算法设计与分析斯坦福

Ⅰ 计算机算法设计与分析怎么样

这本书作为这个学期的算法课教材，这才让我有机会看了下此书，刚看的时候，云里来雾里去的，看完后，更是无奈。不明白为什么这样的书会作为教材，毫无道理。原因如下： 1.书中所讲内容大部分出自算法导论和Levitin的算法设计与分析基础(见P86页讲贪心算法用做举例的找零问题中的二角五分硬币,当时看到二角五分硬币就瞬间无语了.....因为只有米国才有25分的硬币 = =)，有些地方让人感觉是删减后照搬过来的，因此读起来特别费劲，自觉愚钝，跟不上作者跳跃的思维。 2.讲的东西难度适中，当是表达方式实际上给读者增加了难度。书中经常用a［］，b［］这样的名字来命名所需的数据结构，可见作者丝毫没有用心在写书，根本不为读者着想，无力形式化描述使读起此书颇有难度。 3.最关键的在于书中的算法代码。没有采用伪代码而采用c++实现本身没什么问题，但是代码的风格实在是不敢恭维。从变量命名上多采用s，k，r之类让人无语的名字，根本无法清晰表达变量的意思，而且要命的大部分算法只有很少的注释或者根本没有，注释固然不能太多，但那也是建立在代码能自文档化的基础上的，面对这样的代码，只能摇头。除此之外，书中代码还出现风格不统一的情况，关于花括号的使用，一会是K&R风格，一会是悬挂式风格，有时干脆两种风格混在同一段代码中，及其容易误导他人，使其养成不良的代码风格。 综上,要是学算法的话,这本书并不是很理想,我觉得Levitin的那本算法设计与分析基础不错,而这本只能算不是教材的教材吧.

