美国人工智能专业研究生

留学来定自位规划https://www.douban.com/group/topic/105668104/

哥们你想学AI啊？？ 这个真是比较冷了，没有多少学校有AI lab了，你的Gre数学应该没问题吧，这样有版些学校不要求V 你可权以试试， 你要申请 master of Computer Science, 然后研究生的课程里你可以都选跟 AI 相关的， 不过说实话，做 AI的学校都是很顶尖的了， 你可以看看 http://www.ece.lsu.e/ Louisiana State University. 那里有两个教授做相关的， msu.e Michigan state university 也有。好运吧 ！至于院校的选择，我建议你自己到美国大学网站上面去查一查，有很多你能申请去的学版校，那里的权信息介绍的比较详尽，针对你自己的情况，你可以仔细选选，还有什么其他疑问，可以Hi我，因为我也是跟你一样的情况出国的，呵呵！

CS——Computer Science的简称，即计算机科学。 总的来说，计算机专业前20名的学校可分成三类：A．4个最为优秀的CS Program：Stanford，MIT，U.C.Berkeley，CMU。B．6个其他前10名的：UIUC，Cornell，U.Washington，Princeton，U.Wisconsin- Madison和 U.Texas-Austin。其中UIUC，Cornell，U.Washington和 U.Wisconsin-Madison几乎从未出过前10名。 C．其他非常非常优秀的CS：CalTech，U.Maryland-College Park，UCLA，U.Michigan, GIT，Brown，Harvard，Yale，Pure和 Rice。 1. 斯坦福大学（Stanford University） Stanford的CS是个很大个的CS，拥有40人以上的Faculty成员，其中不乏响当当、硬梆梆的图灵奖得主（Edward A.Feigenbaum, John McCarthy）和各个学科领域的大腕人物，比如理论方面的权威Donald E. Knuth；数据库方面的Jeffrey D. Ullman（他还写过那本著名的编译原理，此人出自Princeton）；以及RISC技术挑头人之一的John Hennessy。相信CS的同学对此并不陌生。该系每年毕业30多名Ph.D.以及的Master。学生的出路自然是如鱼得水，无论学术界还是工业界，Stanford的学生都倍受青睐。几乎所有前10 名的CS学校中都有Stanford的毕业生充当教授。 毕业于U. of Utah的Jim Clark曾经在Stanford CS当教授。后来就是这个人创办了高性能计算机和科学计算可视化方面巨牛的SGI公司。SUN公司名字的来历是Stanford University Network。顺便提一下，创办 YAHOO的华人杨致远曾在斯坦福的EE攻读博士，后来中途辍学办了YAHOO。 CS科研方面，斯坦福在理论、数据库、软件、硬件、AI等领域都是实力强劲的顶级高手。斯坦福的RISC技术后来成为SGI/MIPS的Rx000系列微处理器的核心技术；DASH，FLASH项目更是多处理器并行计算机研究的前沿；SUIF并行化编译器成为国家资助的重点项目，在国际学术论文中SUIF编译器的提及似乎能为某些平庸的论文平添几分姿色。 Stanford有学生14000多，其中研究生7000多；CS有175人攻读博士，350人攻读硕士。每年招收的学生数不详，估计少不了。但不要忘了，每年申请Stanford CS的学生接近千人。申请费高达$80。 斯坦福大学位于信息世界的心脏地带——硅谷。加州宜人的气候，美丽的风景使得Stanford堪称CS的天堂。33.1平方公里的校园面积怕是够学子们翻江倒海，叱咤风云的了。 2. 麻省理工学院（Massachusetts Inst. of Technology） MIT招生好像不看GRE成绩。MIT的CS是巨牛的，99年最新排名上它和斯坦福同被打了5.0的满分，两者并列第一。MIT的CS曾为CS的发展作出不可磨灭的贡献，数据流计算的思想和数据流计算机、人工智能方面的许多重大成就，影响了整个UNIX界的X-Window…… MIT 和 Stanford一样，几乎都是在CS界样样巨牛的学校。据某位大侠提供的资料：MIT的 Media Arts and Sciences知名度不在Computer Department之下。主要是多媒体技术，信息处理，人工智能等。有一大批著名的教授，如Marvin Minsky（图灵奖获得者）。 3. 加州大学伯克利分校（University of California-Berkeley） 同样地处旧金山湾畔，硅谷地带，离Stanford大约只有50公里的UC. Berkeley是美国最激进的学校之一。