计算机科学与技术专业主要学些啥 开设课程都有哪些

Posted 2023-05-05

一、主要学习内容

大数据技术导论、数据采集与处理实践（Python）、Web前/后端开发、统计与数据分析、机器学习、高级数据库系统、数据可视化、云计算技术、人工智能、自然语言处理、媒体大数据案例分析、网络空间安全、计算机网络、数据结构、软件工程、操作系统等课程；

以及大数据方向系列实验，并完成程序设计、数据分析、机器学习、数据可视化、大数据综合应用实践、专业实训和毕业设计等

二、课程

1、公共课程

数学（高等数学、线性代数、概率论与数理统计、离散数学、数值分析）、政治（马克思主义思想概论、毛泽东思想概论与中国特色社会主义思想、思想道德修养与法律基础、中国近现代史纲要）、大学英语、体育。

2、专业基础课程

电路原理、模拟电子技术、数字逻辑、微机原理、汇编语言、操作系统原理、编译原理、算法与数据结构、面向对象方法、C语言/c++语言等。

3、专业方向课程

计算机数据库原理、Java语言、图形学、人工智能、多媒体技术、网络安全、人机交互、无线互联网技术、软件开发方法、高性能技术、系统仿真和虚拟现实等。

扩展资料：

就业方向：

从事各类企事业单位计算机系统的应用开发及其运行管理。包括在科研部门、教育单位、各种类型企业和行政管理部门从事计算机教学、科研和应用开发工作。

1. 熟悉Windows 98/2000/XP操作系统平台，能熟练使用Microsoft Office办公软件如Word、Excel、PowerPoint等；

2. 熟练掌握C/C++语言编程，能熟练应用相关工具Turbo C 2.0、Visual C++6.0a进行应用程序和数据库系统的开发；

3. 熟悉SQL语言，熟悉SQL Server2000数据库，能熟练应用C++ Builder6.0和SQL Server2000构建C/S结构数据库系统，有数据库系统设计方面的应用程序开发经验；

4. 熟悉软件工程思想，了解网络原理知识并熟悉网络协议TCP/IP协议；

5. 对计算机硬件有相当的了解,可以独立完成机子的装拆和维修,及系统的安装;能解决一般的软件、硬件问题。

参考资料来源：百度百科——计算机科学与技术专业

参考技术A 主要课程有计算机应用基础、应用文写作、数学、英语、德育、电工与电子技术、计算机网bai络技术、C语言、计算机组装与维修、企业网安全高级技术、企业网综合管理、windows server 2008操作系统。
还有局域网组建、Linux服务器操作系统、网络设备与网络技术（主要学习思科、华为公司设备的配置、管理、调试）、SQL Server、网络综合布线技术、CAD绘图等。
计算机学科的特色主要体现在：理论性强，实践性强，发展迅速按一级学科培养基础扎实的宽口径人才，体现在重视数学、逻辑、数据结构、算法、电子设计、计算机体系结构和系统软件等方面的理论基础和专业技术基础

人工智能到底是学些啥？

从大的技术层面来看，人工智能的知识体系主要涉及到六个大的学习方向，包括自然语言处理、计算机视觉、机器学习（深度学习）、自动推理、知识表示和机器人学，这些方向各有体系且联系紧密。

人工智能是典型的交叉学科，涉及到数学、哲学、控制学、计算机、经济学、神经学和语言学等学科，同时学习人工智能还需要具有一定的实验环境，对于数据、算力和算法都有一定的要求，所以当前人工智能领域的人才培养依然以研究生教育为主。

简介

对于初学者来说，如果想入门人工智能领域，可以从机器学习入手，一方面机器学习的知识体系相对比较容易理解，另一方面机器学习的应用场景也比较多，机器学习也是大数据分析的两种常见方式之一。

机器学习的步骤涉及到数据收集、算法设计、算法实现、算法训练、算法验证和算法应用，这个过程需要学习编程语言、数据整理和算法设计这三大块内容。

编程语言可以从Python语言开始学起，目前Python语言在机器学习领域的应用也比较普遍，有大量的案例可以参考。在学习的初期完全可以采用一些公开的数据集，这样也方便做结果对比，而算法可以从基础的常见算法入手，比如决策树、朴素贝叶斯、支持向量机等等。

参考技术A 决策树算法

决策树是一个利用树状的图形结构来为已知的需求提供相应决策方案的工具。

ID3算法是生成决策树的一种常用算法，通过计算混合物体依据某个判断条件进行分类后的信息增益，选择其中信息增益最大的那个作为本次分类的判断条件。

信息增益是以某个判断条件对物体进行划分前后的熵的差值。熵可以表示物体之间混合的混乱程度，熵越大，对物体进行分类的不确定性就越大。因此可以使用划分前后熵的差值来衡量使用当前判断条件对于混合物体划分效果的好坏。划分前混合物体的熵是一定的，可以用entroy(前)表示，使用某个判断条件划分混合物体，计算划分后的剩余物体的熵 entroy(后)，从而得到：
信息增益 = entroy(前) - entroy(后)。

信息增益越大，代表使用当前的分类条件，可以使系统的熵越小，也就是不确定性越小，从而使接下来分类变得更容易。因此，每次选择分类条件的依据就是判断以当前分类条件分类后，信息增益是否是最大的。如果是，那么它就是当前最优的判断条件。