最近很多同学咨询机器人学相关专业，章老师今天就来为大家解析一下英国理工类金字塔尖上面的学校——帝国理工的专业都学什么
帝国理工MSc Computing (Visual Computing an Robotics)
核心模块
可选模块-第1组
从下面选择三到五个模块。
高级计算机图形学（Spring）
介绍了在实际的计算机图形和图像合成的现代技术，特别是基于图像技术的临摹。
高级机器人技术（弹簧）
主题，先进的机器人，对映射的实时状态估计的一个重点，应用到无人机和增强和虚拟现实。
物联网中的人体传感器网络*（春）
介绍了人体传感器网络（BSN）的概念，物联网（IOT）的一般原则。
计算机视觉（秋季）
介绍了在计算机识别和特征提取栅格图像的概念。
机器学习数学（秋季）
提供了必要的数学背景和技能的理解，并实现现代统计机器学习方法和推理机制的设计。
医学图像计算（秋季）
包括基本概念、医学图像计算和图像分析和涉及那些在诊断中的临床应用方法，治疗和干预。
可选模块-第2组
您可以从下面选择一个到六个模块。
先进的计算机体系结构（Spring）
开发了一个深入了解高性能和节能的计算机体系结构，为了解软件性能工程的基础，为计算机体系结构、先进的工作基础的编译器设计，操作系统和并行处理。
高级数据库（秋季）
提供详细的理论如何，数据库管理系统（DBMS）的知识和实用程序在SQL数据库管理系统，怎么可能与形式的分布式数据库，以及数据库操作和调整来提高性能。
先进的统计机器学习和模式识别（春季）
提供了理论和计算技能的理解，并实现现代统计机器学习的方法对统计分析的设计，统计线性动力系统和其他统计模型。
自定义计算（Spring）
自定义计算机专用系统为特定的应用程序，如信号处理和数据库操作的定制，在通用计算机的速度太慢，体积大、耗电。自定义计算机的发展是一个昂贵、耗时且容易出错的活动。本模块介绍的方法能够快速定制计算机系统设计。
数据分析与概率推理（Spring）
目的是教如何概率可以用计算机做决定。推理网络形成的一个主要部分的材料以及线性和非线性方法在统计模式识别。
大规模数据管理*（Spring）
在面对新要求数据库系统的演化包括（不同的访问模式，可扩展性，交易保证松弛）和新的硬件（存储级内存、SSD、内存和多核。
机器学习（Spring）
提供了基础，机器学习（ML）和基本概念和技术的理解为。利用Matlab设计、实现和测试ML系统。
强化学习*（秋季）
包括强化学习的基础和标准方法。强化学习（RL）是一个增长的机器学习领域关注与代理人（计算机，人类或机器人）应选择其行动的环境以便最大化的一些概念（长期）的奖励。
机器人学（秋季）
针对移动机器人的理论和实践领域。包括轮式运动，控制，外向型传感器、测绘、位置识别和反应行为。
可扩展分布式系统设计*（Spring）
提供的挑战概述在设计和工程的可扩展的分布式应用程序在数据中心的环境。
可选模块-第3组
从下面选择多达三个模块。
面向对象程序设计中的高级问题（秋季）
讨论问题和面向对象语言的设计实现，并探索替代方案的理论基础。
高级安全*（秋季）
一个安全主题的高级认识从实践角度工业集中发展，同时也提供了一个存储的研究视角。
推理与多智能体系统（Spring）
注重基础和多智能系统的进展，具体的概念和实现技术要求。
复杂性（秋季）
描述与计算问题的复杂性类，并且能够适应特殊问题转化为一类相关的问题，所以欣赏效率达到算法来解决特定的问题。
计算金融（春季）
介绍量化金融和金融工程的基本概念，包括金融中的套期保值和定价问题，以及如何将这些问题表述为数学模型，并理解解决出现模型的计算技术。
计算优化（秋季）
深入理解工程，财务和机器学习的最佳决策模型，算法和应用。
密码工程（春季）
讲授如何使用加密技术来设计和实现针对各种不同需求和应用的安全通信系统，并通过考虑从理论到更实际问题的所有方面来实现。
分布式算法（春季）
涵盖分布式算法中的关键概念，问题和结果。介绍了如何推理分布式算法的正确性和编程实践经验。
动力系统与深度学习（秋季）
引入深度信仰网和卷积神经网络，它们提供了深度学习中的两个主要工具。
图形（秋季）
提供对计算机图形学基本概念的理解，并介绍用于计算机生成图像，阴影和光近似的基本数学原理。
独立研究选择（春季）
学习您选择的高级计算机科学专题，非常适合考虑攻读博士学位或从事工业研究的人士。
信息与编码理论（秋季）
提供对信息和编码理论的高级介绍，这对计算机安全至关重要（例如差分隐私，边信道攻击等）。
知识表示（秋天）
介绍了用于AI中知识表示和推理的主要基于逻辑的形式的理论基础，特别是非单调逻辑和结果关系，以及逻辑编程的计算基础。
网络和网络安全（春季）
从网络到应用层广泛地涵盖网络和Web安全。该模块的重点是基本原则和技术，并举例说明它们如何在实践中应用。
运筹学（秋季）
研究决策的定量方法，重点是数值算法来解决约束优化程序。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。
普适计算（春季）
普适计算或普适计算是技术以指数速率发展的结果，使计算设备变得更小，更强大，更连通。
分散式分类账原则*（春季）
分散的分类账（如比特币和以太坊）迅速普及，吸引了学者，企业家，经济学家和政策制定者的注意。他们承诺并已经创造了新的颠覆性市场，并彻底改变了我们对金钱和金融基础设施的看法。
概率模型检验与分析（春季）
Prolog（秋季）
使用基于逻辑的编程语言Prolog介绍声明性关系编程。重点是将小型Prolog应用程序编写为人工智能维度。
量子计算（秋季）
介绍量子计算的基本概念，特别强调量子算法。
仿真与建模（秋季）
使用计算机模拟和数学技术（马尔可夫过程和排队论）介绍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正式方法。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。
编程语言类型系统（秋季）
课外
Prolog简介（秋季）
介绍Prolog语言的逻辑编程和语法以及程序读取的概念。教会编写简单程序来查询Prolog数据库，并递归处理lis的能力
怎么样，课程是不是很充实呢？快来申请吧
