软件设计 & 发展

4个学分
本课程介绍了软件系统设计和开发的形式化方法. 涵盖了软件开发过程的各个阶段，并向学生介绍了使用统一建模语言的面向对象设计方法. 该课程是项目驱动和学生团队设计和实现一个复杂的软件系统，利用一个精心设计的用户界面. Java是开发语言，我们将介绍Java Swing. (开课时间:春季学期)

数据库管理系统

4个学分
有关现代数据库系统的设计和管理问题的研究, 特别强调关系数据库系统. 本课程将学习数据建模, 查询语言, 现有数据库的模式优化和调优, 数据库的物理实现, 以及数据管理中的系统问题.

MSCS504L算法分析与设计

4个学分
算法分析与设计侧重于创建高效算法的原则和方法. 学生学习使用大O符号和最差值来评估算法的时间复杂度, 最好的,, 以及平均案例分析. 介绍了多项式时间算法、NP算法、指数算法和难处理算法的思想. 与递归过程有关的初等递归关系问题将得到解决. 排序算法将被正式分析. 算法设计策略，如回溯, 分而治之, 动态规划, 强调贪心的技巧. 课程强调理论基础和实际应用, 鼓励设计算法，有效地解决计算问题，同时优化资源. 通过讲座, 动手编程作业, 以及解决问题的环节, 学生将深入了解算法设计如何影响软件开发和计算效率.

MSCS 710项目
 

MSCS550人工智能(目前位于选修课.)

4个学分
人工智能是一门涉及面很广的学科，涉及被认为需要“自然智能”的任务的自动化.“在这门课程中，我们专注于一种叫做人工神经网络(ANN)的人工智能。. 它们是生物神经网络的数学模型. 我们的重点是一个特定的人工神经网络架构, 多层感知器, 学习算法, 数据操作, 和测试. 先决条件:CMPT 221(软件开发II), 数学130(统计学概论), 和数学241(微积分I).
 
MSCS505N机器学习

4个学分
本课程提供了从数据中自动学习的广泛介绍. 机器学习是一组技术的统称，这些技术允许计算系统通过从过去观察到的数据中学习，自适应地提高它们的性能. 本课程介绍了从数据中学习的理论基础, 学习算法的研究, 以及机器学习应用. 主题包括:监督学习和非监督学习, 包括线性模型, 支持向量机, 决策树, 主成分分析, 感知器和神经网络), 正则化方法, 验证和模型选择. 将包括对强化学习的介绍. 
 
MSCS612N深度学习

4个学分
深度学习是一门高级课程，旨在让学生沉浸在人工智能的前沿领域, 专注于训练深度神经网络来解释复杂的数据模式. 本课程涵盖神经网络架构等基础概念, 包括前馈, 复发性, 卷积, 生成对抗神经网络, 反向传播, 优化算法, 并实际实现了神经网络建模. 本课程旨在使学生具备解决现实问题的技能, 利用深度学习的力量推动各行各业的创新.
 

MSCS560网络

4个学分
本课程将著重于OSI和网际网路协议，它们在物理网路上提供可靠的通讯通道，连结异质的计算资源集合. 涵盖的主题包括交换技术, 无线协议, 媒体访问控制, TCP / IP, 和多播.

安全算法 & 协议

互联网安全是一门研究远程各方相互验证身份并安全通信的机制的学科. 所涵盖的主题将包括基本的加密机制, PKI (Public Key Infrastructure)，用于分布式安全, 用于指定安全协议的语法机制, 当前影响互联网安全的政府举措. 还将讨论大型网络中用于支持和增强pki的安全构件，例如虚拟专用网络, 安全套接字层机制嵌入所有浏览器, 以及目录服务，如LDAP，它们被用作保存证书的分布式存储库. 包括, 也, 研究黑客侵入计算机系统的方法.

云计算

4个学分
本课程学习基于开放标准的云计算，包括互联网地址, 套接字, 流, 通用字符码, 线程, 以及REST之类的互联网协议, XML, JSON客户端-服务器数据库管理系统, 内容管理系统. 本课程旨在探讨安全问题的实用方法，如数字证书的应用和使用, 加密, 交易安全. 小型学生团队分析, 设计, 并使用软件开发最佳实践构建基于云的系统.

人工智能选修课

MSCS614N计算机视觉

4个学分
本强化课程深入探讨了使用Python的计算机视觉的基础知识和高级主题, 使学生具备构建复杂图像处理和分析应用程序的技能. 涵盖基本技术，如图像处理, 对象检测, 人脸识别, 神经网络, 该课程将理论概念与实际实施联系起来. 学生将参与OpenCV, TensorFlow/ Keras和Pytorch, 将这些工具应用到实际项目中. 课程结束时, 参与者将对计算机视觉算法有扎实的理解，并在部署计算机视觉解决方案方面有实践经验. 