60年代的嬉皮文化，反越战，东方神秘主义，回归自然文化都起源于此。诗人爱伦金斯堡是当年UC. Berkeley的代言人。 在当今高科技领域UC. Berkeley在缔造新的神话，在文学、数学、化学、新闻等20多个大的学科领域位居前3名。16个诺贝尔奖得主，总数近200的科学院院士、工程院院士，连同众多在硅谷商战中成为亿万富翁的伯克利人撑起了一面汇集天下英才的大旗。INTEL总裁Andrew Grove，就是毕业于UC. Berkeley。 BSD版的UNIX影响了整个CS界，伯克利的RISC技术后来成为了SUN公司SPARC微处理器的核心技术，David Patterson接下了一个6亿美元的项目用于新型计算机体系结构，特别是IRAM的研究开发。 UC. Berkeley有学生30000多，研究生超过8500人。申请费和加州大学的其他分校一样，$40。据一项最近的调查，伯克利已经成为美国大学生最向往的研究生院，高居榜首，其申请的难度可想而知。 UC. Berkeley的CS是个大系，Faculty中有图灵奖得主以及像Patterson这样的巨牛。CS科研方面，UC. Berkeley也是样样强。 旧金山湛蓝起伏的海湾，苍翠绵延的山峦，舒心宜人的气候，以及近在咫尺的硅谷…… 这一切的一切不也使得UC. Berkeley俨然一个CS学子的世外桃源吗？ 4. 卡耐基梅隆大学（Carnegie Mellon University） CMU是个位于匹兹堡的不大的学校，学生7000多，校园好像也不大。但这个学校在工程及其他一些领域却是顶尖的学堂。CMU的CS不是一个系，而是一个学院，其规模之大，可能只有Stanford，UIUC可与之相比。Mach操作系统，PVM，C.mmp等都有CMU的巨大贡献。 申请CMU的难度很大，因为尽管CMU的CS Faculty很多，但每年只招收不足30人的研究生队伍。 5. 伊利诺斯大学（Univ. of Illinois-Urbana-Champaign） UIUC的工程学院在全美是至尊级的，其CS，ECE，EE在历史上都屡建战功。在CS方面，从早期的超级计算机ILLIAC I，II，III，IV到后来的CEDAR，都是CS发展史上，特别是并行计算机发展史上的重要事件，影响和引导了CS很长时期的发展。David Kuck曾是并行计算机处理界的一代先驱。 超级计算机研究开发中心（CSRD），美国国家超级计算及应用中心（NCSA）等众多的机构，使得UIUC的CS常常成为研发的领头雁。 大家可能还记得，Netscape-Navigator的最初开发人员中有个Marc Anderssen。这位来自Wisconsin 的小伙子在UIUC读本科，大四的时候在NCSA参与编写了MOSAIC；后来他去了硅谷，并在那里遇到了前面提到过的Jim Clark，SGI的前创始人，两人一见如故，联手创办了著名的网景Netscape，并一度在浏览器市场上独霸武林。 还有Lotus Notes, 远程登录程序NCSA Telnet, 邮件程序Eudora等的作者，都是UIUC的毕业生。商务软件巨人Siebel Systems的创始人Tom Siebel，也是毕业于UIUC的。 UIUC是个大学校，学生总数超过35000，研究生院近万人。 UIUC的CS很大，40余个Faculty提供了全面的CS教育和科研项目。每年30多个博士的毕业数目似乎只有Stanford可以匹敌。 UIUC的Polaris并行化编译器是这个领域能和Stanford的SUIF直接叫板的拳头产品，清华开发并行编程环境时选用了这个系统。 UIUC在计算机硬件、软件、AI、DB等领域都相当强大。特别是硬件，如前面提到的ILLIAC，CEDAR等。 事实上，UIUC在超级计算机系统的研究开发方面绝不逊于MIT、Stanford等任何一个，甚至有过之而无不及。NCSA建立在UIUC这一事实本身就是佐证。UIUC CS的学生毕业后去学术界的不少，Stanford，UC. Berkeley等CS名校都有UIUC的博士挑大梁。但UIUC CS学人还是进入业界，成为业界实干的中坚。 6. 康奈尔大学（Cornell University） 作为IVY LEAGUE的成员和一所私立学校，Cornell有其独到的优势。在美国，私立学校一般要比公立学校难进，其学生也是经过严格的选拔才录取的。Cornell的CS学生入校后多能享受FELLOWSHIP的待遇，其个人经济条件非公立学校可比，加上贵族式校友的提拔，私立学校的出路是很诱人的。康奈尔在理论计算机方面一直是顶级高手，但在其他CS领域并不总在前10名。 Cornell学生18000多，研究生过5000人。CS每年招攻读Ph.D.的学生25人左右。 7. 华盛顿大学（University of Washington） 位于Seattle的U. of Washington得天独厚——计算机界的巨牛MS就在西雅图，而且更要命的是，Bill Gates就是那里的人。