计算机专业应该怎样学数学
计算机科学中的数学基础与应用案例
计算机科学中的数学基础与应用案例计算机科学作为一门技术学科，紧密依赖于数学的基础理论和应用方法。
数学作为计算机科学的重要基础，为计算机算法、数据结构、编程语言等提供了支撑。
本文将介绍计算机科学中的数学基础，并结合实际应用案例加深对数学在计算机科学中的理解。
一、离散数学离散数学是计算机科学中最基础的数学学科之一。
它研究离散对象及其关系，如集合、关系、图论等，这些概念在计算机科学中具有重要应用。
以图论为例，图论是研究图的结构与性质的数学学科，它在计算机网络、数据结构、人工智能等领域中有广泛的应用。
在计算机网络中，使用图论的概念可以描述网络拓扑结构，寻找最短路径，进行路由优化等。
而在数据结构中，图的遍历、搜索等算法也是基于图论的原理设计而成。
另外，在人工智能领域，图神经网络是一种基于图模型的深度学习算法，它通过对图的节点和边进行学习，实现了对图数据的有效处理。
二、概率论与统计学概率论与统计学是计算机科学中另一个重要的数学基础。
在计算机科学中，概率论和统计学常常用于处理不确定性问题，如机器学习中的分类、聚类、回归等任务。
以机器学习中的分类为例，概率论提供了一种刻画不确定性的数学工具，通过对样本数据的概率分布进行建模，可以使用贝叶斯分类器等算法进行分类任务。
统计学则提供了一种从样本中学习模型参数的方法，如最大似然估计、最大后验概率估计等，以帮助机器学习算法对数据进行建模和预测。
三、线性代数线性代数是计算机科学中广泛应用的数学学科之一。
在计算机图形学中，线性代数为三维图形的建模、渲染和变换提供了数学工具。
例如，通过矩阵变换可以实现图形的旋转、缩放和平移等操作；而在计算机视觉中，线性代数也用于图像处理、图像分割和特征提取等任务。
此外，在机器学习中，线性代数也是必不可少的基础知识。
例如，线性回归、主成分分析等算法都是基于线性代数的理论和方法，通过矩阵运算实现对数据的降维和拟合。
四、离散数学、数值计算与计算几何离散数学、数值计算和计算几何是计算机科学中的另外三个重要数学基础。
计算机数学基础 pdf
计算机数学基础pdf随着计算机技术的飞速发展，计算机数学基础作为计算机科学的重要基石，其重要性愈发凸显。
计算机数学基础涵盖了多个数学领域，这些领域为计算机科学提供了理论支持和实践指导。
本文将对计算机数学基础的主要内容进行简要介绍。
一、基础知识基础知识是计算机数学基础的第一步，主要包括实数、整数、矩阵、向量等基本概念及其性质。
此外，还包括基本的代数运算和函数等基础知识。
这些知识是进一步学习更高级的计算机数学概念的基础。
二、离散概率论离散概率论是计算机数学基础的一个重要组成部分，主要研究随机事件及其概率。
离散概率论中的基本概念包括样本空间、事件、概率等，这些概念在计算机科学中有着广泛的应用，例如在算法设计、数据挖掘等领域中都有重要的应用。
三、组合数学组合数学是研究计数、排列和组合问题的数学分支。
在计算机科学中，组合数学主要用于解决算法设计和数据结构等方面的问题。
组合数学中的基本概念包括排列、组合、二项式系数等，这些概念在计算机科学中有着广泛的应用。
四、图论图论是计算机数学基础中非常重要的一个部分，主要研究图形的性质和结构。
在计算机科学中，图论主要用于解决图形算法、网络流等问题。
图论中的基本概念包括节点、边、路径、环等，这些概念在计算机网络、数据库系统等领域中有着广泛的应用。
五、逻辑与推理逻辑与推理是计算机数学基础中的重要组成部分，主要研究推理和证明的规则和方法。
在计算机科学中，逻辑与推理主要用于形式语言、自动推理等方面。
逻辑与推理中的基本概念包括命题、逻辑运算符、推理规则等，这些概念在计算机科学中有着广泛的应用，例如在程序设计和人工智能等领域中都有重要的应用。