Ⅱ 如何申请斯坦福计算机专业

斯坦福大学称得上是世界上最难进的大学之一，尤其是称之为其王牌专业的计算机科学。竞争压力之大不容置疑，首先要弄明白申请要求是什么。出国留学网本文将为大家介绍斯坦福大学计算机科学专业申请条件，请看。
计算机科学专业申请要求
听了这么多对斯坦福大学与其计算机科学专业的介绍，很多小伙们开始担心了，这么牛的学校，这么牛的专业，我岂不是一点机会都没有了？别慌，其实仔细看官网你就会发现，申请斯坦福大学的计算机科学专业并没有想象中的那么困难。
想要申请斯坦福大学计算机科学专业的研究生，申请者必须是本科毕业，但学校并不要求学生本科学习阶段有计算机或者数学的背景。换言之，任何专业都可以申请计算机科学的研究生。斯坦福大学计算机科学专业要求学生递交GRE成绩，没有最低分数要求；TOEFL分数要求89以上；GPA要求不能低于3.5分。可惜的是，这个专业不向研究生提供奖学金。
斯坦福大学每年录取率极低，所以对于那些没有计算机背景的学生来讲，申请的时候往往需要具备一定的定量分析能力，并且熟悉至少一门编程语言和精通一门算法，还要具备较高的英语水平。这样才能保证，在未来两年的学习生涯中学到一些真东西，而不是在系里打杂混个毕业证而已。
录取分析
这所学校连续数年都被中国留学生称为 “ 美国最难进的大学 ”，根据 2017 年斯坦福大学部入学许可办公室数据显示，其录取率仅为 5% ，成功打败哈佛成为全美第一。申请斯坦福是很难成功的，但也并非不可为之。去斯坦福这样的计算机专业最强牛校，运气很重要，牛人的推荐也很重要。
对于那些没有计算机背景的学生来讲，申请的时候往往需要具备一定的定量分析能力，并且熟悉至少一门编程语言和精通一门算法，还要具备较高的英语水平。
斯坦福每年录取的学生 GPA 3.6-4.0，其中 GPA 3.7-3.8 占比最大 ；国际学生每年录取的人数非常少， TOEFL 录取在 107-116 之间 ； GRE 328-340 （写作 4.0+ ），可惜的是，这个学校并不给研究生计算机学生提供奖学金。
斯坦福大学计算机科学申请注意事项
斯坦福计算机专业的录取要求明确为GPA3.0以上，T600（IBT81-100）之间，要求GRE分数，提醒申请时需要注意一下事项：
第一，计算机专业对本科所学的专业没有要求，也就是说任何专业都可以申请计算机专业的Master和PHD，但是要具备一定的定量分析能力。
第二，假如你在其它学校获得了MS学位，那么在斯坦福你就不能再申请MS；但是如果你在其它学校获得了MSCS学位，你可以申请斯坦福的计算机专业PHD。
第三，在同一学年你不能同时申请两次计算机专业，详细的重新申请情况可以查看学校申请网页。
第四，与其他理工科相比，CS显然不是那么容易拿奖学金，特别是象生物、物理、化学这样一些专业，拿奖学金比较容易，全奖也比较多。
第五，从申请难易来看，象软件工程、数据挖掘、分布式计算是现在比较热门的专业，录取的人数比较多；而人工智能，计算机理论，算法分析，研究方向偏基础，相对来说申请的人数也会少很多，拿奖学金的机会也会比较大。
费用
斯坦福大学是一所私立学校，所以其学费相对较高，工程学院的学生平均每年要交 $47，073，如果想选一些额外的课时可能还要再交钱。不过，据统计，斯坦福大学毕业生平均每年的薪水在 $85，000 – $90，000 之间。当然，咱们不愁学费，但是愁是否能进去！
毕业前景
斯坦福大学就坐落在信息中心 ——加州硅谷，周围计算机资源世界500强企业非常多，所以毕业生基本不用为工作而苦恼，大部分人的烦恼都来源于如何从已经拿到手的 Offer 中选择一份有利于自己未来发展并且薪资优越的。当然，斯坦福是计算机牛校里创业风气最盛行的学校之一，所以很多毕业的校友，他们不想要局限于去大公司打工，而是更想发展一份自己的事业改变整个世界。因此很多学生毕业后会拉着一两个小伙伴一起创业，这些人一直影响并延续着斯坦福大学的创业基因。
斯坦福大学计算机科学专业一共有五个核心领域：
1、斯坦福人工智能实验室：计算机视觉、机械学习、计算生物学、自然语言处理。
2、斯坦福Infolab实验室：主要专注于数据库研究和网络分析与图像挖掘
3、斯坦福理论小组：其中包括密码学，复杂度理论，算法游戏理论等。
4、斯坦福计算机图像/人机交互（HCI）小组：主要针对于几何学计算，计算摄影学，人机交互和设计思维。
5、计算机系统：设计领域包括：建筑学，计算机安全，网络安全，操作/分布式系统。

Ⅲ 大学课程《算法分析与设计》中动态规划和贪心算法的区别和联系

《算法分析与设计》是一门理论与应用并重的专业课程。本课程以算法设计策略为知识单元，系统介绍计算机算法的设计方法和分析技巧。课程主要内容包括:第1章，算法概述；第二章，递归和分治策略；第三章，动态规划；第四章，贪婪算法；第五章，回溯法；第六章，分枝定界法。通过介绍经典实用的算法，使学生掌握算法设计的基本方法。结合案例分析，让学生深入了解算法设计的技巧和分析算法的能力。

Ⅳ 数据科学与大数据技术专业怎么样学成之后可以从事的职业有哪些

因为这个专业差距大，所以需求量很大。大数据科学将成为引领人工智能技术、物联网应用、计算机科学、数字经济和商业发展的核心。

在刚刚结束2019年高考中，可能有很多同学考上了一个新专业“数据科学与大数据技术”，因为这个专业在最近两年一直这么红。所以很多高校都逐渐开设了这个专业。

但是，虽然很多同学都选择了这个专业，但可能对这个专业不是很了解。也有一些学生和家长单纯认为这个专业这么火，不能差，那就选吧！所以，下面给大家详细介绍一下这个专业，包括：人工智能有关。