这位Harvard的辍学者给了哈佛许多MONEY，但同给U. of Washington的钱财相比，实在是小巫见大巫。 U. of Washington位于风光秀丽的WASHINGTON湖畔，气候四季如春。33000多学生中研究生有8000名左右。Seattle最令人厌恶的地方可能就是一年有160天会降水。 U. of Washington的CS较大，30多名Faculty成员，每年近20个优质博士毕业，以及大量的Master。估计每年的招生数应该不低。U. of Washington的CS在各个方面比较均衡，最强的软件排名第5，而其他领域一般也都能位居前10，好像没有明显很弱的地方。 图灵奖得主Dick Karp从UC. Berkeley告老还乡后又被返聘到了U. of Washington的CS。U. of Washington的CS要求很高，Ph.D.学生入学的平均GPA高达3.86，GRE2160以上，加上一般较早的DEADLINE，申请U. of Washington是相当有难度的。 8. 普林斯顿大学（Princeton University） Princeton是个令人神往的地方，这里曾经是世界的科学中心。 Princeton的CS不大，18个Faculty成员，学生人数也不算多。科研上除了排名第5的理论，似乎还没注意到其他闪光点。但是，Princeton无疑培养出了大量计算机界的优秀人物，Jeffrey D. Ullman，John McCarthy等巨牛人物均出自大名鼎鼎的Princeton。在Princeton领受的教育是最好的教育熏陶。 Princeton学校不大，只有6000多学生，研究生不过1700人。 9. 威斯康星大学（University of Wisconsin-Madison） U. of Wisconsin-Madison的CS较大，35个Faculty成员，200多个研究生，每年招60—70个新生。目前几乎1／4的Faculty来自UC. Berkeley，博士生毕业后有去Stanford ，UC. Berkeley等牛校挑大梁的，但和UIUC类似，似乎进入业界的一些。然而要在这里拿到博士学位可不容易。超过七成的人，会在中途找到比较理想的工作后，拿着硕士文凭拔腿就跑，免得被那些无穷无尽的科研项目给整惨了。 U. of Wisconsin-Madison的数据库一直在前3位，经常是第1位。这里的数据库由于在设计实现DBMS系统上的传统优势，使其在业界的声誉相当崇高，据说Microsoft里有一帮Wisconsin校友从中兴风作浪，Oracle也格外青睐Wisconsin-Madison的学子。 Wisconsin的硬件、计算机体系结构实力巨牛，99排名第6，对业界相当有影响力。微处理器中的超标量技术（SuperScalar）源于此地；多处理机CACHE一致性的总线侦听SNOOPING协议，IEEE SCI协议等，都是源于此地。正在研究开发中的MultiScalar技术和 DataScalar技术据说可以把微处理器每个时钟周期的指令发射数提到10以上，大大地提高微处理器的计算能力。Wisconsin的软件99排名第7。主要是在系统软件方面做OS 的设计与实现，WEB上的CACHE策略，支持共享主存和消息传递两种并行编程模式及其混合的并行程序设计语言和编译器，以及由MIDSHIP项目挑起的关于并行与分布式计算，OODB，科学数据库，支持图象查询的新型查询语言以及图象处理等方面的研究。由于美国有大量的卫星图象需要及时处理，加上迫切需要GIS系统的研究开发，这方面的研发使得U. of Wisconsin-Madison捞到了不少经费。 Wisconsin和UIUC的CS理论都是前10名左右。Wisconsin的Carl de Boor是逼近理论 方面的大牛。 U. of Wisconsin-Madison是个大型的综合性学校，40000学生中研究生院的超过10 000，这万人中有博士生5000，硕士生3500，法学院、医学院、护理学院、兽医学院的职业学生2000人。2200多Faculty中有多位诺贝尔奖得主，52个院士，其中18个是工程院院士。 需要注意的是，Wisconsin的CS有点不同于其他许多学校，它隶属于College of Letters & Science，而不在College of Engineering下面。因此许多偏硬件的项目，比如嵌入式系统，网络硬件、路由，多媒体，通信，自控以及数字信号处理等项目不在CS D ept.，而是在工程院下的Dept. of Electrical & Computer Engineering，即ECE系。 那个系也挺大，比CS还要大不少。98年在工程类排名的计算机工程一项上排了第9位。 10. 德克萨斯大学（University of Texas-Austin） U. of Texas-Austin的CS较大，Faculty中好像有个图灵奖得主。