六、总结计算机数学基础作为计算机科学的重要基石，涵盖了多个数学领域，包括基础知识、离散概率论、组合数学、图论和逻辑与推理等。
这些领域为计算机科学提供了理论支持和实践指导，对于深入理解计算机科学的本质和解决实际问题具有重要的意义。
通过学习和掌握这些基础概念和方法，我们可以更好地理解和应用计算机科学，从而更好地服务于我们的生活和工作。
算法编程要掌握的数学知识
算法编程要掌握的数学知识算法编程是建立在数学基础上的，数学知识是算法设计和分析的基础。
在算法编程中，以下数学知识是必不可少的：1.离散数学：离散数学是算法设计的基础，它包括集合论、图论、逻辑和数论等内容。
离散数学对于理解算法的复杂度分析、图算法的设计和优化以及编程中的逻辑思维都非常重要。
2.数据结构与算法：数据结构是指数据的组织方式，算法是对这些数据进行操作和处理的方法。
掌握数据结构和算法的原理和实现是算法编程的基本要求。
常用的数据结构包括数组、链表、栈、队列、树、图等，常用的算法包括排序算法、查找算法、图算法等。
3.概率与统计学：概率与统计学是算法设计和分析中的重要工具。
在算法中，我们常常需要分析算法的平均复杂度或者概率性的分析算法正确性。
掌握概率与统计学的基础理论和方法可以帮助我们更好地分析和设计算法。
4.线性代数：线性代数是一门研究向量空间和线性变换的数学学科，也是机器学习、图形学等领域的基础。
在算法编程中，线性代数的应用非常广泛，例如图像处理、机器学习、矩阵计算等。
5.数值计算方法：数值计算方法是一类通过数值计算的方式求解数学问题的方法。
在算法编程中，我们常常需要用数值计算方法来求解一些复杂的数学问题，例如求解非线性方程、积分、微分方程等。
6.概率论与随机过程：概率论与随机过程是研究随机事件和随机现象的数学学科，在算法编程中经常需要利用概率论和随机过程来模拟和分析一些随机事件，例如随机算法和蒙特卡罗方法等。
7.最优化方法：最优化方法是研究求解最优化问题的数学学科，在算法编程中经常需要求解一些最优化问题，例如线性规划、整数规划、非线性规划等。
掌握最优化方法可以帮助我们设计更加高效和优化的算法。
总之，算法编程要掌握的数学知识非常广泛，涉及离散数学、数据结构与算法、概率与统计学、线性代数、数值计算方法、概率论与随机过程以及最优化方法等多个领域。
熟练掌握这些数学知识，可以帮助我们更好地理解和设计算法，提高编程的效率和质量。
计算机专业课程体系介绍(含学习顺序)
⒌ 微机原理及接口技术 基于8086的PC微型计算机系统的原理
⒌ IBM PC汇编语言程序设计 8086CPU指令系统程序设计
⒌ 计算机系统与结构 抽象的数字电子计算机系统（非单指计算机）的原理
⒌ 单片机及接口技术 单芯片计算机系统的基本原理
⒊ 计算方法 计算机数值计算提高计算精度的方法
⒋ 操作系统 计算机系统基础管理软件的组成与实现技术
⒌ 编译原理 从源码到可执行代码的翻译过程快速有效的实现方法
⒍ 数据库系统概论 计算机中大批量数据的管理与检索方法
⒍ SQL Server数据库 一个具体的数据库系统的应用
⒍ 软件工程 从工程管理的角度来管理“软件制造业”的方法
3.《模拟电路》和《数字电路》：这是难度较高的两门课程，选用自考教材相对来说容易些，也可以参考清华大学出版社出版的相关教材。
三、专业课
1.《计算机组成原理》：推荐白中英主编的《计算机组成原理》（第三版），科学出版社；黄爱英主编的《计算机组成原理》（第三版），清华大学出版社。
其它方向：
（电子）信号与系统
通信原理
计算机网络
TCP/IP技术
分布式应用原理
图形学
多媒体技术基础
计算机专业课程自学参考
有人说,计算机专业的人编的程序要比非计算机专业的人编的要好.也许这是在大多数情况下适用的,但是并不是绝对的.你在这个方面经验比别人多,研究的比别人深入,那你就比别人专业,所以要相信自己.
