学术训练

完整课程地图。

这里列出由现有课程记录和旧版作品集能够确认的全部已修课程。技能说明根据谢菲尔德大学官方课程信息进行简洁映射,不公开分数、排名或通过数量。

当前显示 32 门课程。

COM6018

Data Science with Python

学习了基于 Python 的实用数据分析、探索性分析、统计建模、优化、稳健数据管理和可复现科学分析。

硕士硕士阶段Data & statistics
官方课程依据 ↗
COM6655

Professional Issues

学习了计算领域的法律、社会、伦理和职业责任,包括知识产权、软件责任、计算机滥用及伦理决策。

硕士硕士阶段Responsible computing
官方课程依据 ↗
COM6115

Text Processing

接触文本语料库、量化文本分析、语言表示,以及处理大规模自然语言文本的系统。

硕士硕士阶段Language technology
官方课程依据 ↗
COM6509

Machine Learning and Adaptive Intelligence

学习统计机器学习和概率建模,关注数学假设以及学习算法在现实问题中的应用。

硕士硕士阶段Machine learning
官方课程依据 ↗
COM6521

Parallel Computing with Graphical Processing Units (GPUs)

接触并行编程概念、GPU 执行模型、性能导向实现,以及加速器在计算任务中的使用。

硕士硕士阶段Scalable computing
官方课程依据 ↗
COM6012

Scalable Machine Learning

学习并行化、随机优化、Spark、Python/Scala,以及高性能或集群计算中的部署概念。

硕士硕士阶段Scalable computing
官方课程依据 ↗
COM6513

Natural Language Processing

学习自然语言处理的核心概念、模型和算法,以及它们的优势、限制和应用场景。

硕士硕士阶段Language technology
官方课程依据 ↗
COM6911

Team Project

实践团队项目范围界定、需求分析、方案设计、实现、展示与技术报告。

硕士硕士阶段Collaboration
官方课程依据 ↗
COM1002

Foundations of Computer Science

学习计算机科学所需的离散与连续数学基础,包括逻辑、证明、组合数学、图论、微积分、矩阵和线性代数。

本科第1年Foundations
官方课程依据 ↗
COM1003

Java Programming

通过 Java 学习面向对象编程、程序分解、数据结构、调试与可维护实现。

本科第1年Software engineering
官方课程依据 ↗
COM1005

Machines and Intelligence

学习人工智能基础、智能行为、搜索、知识表示,以及自然智能与机器智能之间的关系。

本科第1年Artificial intelligence
官方课程依据 ↗
COM1006

Devices and Networks

学习计算设备、操作系统概念与网络如何支撑通信、计算和端到端数字系统。

本科第1年Systems
官方课程依据 ↗
COM1008

Web and Internet Technology

接触 Web 架构、客户端—服务器交互、基于标准的前端开发,以及互联网应用的基础技术。

本科第1年Web engineering
官方课程依据 ↗
COM1009

Introduction to Algorithms and Data Structures

学习算法问题求解、常见数据结构、正确性、复杂度和实现取舍。

本科第1年Algorithms
官方课程依据 ↗
FCE1001

Global Engineering Challenge Week

在跨学科团队中处理工程挑战,培养问题界定、可持续设计、沟通和协作决策能力。

本科第1年Collaboration
官方课程依据 ↗
COM2109

Automata, Computation and Complexity

学习有限状态机、形式语言、下推自动机、图灵机、可计算性与计算复杂度。

本科第2年Theory
官方课程依据 ↗
COM2108

Functional Programming

学习函数式编程原则、不可变数据、高阶函数、递归、类型驱动设计和程序推理。

本科第2年Software engineering
官方课程依据 ↗
FCE2001

Engineering – You’re Hired

完成以就业能力、项目规划、商业意识、沟通和职业展示为核心的密集团队活动。

本科第2年Professional practice
官方课程依据 ↗
COM2009

Robotics

学习自主系统中的感知、控制、认知与决策,并关注软件如何与物理环境交互。

本科第2年Robotics
官方课程依据 ↗
COM21002

AI Group Project

协作完成 AI 导向软件方案的范围界定、设计、实现和沟通,并平衡技术与团队需求。

本科第2年Artificial intelligence
官方课程依据 ↗
COM2107

Logic in Computer Science

学习形式逻辑、自动推理、判定过程、时序与模态逻辑、验证和类型系统应用。

本科第2年Theory
官方课程依据 ↗
COM2004

Data Driven Computing

培养数据提取、清洗、分析和解释经验,使用计算与统计方法回答明确问题。

本科第2年Data & statistics
官方课程依据 ↗
COM2008

Systems Design and Security

学习安全系统设计、威胁导向工程、访问控制、防御性思维,以及架构与安全属性之间的关系。

本科第2年Cybersecurity
官方课程依据 ↗
COM3610

Dissertation Project: Emotion Recognition using Visual Information

完成端到端计算机视觉项目,涵盖文献综述、需求、架构、模型实现、测试、评估、伦理和技术报告。

本科第3年Research project
官方课程依据 ↗
COM31007

Software Development for Mobile Devices

学习移动应用设计与实现,包括平台限制、界面设计、生命周期和设备适配开发。

本科第3年Mobile engineering
官方课程依据 ↗
COM3110

Text Processing

学习文本处理的计算方法,包括语料准备、文本表示、分析流程和评估。

本科第3年Language technology
官方课程依据 ↗
COM3524

Bioinspired Computing

学习受自然系统启发的计算方法,例如进化搜索、群体行为、神经计算和自适应。

本科第3年Artificial intelligence
官方课程依据 ↗
MGT388

Finance and Law for Engineers

接触与工程决策相关的财务推理、商业环境和法律责任;课程名称依据谢菲尔德大学历史培养方案。

本科第3年Professional practice
官方课程依据 ↗
COM3001

Modelling and Simulation of Natural Systems

学习动态自然系统的微分方程与个体建模方法,包括假设、限制、仿真和解释。

本科第3年Computational modelling
官方课程依据 ↗
COM3190

Theory of Distributed Systems

学习并发与分布式计算的模型和推理方法,包括协调、通信、正确性与系统级取舍。

本科第3年Distributed systems
官方课程依据 ↗
COM3240

Adaptive Intelligence

学习自适应决策与强化学习概念,包括智能体、奖励、策略、价值估计、探索与评估;官方历史名称为 Adaptive Intelligence。

本科第3年Machine learning
官方课程依据 ↗
MEC328

Managing Engineering Projects and Teams

学习工程环境中的项目规划、风险、团队组织、领导力、利益相关者沟通和交付。

本科第3年Collaboration
官方课程依据 ↗
没有符合筛选条件的课程。
准确性说明:谢菲尔德大学会定期调整课程和名称。本页优先使用官方课程页或历史培养方案。MGT388 和 COM3240 使用官方历史名称,避免把非正式称呼当成正式课程名称。