该系发展比较平衡，最好的AI排第5，其他几个专业也多能挤进前十。 U. of Texas-Austin是个巨大的学校，5万学生，研究生院的可能有1.3万。但学校的主校区却好像面积不足，仅140公顷，按美国大学的标准，太不足了。 11. 加州理工学院（California Institute of Technology） CIT的CS很小，只有大约5位教授，每年招很少的学生。虽然申请CIT是免费的，但建议不要轻易尝试。由于系太小，CIT好像只是在计算机硬件和科学计算的可视化方面很强。该系多年以来一直稳坐第11、12位几乎没动过窝；类似的情况还有斯坦福，MIT，稳居第1、2位，Cornell稳居第5位，U. of Wisconsin-Madison稳居第9、10位。CIT的CS和其他系，比如数学、物理、生物等需要大量科学计算的部门联系很紧密。CIT学校也很小， 2000名学生中研究生占1100人。Faculty人数也不多，但几乎个个是巨牛，按平均水平看，CIT可能是世界上最牛的学校了。 12. 马里兰大学（University of Maryland at College Park） U. of Maryland at CP是一个实力相当强劲的CS，软件第8，数据库第4，AI第9，三个专业都挤进了前10位，它的TINY系统有相当的知名度。 13. 加州大学洛杉矶分校（University of California-Los Angeles） 历史上UCLA的CS曾经一度辉煌，上到过第6（NRC\' 82），但近年来一直徘徊在第13 —15。而且CS的各个专业细目几乎没有一个能进前10名。尽管如此，UCLA的CS还是十分强大的。 UCLA辉煌的历史可能在于它对Internet的发展所作出的巨大贡献。六十年代美国的ARPA在搞网络互连的开创性研究，ARPA网的四个节点是：UCLA，Stanford的SRI，UCSB和 U. of Utah。此时一位来自美国新英格兰地区的青年Vinton Cerf不去离家咫尺的Yale大学，远涉千里，来到了加州。他先在Stanford获得数学学士，然后到UCLA拿下了CS的硕士和博士。 毕业后Cerf一直在SRI从事ARPA网的研究，特别是研究如何让它无法正常工作。几年后，Cerf与MIT一位到业界闯荡的数学教授Kyhn合作研发，搞出了一套软件系统用于网络互连（1973年）。这就是TCP/IP协议的诞生。 UCLA作为INTERNET的先驱，地处阳光灿烂的南加州，应当成为CS学生的乐土。 UCLA有学生33000人，其中研究生院的占9900人。地处洛杉矶的UCLA周围几乎有玩不尽的地方：如DISNEY，HOLLYWOOD等。由于位于大城市，校园不是很大，但风景异常美丽。 UCLA的CS较大，规模应该和U. of Washington和U. of Wisconsin-Madison类似。 14. 密歇根大学（University of Michigan-Ann Arbor） U. of Michigan 是个非常了不起的学校。在BIG TEN里，从综合的角度上说它可算得上是领头羊了，当然UIUC, U. of Wisconsin-Madison也紧随其后。这里的CS偏硬的更厉害些，硬件排在第9，而计算机工程排第7，EE第5，都是前10名中的巨牛。Michigan 的CS和EE合在一起称为EECS系，是个相当大的系，每年招收的学生应当不在少数。 Michigan的CS估计在历史上也相当牛，U. of Wisconsin-Madison CS里两位来自Mi chigan 的教授都是院士，在其他CS系里，比如UIUC的，也大有Michigan 的牛人在。如 前述，UIUC的CS在硬件上极强，而Michigan 的CS中有许多UIUC的哥们在那里当老师。 15. 佐治亚理工学院（Georgia Institute of Technology） GIT是个较大的学校，GIT的工程学院很厉害，研发经费仅次于MIT，和UIUC，Michigan差不多。CS系的数据库第7，GUI第4。 16. 布朗大学（Brown University） Brown的规模不大。这所IVY LEAGUE中的私立学校可能拥有一些类似于CORNELL的优势。CS的GUI可以列在第6位，好像还有许多关于语音识别等偏人工智能方面的研发项目。 17. 哈佛大学（Harvard University） 在CS的早期发展史上，Harvard曾经是泰斗级的人物，毕竟CS和数学，物理的渊源太深太长了。好像王安是这里出来的，Bill Gates也是这里出来的。Harvard毕竟是Harva rd，总是名人辈出，因为Harvard总是可以招到最优秀的人。但千万别以为哈佛人人牛。Harvard不喜欢带工程色彩的东西，CS是挂在Arts & Science学院下面的Division of E ngineering and Applied Science，好像连独立的一个系都不是。