为了您的安全，请只打开来源可靠的网址
打开网站 取消
来自: /%C4%A5%ED%C22007/blog/item/7f73f0c28fc84c130ff477a3.html
如何学习算法
如何学习算法
学习算法是每个计算机科学专业学生必须掌握的基本技能之一。
算法是解决问题的有效方法和步骤，它们可以帮助我们更高效地解
决各种计算问题。
以下是一些关于如何学习算法的建议：
1. 理解基本概念：在学习算法之前，首先要理解基本的数据结
构和算法概念，比如数组、链表、栈、队列等。
这些基本概念是学
习算法的基础，只有掌握了这些概念，才能更好地理解和应用算法。
2. 刻苦学习：学习算法需要花费大量的时间和精力，需要不断
地练习和思考。
可以通过阅读教科书、参加在线课程、做练习题等
方式来提高自己的算法水平。
3. 刷题：刷题是学习算法的最有效方法之一。
可以通过在线刷
题平台如LeetCode、Hackerrank等来练习算法题目，提高自己的解题能力和编程技巧。
4. 学习算法设计思想：除了掌握基本的数据结构和算法概念外，还需要学习算法设计思想，如贪心算法、动态规划、分治法等。
这
些算法设计思想可以帮助我们更好地解决各种复杂的计算问题。
5. 参与算法竞赛：参加算法竞赛是提高算法水平的好方法。
可
以参加ACM、Codeforces等算法竞赛平台，与其他选手切磋技艺，
提高自己的算法能力。
总的来说，学习算法需要不断地练习和思考，需要有耐心和毅力。
只有坚持不懈地学习和实践，才能真正掌握算法的精髓，提高
自己的编程能力。
希望以上建议对你有所帮助，祝你学习算法顺利！。
计算机科学中的数学基础
计算机科学中的数学基础在计算机科学领域，数学是一门不可或缺的基础学科。
它为计算机科学的各个领域提供了必要的理论和工具，有助于解决问题和优化算法。
本文将介绍计算机科学中的一些数学基础，并说明它们在实际应用中的重要性。
1.离散数学离散数学是计算机科学中最基础的数学学科之一。
它涵盖了集合论、逻辑、图论、数论等内容。
在计算机科学中，离散数学的概念和方法被广泛应用于算法设计、数据结构、数据库、网络等领域。
例如，图论的算法可以用于解决最短路径问题、网络流问题等，而逻辑的知识可以帮助我们理解和设计复杂的计算机系统。
2.概率论与统计学概率论和统计学在计算机科学中也扮演着重要的角色。
概率论用于描述随机事件的发生概率，而统计学则用于分析和解释数据。
在机器学习和人工智能领域，概率论和统计学被广泛应用于模型的训练和预测。
例如，朴素贝叶斯分类器就是基于概率论的方法，而回归分析则是统计学的一种应用。
3.线性代数线性代数是研究向量空间和线性变换的数学学科。
它在计算机图形学、计算机视觉和机器学习等领域中起着关键作用。
在计算机图形学中，线性代数用于描述和变换三维空间中的对象，例如旋转、缩放和平移。
在机器学习中，线性代数则用于矩阵运算和特征提取。
4.数值计算数值计算是计算机科学中的一个重要分支，它主要研究通过数值近似方法求解数学问题。
在实际应用中，很多问题无法通过解析方法求解，而需要使用数值计算的方法。
例如，在大规模数据处理和优化问题中，数值计算可以帮助我们高效地求解最优解。
5.离散优化离散优化是解决离散决策问题的数学方法。
它在计算机科学中的算法设计和优化中发挥着重要作用。
离散优化的常见问题包括最短路径、最小生成树、背包问题等。
这些问题在计算机网络、运筹学和人工智能等领域中都有广泛的应用。
数学在计算机科学中扮演着重要的角色。
离散数学、概率论与统计学、线性代数、数值计算和离散优化是计算机科学中的一些基础数学学科。
它们为计算机科学提供了必要的理论和工具，帮助我们解决问题、优化算法和设计高效的计算机系统。
计算机科学中的数学基础
