电气 与计算机工程&机器学习与数据科学

随着数据量(从音频到视频，从电子健康档案到浏览兴趣和购物偏好）的与日俱增,各行业对受过专业培训工程师的需求不断扩大，这些工程师具备从各类数据中提取相关信息的能力、并用于改进现代科技与社会。目前，有资格的数据科学家远远不能满足市场的需求。

为了满足这一需求，电气与计算机工程，机器学习与数据科学理学硕士（MS in Electrical an Computer Engineering, Machine Learning an Data Science）为学生在数据科学,机器学习，信号，信息处理的理论、方法及应用方面提供了集中且严谨的培训。

课 程 设 置

电气与计算机工程，机器学习与数据科学理学硕士 共需28学分。课程设置如下：

基础必修课

EE483 信号处理导论

或通过数字信号处理能力测试 __

基础课

EE503 电气和计算机工程师概率论

EE510 工程线性代数

软件

以下选一门修读

▷ CSCI402 操作系统

▷ EE455x 编程系统设计导论

▷ EE595 软件设计与优化

学习与数据分析

以下选两门修读

▷ EE500 神经学习和计算智能

▷ EE559 数学模式识别

▷ EE588 信息和数据科学的优化

▷ EE660 信号与机器学习:基础和方法

选修课

CSCI544 应用自然语言处理

CSCI585 数据库系统

CSCI677 高级计算机视觉

EE517 工程师统计与数据分析

EE519 多媒体语音识别与处理

EE542 互联网和云计算

EE546 高维数据数学

EE556 随机系统和强化学习

EE561 人工智能基础

EE562 工程随机过程

EE563 估算理论

EE565 信息论及其在大数据科学中的应用

EE569 数字图像处理概论

EE575 工程师计算微分几何

EE586L 高级DSP设计实验室

EE592 反问题的计算方法

EE596 用于信号处理和机器学习的小波和图表

EE619 自动语音识别的高级主题

EE669 多媒体数据压缩

ISE538 使用马尔可夫模型进行性能分析

MATH541a 数理统计学导论

课程信息如有更新，此文章亦不做更改，了解最新课程内容请参考网站。