除了理论可以排进前 10名以外，其他项目怕也拿不出多少货色了。 哈佛大学共有学生18000人，其中研究生院的11000人。Harvard大学拥有世界上最多的诺贝尔奖得主，150多个美国国家科学院院士。哈佛的CS估计不会是大个子，招的学生可能也不多，申请的难度应当很大。 18. 耶鲁大学（Yale University） YALE曾经也进过前10名（NRC\' 82），是YALE和UCLA而不是Princeton和U. of Texa s-Austin位于前10名的榜上。YALE的CS不大，十几个老师加上为数不多的学生，每年只招收六个博士研究生。 和Harvard这样很重文理的学校一样，YALE的CS在理论上比较强。但不同于哈佛，YALE有独立的CS系，受到较高的重视。YALE CS在AI和软件方面比较强。著名的LINDA并行编程模式就是在这里提出并实现的。YALE 的毕业生到学术界的比到业界的似乎 要多， 哈佛似乎也是这样。 19. 普渡大学（Pure University） 可能许多人还不知道，Pure的计算机系是美国最早成立的计算机系。建系之初一直处于TOP 10。在70年代由于本人不甚了解的原因，没落了。Pure的排名也不太稳定，从13到30的排法似乎都见过。Pure是个大学校，有35000学生。其工程学院很出名 20. 莱斯大学（Rice University） Rice是个位于休斯顿的小学校，4000名学生，研究生有1600左右吧。CS也不大，优势在于软件，排在第9位。该系的KENNEDY是个巨牛的人物，是美国HPCC常委的关键人物之一，好像还是总统在信息科学方面的特别顾问。KENNEDY是并行计算领域的大牛。前几年，他义无反顾地承担起高性能FORTRAN语言（HPF）的编译器研制工作，项目之大，投入人力之巨，加上他的权威地位，被人们寄予普遍厚望。可惜后来项目失败了。从此并行计算界陷入了一阵低潮。这几年KENNEDY好像转向去做针对特定处理器的后端优化技术了。Rice CS 学生的出路相当好。麻省理工最好

1、美国斯坦福大学计算机专业　　　　斯坦福大学拥有独立的计算机科学系。3337623464浏览该校的教学手册，最具特色的恐怕要算多门科普性计算机知识讲座了，一般有两到三个单元，涉及面非常之广，从量子计算到数字演员，从计算科学的伟大思想到网络安全，从网上拍卖到使用元编译发现大型开放源代码软件中的大量错误，其中还不乏对技术乌托邦、斯诺“两种文化”、计算机面临的困境以及迅速发展所带来的诸多问题的思考。开课的老师阵容强大，基本上都是响当当的名教授，甚至包括图灵奖得主John McCarthy。用这种讲座代替计算机科学导论性质的专门课程，可以充分展示计算机科学的丰富内涵，使学生较早地了解学科的轮廓和脉络，对于开阔学生视野，启发学生的学习兴趣也大有好处。由于美国大学中专业的选择非常灵活，而近年来计算机学科招生受行业影响流失严重(这种情况甚至惊动了比尔•盖茨，2004年微软到各大高校招兵买马时，他每站必到，利用自己的明星效应，大讲计算机学科的美妙前景)，可以想象，这种讲座同样也肩负着吸引学生选择计算机专业的重大使命。　　　　2、美国加州大学伯克利分校计算机专业　　　　伯克利的课程设置也有很多独树一帜的地方，尤其是在专业基础课方面，除了有专业导引课程“计算机科学专题”之外，对于没有编程经验的学生，第一门编程课是符号编程入门，采用LISP语言。有一定编程经验或者有自学能力的学生，可以选择多种语言和环境的自主学习(Self-paced)课程，包括C、Fortran、C++、Java，以及UNIX的使用等，这种多元化与伯克利计算机科学与电子电气工程同系有关。但是所有学生在第二学期都要学习一组独特的基础课：61A“计算机程序的结构与解释”，采用MIT Abelson等编著的同名教材；61B“数据结构”(教材采用自编讲义)；61C“计算机结构”(Machine Structures)，采用Hennessy的《计算机组织与设计》。这项规定就是转校生也不例外，可见其中蕴涵了伯克利多年的教学经验结晶。　　　　伯克利其他比较有特点的课程还有：将离散数学和概率论结合讲授的CS70，主讲是名教授Christos PApadimitriou；CS98-1 编程练习课，以主要大学生编程竞赛中的赛题为授课素材；CS 169 软件工程直接用Kent Beck的《极限编程》作为教材，非常超前，但是既然连Pressman的《软件工程：实践者方法》新版中敏捷方法都已经成为重头戏，既然IEEE都已经开始制定敏捷方法相关标准，这种课程选材也就不显得那么骇世惊俗了。除了软件工程课程常见内容外，教学侧重实际，贯穿了极限编程的思想，涵盖UML、JUnit单元测试、软件架构、设计模式和反模式、重构、CVS版本控制、系统和集成测试，最后要求完成一个实际产品，并进行演示。　　　　