从010年到1010年，该专业以大数据三大基础支撑学科为依托，以生物学、医学、环境科学、经济学、社会学、管理学等为应用拓展交叉学科。

通过前面介绍，相信你已经看到这个专业比较专业背景详细介绍、开设院校情况、就业情况，因为它涉及到很多知识领域，比如数学背景、人工智能技术、机器学习、可视化技术、信号处理、概率模型理论技术、不确定性建模等等。

从可见年限来说，毕业生根本不用担心就业，当然要学真本事。毕竟这个专业难度系数挺大，对每个人综合能力要求都比较高。

该专业毕业生，具体的就业方向主要包括以下几个方面：简单列举，可能成也新，败也新。

最后总结一下，数据科学与大数据技术专业是一个集计算机、数学、统计、人工智能等多学科于一体宽口径专业。门槛高。随着大数据爆炸式增长和人工智能快速发展，需要大量大数据分析师从海量数据中获取有用信息，完成一些解决方案来预测和解决现实中实际问题，前景广阔。

Ⅳ 谁能给我推荐一本好的《算法设计与分析》教材，给初学者用，谢谢啦！

1.数据结构与算法分析：C语言描述（原书第2版）
(美)维斯 机械工业出版社
2.算法导论(原书第2版)
(美)科曼(Cormen,T.H.) 机械工业出版社

第一本可作教材，391页（不厚）,经典,翻译不错。
第二本可作参考书，754页,算法地位高，经典。

涉及“算法”的东西就不会简单。好不好看讲解如何。

Ⅵ 算法分析与设计这门课程第三章动态规划的知识点有哪些

算法分析与设计这门课第三章动态规划的知识点包含章节导引,第一节动态规划算法的概念,第二节动态规划算法的基本步骤,第三节动态规划算法的基本要素,第四节动态规划算法设计策略,课后练习,。

Ⅶ 《算法分析与设计》课程讲什么内容

《算法分析与设计》课程是理论性与应用性并重的专业课程。本课程以算法设计策略为知识单元，系统地介绍计算机算法的设计方法和分析技巧。课程教学主要内容包括：第一章，算法概述；第二章，递归与分治策略；第三章，动态规划；第四章，贪心算法；第五章，回溯法；第六章，分支限界法。通过介绍经典以及实用算法让同学掌握算法设计的基本方法。结合实例分析，让同学深入理解算法设计的技巧，以及分析算法的能力。

Ⅷ 学习算法分析与设计需要那些基础(是否需要学习离散数学和线性代数)

算法分析与设计，目前国内本科生和硕士生的教材好像都是从国外翻译过来的。听起来挺复杂的样子，如果简单地掌握和运用还是不难的，大部分内容在数据结构中都涉及过，实际编程中也运用比较多，难的在于算法的理论研究，如21世纪的七大难题之一的NP问题就是算法问题（涉及逻辑可满足性问题）。

简单地讲需要的基础有以下几类：
1、基础类（相对一般本科生而言）：（1）把数据结构学好了算法就不难的，而数据结构其实就是图论的运用，如果是非数学专业的学生可以看离散数学中的图论部分。（2）算法分析设计时间和空间复杂度的计算，常用的还是毛泽东的战略思想——以空间换取时间。所以要学会简单的数量级运算，涉及部分代数式和数论的知识。只要简单掌握运算就可以了，不必深究。
2、提高型（研究生水平）：图论、组合数学、数理逻辑学要专门学习，可以采用数学系本科生的图论、组合数学、数理逻辑学等专业课的教材。其中组合数学中的组合设计在一定程度上和算法设计有异曲同工之处。
3、研究型（专业研究）：这主要看自己的研究方向了，如果研究能力强的话可以在很短时间内可以把需要遇到的数学知识搞懂，没有现成的固定模式。其中如研究NP问题，需要非常精深的逻辑学知识和数论基础。但不管哪个研究方向，数学的缜密思维和推理能力都是必备的，这不是一朝一夕可以练就的，需要长时间的锻炼。

