帝国理工大学理学硕士计算（管理和金融）解析
本课程专门研究软件开发的管理以及软件技术在管理和组织信息系统中的应用。
这门授课型研究生课程面向可能没有专门研究过计算但已经研究过大量计算的学生。
如果您想成为特定计算领域的专家，本课程将为实现该目标迈出关键的第一步。
本课程提供软件开发管理的专业知识以及软件技术在管理和组织信息系统中的应用。
您可以学习以下所有核心模块。
计算金融（春季）
介绍量化金融和金融工程的基本概念，包括金融中的对冲和定价问题，以及如何将这些问题表述为数学模型，并了解解决产生的模型的计算技术。
理学硕士计算机科学（专家）个人项目（夏季） 您从下面选择五到八个模块。
高级数据库（秋季）
提供有关如何使用 SQL 对数据库管理系统 (DBMS) 进行编程、如何将 DBMS 链接以形成分布式数据库以及如何操作和调整 DBMS 以提高性能的详细理论和实践知识。
复杂性（秋季）
描述与计算问题相关的复杂性类别，以及将特定问题拟合为相关问题类别的能力，从而了解算法解决特定问题所能达到的效率。
计算优化（秋季）
深入了解工程、金融和机器学习的最佳决策模型、算法和应用。
数据分析和概率推理（Spring）
旨在教授计算机如何使用概率来做出决策。推理网络与统计模式识别中的线性和非线性方法一起构成了材料的主要部分。
动力系统和深度学习（秋季）
介绍 Deep Belief Nets 和 Convolutional Neural Nets，它们提供了深度学习中的两个主要工具。
大规模数据管理*（春季）
涵盖面对新需求（不同的访问模式、可扩展性、放宽事务保证）和新硬件（存储级内存、SSD、主内存和多核）时数据库系统的演变。
机器学习数学（秋季）
提供必要的数学背景和技能，以理解、设计和实施现代统计机器学习方法和推理机制。
运筹学（秋季）
研究决策的定量方法，重点是求解约束优化程序的数值算法。所研究的方法适用于领域的问题：计算机科学、经济学、物流和工业工程。
性能工程*（春季）
介绍性能工程实践中使用的基本原理和技术。整个讲座讨论的问题在工业 ICT 实践中很常见。
隐私增强技术*（秋季）
介绍各个领域的隐私增强技术的基本概念和技术。
模拟与建模（秋季）
介绍使用计算机模拟和数学技术（马尔可夫过程和排队论）的系统性能分析和预测。
系统验证（春季）
介绍系统规范和验证的形式化方法。特别突出的是基于逻辑的形式主义和技术，特别是模型检查。
如果想了解更多请联系蒋老师