 
自然语言处理

4个学分
本课程提供自然语言处理(NLP)的全面介绍。, 这是机器学习和人工智能革命背后的关键技术，它使计算机能够理解, 解释, 生成人类语言. 通过互动讲座和实践项目, 学生将学习基本的NLP概念, 包括语法, 语义, 文本分类, 情绪分析, 机器翻译和语言生成. 本课程将重点放在变形器和大型语言模型上. 通过探索尖端的算法和工具, 学员将获得运用自然语言处理方法解决现实问题的实践经验. 
 
机器人

4个学分
实践课程，学生将学习机器人以及与机器人设计和编程相关的几个方面. 本课程涵盖与机械设计有关的材料, 在不确定的情况下与计划和推理有关的问题, 传感器和控制.
 
云计算选修课

MSCS506N物联网 

4个学分
本课程探讨物联网(loT)设备, 基础设施, 和架构，包括物联网的现状, 物联网在工业中的实际应用示例, 医疗保健, 首页, 移动环境. 本课程还将探讨loT通信中使用的协议, 集成到云架构中, 集成到传统的信息系统, 以及与移动应用程序的集成. 本课程将探讨企业系统设计, 包括部署, 管理, 以及物联网系统的安全性. 这个想法不仅是了解物联网是什么以及它今天是如何使用的, 还有为什么它们被设计成现在的样子，以及它们未来可能会如何演变. 
 
并行处理

4个学分
历史上，并行计算在解决高端工程和科学应用的性能需求方面发挥了至关重要的作用. 然而, 鉴于当前的硬件趋势和设备功率效率限制，它现在已经转移到中心舞台. 所有计算机系统-嵌入式, 游戏机, 移动PC, 桌面, 高端的超级计算机, 大规模的数据中心集群——正在使用越来越多的处理器核心的芯片, 每个内核的时钟速度很少或没有增加. 本课程将介绍多核和多处理器并行编程的概念. 比如阿姆达尔定律、加速、效率、超线程、任务级vs. 数据级并行性、共享内存与. 无共享算法，并发vs. 将讨论并行集合、数据库分片以及调试和测试. 小型学生团队分析, 设计, 并使用软件开发最佳实践构建并行计算应用程序.
 
一般的选修课

计算机图形学 

4个学分
本课程向学生介绍计算机图形学的各个方面:硬件, 软件, 和应用程序. 在课程中, 学生将学习计算机图形学的基本概念，并获得至少一个图形应用程序编程界面的经验.
 
企业移动开发

4个学分
现代软件解决方案越来越需要将应用程序和系统组件部署到移动设备上. 当我们试图满足嵌入式平台的竞争约束时，针对移动环境的编程呈现出独特的挑战组合, 移动网络, 和安全. 参加本课程的学生将了解在移动环境中开发健壮应用程序所涉及的挑战和最佳实践. 学生们通过设计和编写在智能手机或平板电脑等设备上运行的软件来巩固和整合这些概念.
 
游戏设计和编程

4个学分
本课程的目的是介绍一个有纪律的, 计算机游戏设计和编程的实用方法. 游戏设计侧重于交互和界面设计, 世界设计, 游戏机制和规则, 以及视频和音频组件的集成. 游戏编程方面侧重于特定于游戏的2D图像, 动画, 物理模拟, 算法, 数据结构, 和库. 该课程以项目为导向，学生在小团队中工作，从选项列表中设计和实现他们自己的视频游戏.
 
软件验证与维护

4个学分
无论是简单的独立工具还是复杂的网络系统, 开发周期的一个重要部分包括测试软件是否满足既定的需求并产生预期的结果. 在本课程中, 学生学习软件系统测试和调试背后的方法论, 包括从需求中提取测试用例, 组装一个测试套件, 验证, 问题诊断, 开发修复方案. 与持续维护相关的问题, 将软件移植到新的平台, 并且还考虑了处理功能请求.

面向对象程序设计

4个学分
本课程旨在使学生快速掌握当前的编程实践，包括解决问题的方法, 算法开发, 以及面向对象的范式. 学生将练习程序设计, 编码, 调试, 测试, 使用公认的样式约定编写文档. 本课程为进一步学习计算机科学打下基础. 分配编程项目.

计算机组织与体系结构

4个学分
本课程的目的是了解和欣赏计算机系统的功能部件及其特性. 学生将学习指令集架构, 计算机在寄存器和功能级的内部实现, 并了解主要活动是如何在机器层面上执行的，以及在微观层面上对硬件设计的欣赏. 本课程不符合毕业要求，一般作为基础课程.

数学205离散数学

4个学分
本课程介绍代数概念, 方法, 以及构成计算机科学理论基础的技术, including the relevant areas of logic; set theory and the theory of relations; functions; and permutations.

DATA220数据分析入门

4个学分
本课程介绍数据科学的基本思想和技术，包括:探索性数据分析, experimental 设计 and sampling; relationships between one and several variables including single and multiple regression and two way tables; sampling distributions; inferential statistics for means, 比例, and regression coefficients; simple ANOVA. 本课程包括使用适当的高级统计软件包(如R)的计算机实验室.