计算机科学中的数学基础计算机科学是一门涉及数字和逻辑思维的学科，而数学作为计算机科学的基础之一，为计算机科学家提供了一套强大而有效的工具和方法。
数学为计算机科学中的算法、数据结构、图论、逻辑和编程语言等方面提供了关键支持。
本文将探讨计算机科学中数学的重要性以及它在不同领域中的应用。
一、离散数学离散数学是计算机科学中的基础数学分支，它研究的是离散对象和离散结构。
离散数学的许多概念和技术直接应用于计算机科学的各个领域。
例如，集合论、逻辑、图论和组合数学等都是离散数学的重要组成部分。
在计算机科学中，离散数学常被用于处理离散的数据和事件，如图形的表示与操作、网络的建模与分析、逻辑推理与证明等。
离散数学的概念和技术为计算机科学提供了一种严密的数学语言，使得计算机科学家能够精确地描述和分析问题，从而设计出高效和可靠的算法和数据结构。
二、算法与复杂性理论算法是计算机科学中的核心概念，它描述了如何解决特定问题的步骤和方法。
数学为算法的设计和分析提供了坚实的基础。
通过数学工具，计算机科学家可以衡量算法的效率和复杂性，并预测算法在不同输入规模下的表现。
在复杂性理论中，数学用于研究算法的时间复杂性和空间复杂性。
通过运用数学方法，计算机科学家能够确定某个问题是否可以在合理的时间内解决，或者它的解决方案是否存在。
这对于决策问题的解决、优化问题的求解以及算法设计的选择具有重要意义。
三、概率与统计概率论和统计学是计算机科学中另一个重要的数学基础。
概率论描述了随机现象的规律，统计学则通过对数理模型的建立来分析和预测随机变量的行为。
在计算机科学中，概率和统计扮演着重要的角色，用于处理不确定性和随机性。
概率和统计学在数据挖掘、人工智能和机器学习等领域中有广泛应用。
通过概率和统计学的方法，计算机科学家能够建立机器学习模型、评估算法性能，并从大规模的数据中挖掘出有用的信息和模式。
四、线性代数线性代数是计算机科学中另一个重要的数学分支，它研究向量空间和线性变换等概念。
计算机数学
计算机数学计算机数学是计算机科学中一个重要的学科领域，它涵盖了数学在计算机中的应用和计算机科学中的数学概念。
计算机数学不仅是计算机科学的基础，也是许多计算机科学领域中的核心内容，如算法、数据结构、人工智能等等。
在本文中，我们将探讨计算机数学的一些基本概念和应用。
1. 逻辑和布尔代数逻辑是计算机数学中的重要组成部分，它涉及推理和判断的基本规则。
布尔代数是一种代数系统，用于处理逻辑关系和布尔变量的表达式。
计算机中的逻辑运算，如与、或、非等，可以通过布尔代数来描述和计算。
逻辑和布尔代数在计算机编程、电路设计和数据处理中有广泛的应用。
2. 离散数学离散数学是计算机数学中的另一个关键领域，它研究离散对象和离散结构。
离散对象指的是分离、不连续的对象，如整数、集合等。
离散结构涉及离散对象之间的关系，如图论、排列组合等。
离散数学为计算机科学提供了许多重要的理论基础，如算法分析、图算法等。
3. 数据结构与算法数据结构是计算机中用于存储和组织数据的方法和技术。
算法是解决问题的步骤和规则。
计算机数学提供了对数据结构和算法进行分析和设计的工具和技术。
通过数学的分析，我们可以评估算法的效率和复杂度，选择合适的数据结构来解决问题。
数据结构与算法是计算机科学中的核心内容，能够提高程序的性能和效率。
4. 概率和统计概率和统计是计算机数学中的重要概念，它们与随机事件和数据分析有关。
概率是研究随机事件发生的可能性和规律的数学分支，统计是分析和解释收集到的数据的方法和技术。
计算机科学中的机器学习、数据挖掘等领域都离不开概率和统计的应用。
概率和统计可以帮助我们理解和处理随机性和不确定性的问题。
5. 线性代数线性代数是计算机图形学和计算机视觉中的重要概念。
它研究向量、矩阵和线性变换等对象的代数理论和方法。
许多计算机图形学算法和图像处理技术都基于线性代数。