3、美国UIUC(伊利诺依大学厄班纳-香槟分校)计算机专业　　　　UIUC的计算机科学专业创建于1972年，到1986年基本定型，十多年来几乎没有什么变化。其中，数值分析方向课程中，Math225为矩阵论，CS257为数值方法，CS35x代表数值分析导论、常微分数值方法、偏微分与数值逼近和数值线性代数；　　 理论方向课程中，CS173为离散结构，CS273为计算理论，CS37x包括算法、形式方法、程序验证； 人工智能方向课程中，CS348为人工智能导论，CS34x包括机器人、机器学习与模式识别；　　软件方向，CS125为计算机科学导论，CS225为数据结构与软件工程原理，CS31x包括数据库、图形学、多媒体，CS32x包括软件工程、操作系统设计、分布式系统、编程语言与编译器、并行计算、实时系统、编译器构造、编程语言设计；　　 硬件方向课程中，CS231为计算机体系结构I，CS232为计算机体系结构II，CS33x包括计算机组成、VLSI系统与逻辑设计、VLSI系统设计、通信网络、嵌入式体系架构与软件。4、美国CMU(卡内基梅隆大学)计算机专业　　　　与MIT、伯克利等学校计算机科学仍然和电子与电气工程同处一系不同，CMU的计算机科学系成立于1965年，是全美最早的，如今它已经升格为计算机科学学院。其研究生项目中除了机器人方向与硬件关系较多之外，其他基本上都是纯软的。从这个意义上来说，CMU的教学体系对于偏软的计算机科学系应该有较大的借鉴意义。　　　　CMU的教学手册上没有从传统意义上针对计算机科学专业学生的导论课，虽然有名为“计算机科学伟大思想”的两学期课程，但是从内容上看应该是离散数学的替代，因为此外CMU并没有其他离散数学方面的课程。此课程没有教材，内容比传统离散数学要灵活得多，涉及概率、代数、算法、加密理论、复杂性理论、博弈论等，非常注重学习的趣味性和实用性。　　　　与其他名校相同，CMU对程序设计的重视也给人留下很深印象：本土新生的第一堂课就是“初中级程序设计”，直接讲授Java。然后是中高级程序设计(Java)、C语言编程技巧、高级编程实践(Java)、程序设计原理(用SML语言讲授)。　　　　目前计算机科学专业教学计划中的一个难点，是硬件课程的设置问题。硬件知识体系本身非常丰富，但是硬件课程多了，又削弱了计算机科学专业的特色。CMU在这一问题上是怎样处理的呢？计算机科学学院的现任院长Randal E. Bryant 亲自给出了回答，他用15～213“计算机系统导论”一门课(12个单元)完成了硬件知识的教学。这项教学改革的成果就是一本厚达900多页的书：《Computer Systems: A Programmer's Perspective》。他在该书的序言中说：　　　　“本课程的宗旨是用一种不同的方式向学生介绍计算机。因为，我们的学生中几乎没有人有机会构造计算机系统。而大多数学生，甚至是计算机工程师，也要求能日常使用计算机和编写计算机程序。所以我们决定从程序员的角度来讲解系统，并采用这样的过滤方法：我们只讨论那些影响用户级C程序的性能、正确性或实用性的主题。　　 比如，我们排除了诸如硬件加法器和总线设计这样的主题。虽然我们谈及了机器语言，但是不关注如何编写汇编语言，而是关心编译器怎样翻译C的各种构造，比如指针、循环、过程调用和返回，以及switch语句。更进一步，我们将更广泛和现实地看待系统，包括硬件和系统软件，讨论链接、加载、进程、信号、性能优化、评估、I/O以及网络与并发编程。这种做法使得我们讲授本课程的方式对学生来讲既实用、具体，又能实践，同时也非常利于调动学生的积极性。”5、美国MIT(麻省理工学院)计算机专业　　 MIT的课程设置，只能用其学生起点高来解释。该校没有典型意义上的计算机科学专业，偏软的只有理论计算机科学和人工智能及其应用两个专业。因此没有类似于其他学校的导论课程。 在MIT的电子电气工程与计算机科学系中，所有学生都要参加如下四门课程：6.001“计算机程序的结构与解释”，当然与伯克利相同，采用的是Abelson等编著的同名教材；6.002“电路与电子学”；6.003“信号与系统”(自编讲义)；6.004 “计算结构”(Computation Structures)，与伯克利的61C“计算机结构”对等。此外有两门专业基础数学课：“概率系统分析”和“计算机科学数学”，后者的教材是国外院校普遍采用的Rosen所著《离散数学及其应用》。