以上仅个人一点点体会，仅供参考。

Ⅸ 美国那些大学的IT专业是强项

Stanford（斯坦福）的CS是个很大的 CS，拥有40人以上的资深教员，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DonaldE．K nuth；数据库方面的大牛Je ffre yD．Ullm an（他还写过那本着名的编译原理，此人出自Princeton）；以及R ISC技术挑头人之一的John Henn e ssy。相信 CS的同学对此并不陌生。该系每年毕业30多名Ph．D．以及更多的Master。学生的出路自然是如鱼得水，无论学术界还是工业界，Stanford的学生倍受青睐。几乎所有前十的 CS中都有Stanford的毕业生在充当教授。当然同样享有如此地位的还包括其他三头巨牛：UC ．Berkeley， MIT和CMU。
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，斯坦福无论在理论、数据库、软件、硬件和AI等各个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；SU IF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SU IF编译器的提及似乎也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，每年招的学生数不详，估计少不了，但不要忘了，每年申请 CS的申请学生接近千人。申请费高达90＄。

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蹈海、叱咤风云的了。

申请斯坦福是很难成功的，但也并非不可为之。去斯坦福这样的牛校，运气很重要，牛人的推荐也很重要。

附：总的来说，前20的 CS可以分成三波：

一、4个最为优秀的 CS Program � Stanford，UC． Berkeley， MIT， CMU

二、6个其他前十的：UIUC，Cornell，U．of Washington ，Prin ce ton，U． of Tex as－Austin和U． of Wisconsin －Madison，其中UIUC， C ornell，U． of Washington和UW －Madison几乎从未出过前十名。

三、其他非常非常优秀的 CS：CalTech，U． of MarylandatCP， UCLA， Brown， Harvard，Yale， GIT， Pure， Rice，和U． of Michigan．

（注：CS＝计算机科学系）

自20世纪40年代世界第一台现代计算机在美国诞生以来，美国一直执全球计算机学界之牛耳，这同时也是美国计算机产业界占据绝对优势的重要原因之一。我们引进的教材中绝大多数也都来自美国。计算机学科仍然在高速发展，与此对应的计算机人才培养模式也在不断变化，密切关注和跟踪国外尤其是美国名校的教学新动态，应该是非常有意义的。
本文即选择了美国计算机学科最负盛名的五所高校，对目前各校计算机科学(Computer Science)专业的本科教学体系进行了一些分析。

斯坦福大学
斯坦福大学拥有独立的计算机科学系。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，今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。
斯坦福大学典型的低年级课程设置如表1所示。
表1 斯坦福大学低年级主要课程设置
数学(至少23个单元)
数学 41(课程号，下同) 微积分 I 5
数学 42 微积分 II 5
统计 116 概率论 3～5
计算机 103 离散结构 4或6
以下任选两门：
数学 51 微积分 5
数学 103/113 线性代数 3
数学 109 应用群论 3
计算机 157 逻辑和自动推理 4
计算机 205 机器人、视觉和图形学数学方法 3
科学(至少11个单元)
物理 53 力学 4
物理 55 电磁学 4
其他
工程基础(至少13个单元)
计算机 106 程序设计抽象/方法学 5
工程 40 电子学基础 5
选修课
技术与社会(3~5个单元)

