并行/分布式系统中的高级主题
本课程涵盖并行/分布式系统中的选定主题。根据当前的发展和教师的专业，具体内容可能会逐年更改。
人工智能高级专题
本课程将涵盖以下主题：高级模式识别、神经网络、专家系统和模糊系统、进化计算、学习理论、约束处理、逻辑编程、概率推理、计算机视觉、语音处理和自然语言处理。
图像处理与计算机视觉
课程的第一部分包括图像处理的基本主题，例如图像增强技术、彩色图像处理、图像分割和图像压缩。课程的第二部分侧重于有关从 2D 图像恢复 3D 信息的方法的主题。具体来说，将讨论相机校准、立体定位、运动分析、姿态估计和运动结构的技术。这些技术将在虚拟现实、模型重建和图形方面有实际应用。
IT 项目管理
本课程涵盖与信息技术相关的项目管理框架的关键要素。主题包括项目管理要素和过程的识别、项目集成管理中涉及的过程、项目范围管理、用于制定项目进度和资源规划的各种工具和技术、项目质量管理过程、项目沟通管理、风险管理、人力资源管理资源管理和项目采购管理。还将邀请行业专家分享他们在主题方面的经验。
基于网络的图形和虚拟现实系统
本课程旨在为学生提供学习交互式媒体和虚拟现实的平台，重点是他们的互联网应用。课程的前半部分将介绍最新的交互式媒体技术，包括建模、渲染、照明、纹理映射、动画和可视化。下半部分课程将侧重于基于 Web 的 VR 界面，这些界面为测试新想法和最新 VR 研究的替代解决方案奠定了基础，包括 VR 场景建模、动态对象、交互式导航和传感器、实时渲染，以及多样化的基于网络的 VR 应用程序。
计算金融导论
本课程介绍计算金融学的一些基本概念。主题包括风险和回报、现代投资组合理论、计算有效边界、多因素模型、各种投资组合优化模型、效用函数和投资组合绩效评估。
数据挖掘与知识发现
本课程介绍数据挖掘中使用的技术。主题包括聚类、分类、估计、预测、统计分析和可视化。数据挖掘为分析和可视化提供了有用的工具。数据挖掘为从庞大的数据库中分析、理解和提取有用信息提供了有用的工具。应用范围包括商业、金融、医学和工程。
计算机和网络安全
计算机和网络安全问题。网络协议的弱点。安全协议。防火墙。计算机病毒。系统安全威胁。密码学的应用。
电脑游戏软件制作
本课程侧重于计算机游戏软件制作中的编程问题，讨论开发游戏应用程序的过程并分析所用技术的各种考虑因素。主要强调计算机游戏开发中的实时性能要求。将介绍室内/室外渲染、网络、人工智能、物理以及游戏设计问题。学生将通过课程中的游戏开发项目进一步获得制作经验。
决策分析与博弈论
本课程介绍计算机科学中使用的决策理论和博弈论，特别是人工智能和多代理系统。主题包括效用理论、风险决策、不确定性决策、社会选择、战略博弈和纳什均衡、广泛博弈和子博弈完美均衡、重复博弈和大众定理，以及计算机科学中的应用。
创业与营销
本课程让学生掌握如何创建、启动和运营 IT 业务以及制定连贯营销策略的技能。关键主题包括企业家特征、识别市场机会、IT 产品/服务管理、业务规划、新 IT 企业的形成、融资、市场细分、定位、定价、促销、分销和渠道管理。
社会计算
本课程介绍社交计算这一新兴领域的最新发展，该领域研究实体之间通过社交媒体技术（如社交网站、博客、短信、邮件、虚拟社区、多媒体共享网站）进行交互而产生的社交信号的信息处理、移动设备等。主题包括但不限于社交网络理论、链接分析、排名学习、图算法、问答、推荐系统等。学生应具备机器学习领域的一些知识，数据挖掘，或其他相关领域。
网络科学
本课程介绍网络科学作为一门新兴学科，研究网络以揭示其中有组织的知识，从而预测网络行为和各种现象。主题包括各种网络的介绍，例如规则网络、随机网络、小世界网络和无标度网络。将讨论网络的出现。然后讨论了网络中的各种重要问题，如流行病、同步性、影响网络、脆弱性、NetGain 和生物学。
云计算高级专题
本课程涵盖云计算的高级主题。主题将包括每年提出的新问题。一些要讨论的主题包括：云计算模型（例如，SaaS、PaaS、IaaS）；分布式和并行数据处理（例如 MapReduce、Hadoop）；数据存储（云存储架构、数据中心、重复数据删除）；真实世界云服务的案例研究（例如 Amazon EC2、Windows Azure）。
大数据技术与应用
本课程旨在向学生传授最先进的大数据技术，包括技术、软件、应用程序和对海量数据的看法。本课程将涵盖但不限于以下主题：分布式文件系统的高级技术，如Google文件系统、Hadoop分布式文件系统和map-reduce技术；大数据的相似性搜索技术，如 minhash、locality-sensitive hashing；数据流的专门处理和算法；大数据搜索查询技术；Web 应用程序的推荐系统。这些应用程序可能涉及商业应用程序，例如在线营销、计算广告、基于位置的服务、社交网络、推荐系统、医疗保健服务。
深度神经网络的高效计算
深度神经网络 (DNN) 的高计算需求及其在云和物联网平台上的普遍性导致了专门硬件和软件技术的兴起，以加速 DNN 的执行。本课程将介绍实现 DNN 高效应用和计算的技术。课程将从DNNs的概述开始，然后介绍支持DNNs的各种框架和架构，以及在计算平台上的实现和优化。