如果你有这个理想3431353237，真心希望你能坚持下去，因为AI是未来十年推动科技发展的最大动力之一。N年前，我也面临过和你一样的问题，当时对AI特别感兴趣，高考后一腔热血，通过搜索发现中国居然真的有这个专业了“智能科学与技术”，应该说我们那届敢报这个专业的都是敢吃螃蟹的人，我们是中国第二届毕业生，当然我不是清华的，清华应该是这个专业的老大。但是，我后来反省了一下，觉得要说明几点希望能对你有帮助：1. 选对专业，这个方向你大致选计算机方向就对了，AI目前是脱离不了计算机的。对数学要求比较高，关键是离散数学，优化那块，但是跟理论数学差别非常大，CS本质上是工程学，不是理学。除非你对理论数学很感兴趣，不然进入数学系会很痛苦。2. 不见得报考“智能科学与技术”这个专业，大学教育还是不强调很专很深的，本科阶段你要学的广一些，打好基础把GPA搞起来。我们这个专业进去之后发现，其实学的东西基本介于EE和CS专业之间，模式识别啥的学了一些，但都是皮毛，你会发现这些东西等你研究生阶段基本是要重修的（这种情况跟“自动化”这个万金油专业很像）3. 根据的你的情况，研究AI的比较好的路线：名校CS-->GPA高+英语搞定-->出国-->美国几个高校的好专业（如果本科期间你能写篇paper的话就更无敌了）。AI和ML尽量还是去美国做研究吧，核心研究都在那边。能帮你回答的就这些了，希望有点帮助吧。查看2015-05-3073975其他4条回答推荐内容人工智能 aiai人工智能 电影人工智能专业大学排名人工智能包括哪些专业人工智能学校排名人工智能专业学什么人工智能要学什么人工智能需要学什么相关搜索相关组织西安电子科技大学以信息与电子学科为主华中科技大学985211重点大学哈尔滨工业大学以理工为主中国科学技术大学全国重点大学华南理工大学广州综合性研究型大学西安交通大学珠峰计划首批11所名校北京航空航天大学首批16所全国重点大学同济大学中国著名高等学府我今年要上大学,请问人工智能属于哪个专业?搜狗问问答 420正在加载...￥2FT0bmb5p6d￥

人工智能在毕业之后可以做的职位总结分析了5大职业。1、算法工程师，算法工程师是一个比较高端的职位，专业要求：计算机、电子、通信、数学等相关专业；学历要求：本科及其以上的学历，大多数是硕士学历及其以上；语言要求：英语要求是熟练，基本上能阅读国外专业书刊；必须掌握计算机相关知识，熟练使用仿真工具MATLAB等，必须会一门编程语言。算法工程师的主要研究方向是视频算法工程师、图像处理算法工程师、音频算法工程师 通信基带算法工程师 信号算法工程师。2、数据挖掘师，数据挖掘工程师是数据师（Datician['detɪʃən]）的一种。一般是指从大量的数据中通过算法搜索隐藏于其中知识的工程技术专业人员。这些知识可用使企业决策智能化，自动化，从而使企业提高工作效率，减少错误决策的可能性，以在激烈的竞争中处于不败之地。3、图像识别工程师，图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。   现阶段图像识别技术一般分为人脸识别与商品识别，人脸识别主要运用在安全检查、身份核验与移动支付中；商品识别主要运用在商品流通过程中，特别是无人货架、智能零售柜等无人零售领域  。图像的传统识别流程分为四个步骤：图像采集→图像预处理→特征提取→图像识别。图像识别软件国外代表的有康耐视等，国内代表的有图智能、海深科技等。另外在地理学中指将遥感图像进行分类的技术。4、自然语言处理工程师，自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。因而它是计算机科学的一部分。自然语言处理（NLP）是计算机科学，人工智能，语言学关注计算机和人类（自然）语言之间的相互作用的领域。5、语言识别工程师，语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。 语音识别听写机在一些领域的应用被美国新闻界评为1997年计算机发展十件大事之一。很多专家都认为语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。 语音识别技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。人工智能基础学习与面试秘籍

电气工程（Electrical Engineering, 简称EE）是现代科技领域的核心学科之一，几乎涵盖了所有与电子，电力，电磁方面的学习和应用的一个工程领域。美国主要大学EE学科的教学与科研领域可以归归纳为11个方向，分别为：1）通讯与网络（Telecommunication Systems and Computer Networks): 最热门的学科方向之一，主要包括无线网络与光网络，移动网络，量子与光通讯，信息理论，网络安全，网络协议与体系结构，交互式通讯等。与信号处理，计算机科学，控制与光学等领域广泛交叉。2）计算机工程(Computer Engineering)：这个方向涉及领域较宽广，包括计算机图形学，计算机视觉技术，口语系统，医学机器人，医学视觉，移动机器人学，医疗决策系统等等。3）信号处理（Signal Processing）主要包括声音与语言信号处理，图像与视频信号处理，生物医学成像与可视化，成像阵列与阵列信号处理，自适应与随时间变化的信号处理，信号处理理论，大规模集成电路（VLSI）体系结构，实时软件，统计信号处理，非线性信号处理与非线性系统标识，滤波器库与小波变换理论，无序信号处理，分形与形态信号处理等等。