进一步的课程设置如表2所示。
表2 斯坦福大学高年级主要课程设置
程序设计(2门课)
计算机 107(课程号，下同) 程序设计范型 5
计算机 108 面向对象系统设计 4
理论(2门课)
计算机 154 自动机与复杂性理论 4
计算机 161 算法的设计与分析 4
系统(3门课)
电子电气 108B或282 数字系统或计算机体系结构 4
计算机 编译原理 3
计算机 计算机网络 3
计算机 操作系统 3
应用(选2门课)
计算机 人工智能 3～4
计算机 数据库 3
计算机 图形学 3
项目(1门课)
计算机 至少3个单元
限选课(多门)
加州大学伯克利分校
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等编着的同名教材(中译本机械工业出版社出版，清华大学出版社出版了影印版)；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》(中译本清华大学出版社出版，机械工业出版社出版了影印版)。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》(人民邮电出版社出版了中译本)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。
UIUC(伊利诺依大学厄巴尼-香槟分校)
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。其教学体系如图1所示。
图1 UIUC改革前的计算机科学课程体系
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。
可以看到，处在图1中最下面的课程基本上都是在多门中选择一至三门，整个体系脉络清晰，具有很高的灵活性。与斯坦福不同的是，UIUC的计算机科学导论课程比较简单，只有一门为新生开的计算机科学导向课(CS100)，而且并非必修。名为“计算机科学导论”的CS125实际上是以Java语言为主的编程入门课，涵盖了一些算法的内容。此外还有与之配套的实验课。当然，系里所开的许多面向高年级和研究生层次的讲座是对低年级开放的。
2003年，在工程院院长David Daniel的倡导下，计算机系对教学计划进行了改革，以反映目前社会、行业和技术的发展趋势。主要的变化有：
* 在必修要求中增加了两门编程课：CS241 系统编程，采用Gary Nutt的《操作系统》作为主教材，Stevens的《Unix环境高级编程》作为编程教材；CS242 程序设计实验(Programming Studio)，教学大纲基本上以Kernighan的《程序设计实践》为蓝本(以上教材机械工业出版社均出版了中译本和影印版)。
* 必修要求中增加了一年的高级项目，强调团队合作和软件工程实践，包括文档写作、口头表达、项目规划与管理等，实际上是在实践中学习软件工程。这门课也可以用两学期的软件工程或者一年的高级论文代替。仍然充分保留了灵活性，有利于因材施教。
* 增加了CS173 离散结构的学时，部分原CS273的内容移到这里，同时CS273又新增了原CS375的内容。这实际上是提高了对计算机理论的要求。

CMU(卡内基梅隆大学)
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》(中译本《深入理解计算机系统》已经由中国电力出版社出版)一书。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。”
网站上的一些随书配套实验，也独具匠心。因此此书的成功是水到渠成的。根据配套网站上的列表，它已经被全球80多所院校采用作为教材。MIT(麻省理工学院)
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等编着的同名教材；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(教材是自编课件)。此外有两门专业基础数学课：“概率系统分析”(教授自编教材)和“计算机科学数学”，后者的教材是国外院校普遍采用的Rosen所着《离散数学及其应用》(中文版由机械工业出版社出版)。
对MIT的学生而言，实验课程有多种选择：电气工程和计算机科学实验，模拟电子实验，数字系统实验，微机项目实验，半导体设备项目实验。此外，无论何种专业，都有软件工程实验课。值得注意的是，本科生各专业的必修课程中并没有软件工程课程。也就是说，软件工程的内容都在实践中完成了。带软件工程实验课的是因为提出Liskov替换原则而知名的女教授Barbara Liskov，她刚刚获得了2004年度的冯·诺依曼奖。作为美国工程院和艺术科学院的双院士，她几十年在软件开发研究方面的经验，将有力地保证这门实验课程的质量

Ⅹ 叶荫宇的个人简介

叶荫宇，国际最知名的最优化、运筹学专家之一。本科毕业于华中科技大学自动控制系，后赴美获斯坦福大学博士学位，现任美国斯坦福大学管理科学与工程系及计算数学工程研究院的杰出终身教授，也是斯坦福管理科学与工程系工业联盟主任。2012年，叶荫宇教授被授予该大学K.T.Li (李国鼎)首席教授(Chair Professor)。叶荫宇教授在运筹与优化的多个基础理论方向和应用领域都作出了重大贡献。获得过运筹与管理学领域的多个国际知名大奖。是运筹与优化领域公认的最优秀华人学者。根据谷歌学术的统计，他的研究论文和书籍被广泛的多次引用达22,000次。 他主要从事数学规划、优化算法设计与分析、计算复杂性、运筹学、物流及供应链方法、无线传感器网络、市场平衡及博弈论等研究，是国际上优化领域享有盛誉的着名学者。