Applied Computational Science and Engineering MSc
应用计算科学与工程理学硕士硕士
本硕士课程帮助您运用先进的数值方法和计算科学,应对大规模的科学与工程挑战。在顶尖研究人员的指导下,您将学习如何将高性能计算应用于现实问题。该课程注重通过创新技术培养科学与工程应用中的实践技能。本课程隶属于伦敦帝国理工学院地球科学与工程系的阿达·洛芙莱斯学院(Ada Lovelace Academy),该计划致力于推动计算领域性别平衡的研究生教育,旨在应对21世纪的关键挑战。
申请要求
申请硕士课程(如MSc、MRes、MBA等),中国学生须持有“211工程”大学颁发的学士学位,最终总成绩不低于80%,优先考虑成绩达85%或以上者。申请博士课程者,除满足上述硕士入学要求外,还需已获得硕士学位且成绩不低于80%。所持学位应为工程或理科相关专业,且达到英国2:1荣誉学位相当水平。
语言要求
总分6.5(各单项不低于6.0)
| 科目 | 总分 | 阅读 | 听力 | 口语 | 写作 |
|---|
雅思 | 6.5 | 6.0 | 6.0 | 6.0 | 6.0 |
总分62(各项不低于56)
| 科目 | 总分 | 阅读 | 听力 | 口语 | 写作 |
|---|
PTE | 62 | 56 | 56 | 56 | 56 |
4.5(所有单项不低于4.5)
| 科目 | 总分 | 阅读 | 听力 | 口语 | 写作 |
|---|
新托福 | 4.5 | 4.5 | 4.5 | 4.5 | 4.5 |
课程描述
本课程包含若干必修核心模块及一个应用型计算/数据科学项目。学生需完成所有核心模块,内容涵盖:现代编程方法(测试驱动开发与持续集成)、计算数学(支撑计算科学、数据科学与机器学习的数学基础)、计算/数据科学应用(团队协作解决实际问题并进行成果展示)、数据科学与机器学习(数据分析方法与经典机器学习算法)、深度学习(构建神经网络用于图像识别、自然语言处理、内容生成与预测)、建模与数值方法(在离散计算机上表示连续世界的关键算法)、高级编程(掌握C++的内存管理、面向对象设计与性能优化)、反演与优化(从不完整或不准确的物理数据中提取有效信息的方法),以及并行编程模式(基于共享内存与消息传递的并行计算实现)。
课程最后要求完成一项应用计算/数据科学项目,独立分析技术问题,设计并实现、测试、修正、验证和记录基于计算或数据科学的解决方案。题目可由课程提供、自拟,或来自外部产业实习项目。最终需提交书面报告并进行口头答辩。