4）电力技术（Electric Power Technology）属强电领域，大体可以分为三类：power electronics, electric machinery, power system,这三个方向互有交叉，和电路，控制等其它方向也有交叉。主要包括电气材料与半导体学，电力电子及装置，电机，电力系统动态及稳定性，实时控制，高电压工程等。5）电磁学（Electromagnetics）包括卫星通讯，微波电子学，遥感，射电天文学，雷达天线，电磁波理论及其应用，无线电与光系统，光学与量子电子学，光信息处理，微波数字电路设计等等。这个方向比较难学，学起来相对比较枯燥。6）微结构（Microstructure/Micro-Electro-Mechanical Systems(MEMS)）指可批量制作的，集微型结构，微型传感器，微型执行器以及信号处理和控制电路，直至接口，通信和电源等于一体的微型器件或系统。MEMS是一个多学科交叉的领域，对许多工程与科学领域有重大影响，尤其是电气工程，机械工程，生物工程等。7）系统控制（System Control）包括鲁棒与最优控制，鲁棒多变量控制系统，大规模动态系统，制造系统，最小最大控制与动态游戏，用于控制与信号处理的自适应系统，随机系统，线性与非线性评估的设计等等。这个方向的学生普遍来自自动化专业。8）电子学与集成电路（Electronics&Integrate Circuit）包括微电子学与微机械学，纳电子学，超导电路，电路仿真与装置建模，集成电路（IC）设计，大规模集成电路中的信号处理， A/D与D/A转换器，数字与模拟电路，数字无线系统，RF电路，高电子迁移三极管，封装技术，材料生长及其特征化等。9）光子学与光学（Photons and Optics）包括光电子学装置，超快光子学，非线性光学，微光子学，三维视觉，光通讯，光系统设计与全息摄影，复合光数字数据处理，图像处理与材料光学特性研究等。这个方向与物理有交叉，基本都是比较抽象和不可见的东西，主要应用与沟通，信号传播，控制等。10）材料与装置（Material and Equipment & Device）包括光电子仿真装置，纳结构电子学，半导体与微电子学，磁性材料，介电材料与光材料及其装置，固态物理及其应用，小型机械结构及其激励器，微机械与纳机械装置，物理，化学，和生物传感器，装置物理学及其特征话，设备建模与仿真，纳制备与新装置，微细加工，超导电子学等。11）生物工程（Bioengineering）它是利用电气电子技术进行生物生命研究。包括生物仪器，生物传感器，计算神经网络，生物医学超声学，生物图像处理，磁共振成像，发射型计算机断层摄影术（PET和SPET)，超声成像，自动语言识别等。希望可以帮助你更清晰地了解到美国EE专业~~加油~~

你好，CS偏重于研究，CE偏重于应用，不知道你是比较倾向于哪个，但是不管哪个方向，在申请学校上，主要参考国内学校成绩、TOEFL(IELTS）、GRE成绩；另外是否有PAPERRESEARCH背景是否有？

美国人工智专业就业前景：(1) 搜索方向：百度、谷歌、微软、雅虎等(包括智能搜索、语音搜索、图片搜3431373233索、视频搜索等都是未来的方向)(2) 医学图像处理：医疗设备、医疗器械很多都会涉及到图像处理和成像，大型的公司有西门子、GE、飞利浦等。(3) 计算机视觉和模式识别方向：指纹识别、人脸识别、虹膜识别等;还有一个大的方向是车牌识别;目前鉴于视频监控是一个热点问题，做跟踪和识别也不错;(4) 还有一些图像处理方面的人才需求的公司如威盛、松下、索尼、三星等。目前国内互联网企业对于人工智能领域的人才需求量极大，很多名企先后创立了自己的人工智能研究院，或者开设人才招揽计划，比如：1.阿里星计划年薪平均估计60w左右，上不封顶，本科生-博士生都有机会入，CTO直接面试，每年招10人，半年base美国office的机会2.百度少帅计划IDL部门(机器学习、深度学习)，年薪100w+，每年9人，30岁以下，一年后硅谷或常青藤名校访问至少半年，三年后带领20-30人团队3.滴滴新锐计划滴滴研究院，面向全球高校博士、硕士、优秀本科生的精英人才计划，研究方向包含机器学习、计算机视觉、机器人、自动控制、汽车工程、人工智能、数据挖掘、最优化理论、分布式计算、图形图像、语音识别、语音合成、自然语言处理等4.腾讯技术大咖要求，全球TOP100 CS相关硕士博士毕业，人工智能相关，待遇：上不封顶offer，深圳市还有“孔雀计划”160w的奖励人工智能在美国的就业方向主要有，科研机构(机器人研究所等)，软硬件开发人员，高校讲师等。当然了，鉴于一些高科技公司开辟出了新的研究领域，比如谷歌的无人驾驶汽车...在国内的话就业前景是比较好的，国内产业升级，IT行业的转型工业和机器人和智能机器人以及可穿戴设备的研发将来都是强烈的热点正好都是3-5年后的时间，正好是同学们学成归来的时候！