和作业来练习所有涵盖的概念。参加该课程的研究生还将进行一个小型研究项目。
自然语言处理入门
自然语言处理 (NLP) 是人工智能的一个子领域，涉及计算机和人类语言之间的交互。本课程是对 NLP 的介绍，重点是编写程序来处理和分析文本语料库。该课程涵盖 NLP 的基础方面和应用。该课程旨在平衡 NLP 的经典方法和统计方法，包括基于机器学习的方法。
实验移动机器人
计算机图形学
该课程是关于计算机图形学的。在课程中，将介绍计算机图形学的基本原理。主题包括：WebGL 和着色器、生成直线和曲线的技术、裁剪、2D 和 3D 变换、投影、着色模型、纹理映射和合成、光线跟踪和其他高级主题。该课程将使用 Javascript 和 WebGL。
概率图形模型
本课程介绍该领域，描述语义、推理和学习，以及这些系统的实际应用。它将涵盖图形概率模型的基础知识，重点关注促进人工智能研究取得最新进展的关键表示、算法和理论。编程作业将包括各种推理系统的动手实验。
机器学习入门
学习对于许多现实世界的任务至关重要，包括自适应控制、识别、诊断、预测和数据挖掘。本课程涵盖基础方法，特别是监督学习，介绍许多经典的回归和分类算法。还将介绍更高级的建模技术，包括内核和神经网络。该课程还将提供正式的理解基础，以便在学习可行且实用的情况下进行理解。
教学与研究方法
涵盖了计算科学中最常遇到的研究方法和计算科学家应该掌握的传播技术。
面向计算机科学家的量子计算
本课程从计算机科学的角度介绍量子信息和量子计算的理论与应用。该课程将涵盖经典信息论、量子信息压缩、量子纠缠、高效量子算法、量子纠错码、容错量子计算和量子机器学习。该课程还将通过IBM Q Experience、 Microsoft Quantum Development Kit和 D-Wave Leap ，使用最先进的量子技术，使用真实世界的示例，涵盖量子计算在真实量子计算机及其编程语言中的物理实现 。
生物信息学优化
计算机图形学高级专题
计算机视觉
基于视觉传感器的导航
近年来，自动驾驶汽车导航正成为一个越来越重要的话题。然而，许多组件需要无缝工作才能实现这一目标。这些组件包括从车辆捕获视频、激光雷达、红外线和其他传感器数据；处理多源和多视图数据；实时呈现 3D 环境；并实时做出控制车辆的决定。本课程将研究与该主题相关的各种技术和应用。其中包括静态和动态 3D 点云和 3D 网格处理；3D物体识别以检测障碍物和行人；从视频中减去背景；静态和移动物体分类；和基于人类导航策略分析的学习策略。
图像配准：理论与实践
ML 中的隐私和公平性
数据驱动的网络安全
网络性能评估与优化
我们通过介绍使用概率图的概念定义的广泛问题来开始课程，我们的目标是量化网络中节点的协作工作的可能性，其中组件在降级模式下工作可以共同成功地执行给定的任务。我们得出了一些关键结果，并在随后的讨论中使用了这些问题。
移动和物联网系统
NLP 深度学习
本课程提供自然语言处理深度学习的高级主题。除了传统的深度学习资料（CNNs、RNNs等），课程更注重结构化预测，包括顺序标注、解析、句子生成等。
通过机器学习的 PCG
本课程的目的是让计算机科学专业的研究生广泛了解应用于程序内容生成的机器学习方法以及该研究领域的特定问题。这涉及涵盖其他 ML 课程的基本主题，因为它们适用于游戏中的内容创建，以及与使用 AI 生成内容相关的更专业的主题。
强化学习1
双人游戏的现代和传统技术
单一代理搜索
神经符号编程
软件分析：ML 和 SE
电子学习、适应和分析
随机化算法
随机化的使用可以导致更快和更简单的算法和数据结构，并且在某些情况下，提供唯一已知的多项式时间算法来解决一些问题。我们将讨论许多经典的随机算法，学习分析随机算法的方法，并学习随机复杂度类之间以及与 P、NP 和 PSPACE 等经典复杂度类之间的关系。一些主题包括图中的随机游走、图论中的随机算法、随机数据结构、抽样和大小估计。
不确定性下的优化与决策
并行和分布式系统
本课程对并行编程以及并行和分布式系统进行了研究生级别的介绍。将研究共享内存并行计算机和分布式内存多计算机（例如集群）。将涵盖并行性的实践和研究问题的各个方面。
现代数据库搜索与技术
随着文本和自然语言的普及，它们已成为现代数据库管理回声系统不可或缺的一部分。随着数据大小和变化的增加，文本和查询的标准模型不再有效或高效。在过去的几年中，这种偏离导致了许多有趣的搜索和数据探索模型和算法。
空间和图形数据管理
KDD 和数据挖掘简介