例如，平移、缩放和旋转操作可以通过线性代数来描述和计算。
线性代数为计算机图形学和计算机视觉提供了理论基础和工具。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计算机专业应该怎样学数学计算机专业应该怎样学数学?想了解更多的信息吗，和店铺一起看看吧!以下是店铺分享给大家的计算机专业学数学的方法，希望可以帮到你!计算机专业学数学的方法学习计算机，你需要有一定的数学及英语基础，在硬件方面最好有一些电路电子基础。
掌握几门开发语言是必须的，一般从C语言学起，然后学一门面向对象的语言，一般是C++或者Java。
算法与数据结构也是必须学的。
数据结构的链表、队列、栈、树、图等都是重要内容，还有算法中的排序、查找、搜索等。
数据库也是必学的，SQL语句、数据库范式等等，学的较多的是SQL Sever和MySQL。
计算机组成原理以及计算机系统结构等关于计算机硬件组成的课。
计算机操作系统也是必学科目。
现在的课本大都以Linux为例讲解操作系统，包括进程管理、文件操作等内容。
计算机网络当然也不能少。
网络分层来讲解，包括物理层、数据链路层、网络层、传输层等。
数学对计算机专业的重要性经常听人说要学好计算机必须学好数学，在编程中有用到数学了吗?不少人答案中指出的：在实践中数学无处不在。
其实这些数学都不是每个计算机专业学生必备的知识。
理由是，计算机已经深入到各个领域了，而在每个领域的应用中，自然要学会，并且懂得那个领域的知识，这些知识便包括了数学。
先说专业外的应用，我做工程模拟，那我自然要会卷积，拉普拉斯变换;而我做社交网络分析，图论就显得更重要了。
而这些与计算机本身是无关的，是与实践领域相关的。
PHP程序员大概就不需要这些数学，但他们也是属于计算机专业的。
软件工程专业涉及到的数学，特点是具体、直观、离散、实用。
Knuth 的《具体数学》定位就非常好。
除非是理论计算机方向，一般程序员需要的「数学」其实是指具体的算法和技巧，基本算是「应用数学」而已。
再说被分到计算机内的学科，有人说机器学习需要大量的数学。
即便是机器学习的科研工作者，用这些工具的，也大都是数学出身的，爱做分析性质研究的家伙。
工程师学好线代和统计就差不多了，而这类工程师，其实可以被看作是做特殊应用的。
更夸张地推一步，量子计算机也算是计算机专业的一个边缘分支。
难道可以因此说：学好量子力学对计算机专业很重要吗?然而，学好数学是没有坏处的。
学好数学不是每个计算机专业的必须要求，但是学好数学的学生可以在更广阔的领域内大展拳脚。
希望成为研究人员的话，那数学确实是要尽可能多地学。
很多和计算机挂钩的领域确实用到大量数学，尤其是研究方向。
但是如果各个领域的人都出来秀一把虐过自己的数学，那恐怕是会吓走不少想学计算机，但数学不是很强的人。
而实际上计算机专业大部分人是用不到多少数学的。
而且就业方面的信息显示，全球范围内计算机专业学生还是供应不足的。
计算机专业考研方向1、计算机应用技术研究方向：计算机网络、实时计算机应用、CIMS、计算机图形学、并行计算、网络信息安全、数据库、情感计算、数据挖掘、分布式计算、知识工程、计算机视觉、自动推理、机器学习、草图理解、网络性能分析与协议设计、网络管理与安全、计算机图形学、信息可视化、基于GPU的高性能计算、复杂系统(应急、物流、海洋)领域工程、基于SOA的空间信息共享与业务协同、语义搜索引擎、自然语言处理、机器翻译、搜索引擎、空中交通信息系统与控制、民航信息与决策支持系统、智能交通系统理论与技术等。
专业特点：计算机应用技术是针对社会与各种企事业单位的信息化需求，通过对计算机软硬件与网络技术的选择、应用和集成，对信息系统进行需求分析、规划和设计，提供与实施技术与解决方案，创建优化的信息系统，并对其运行实行有效的技术维护和管理的学科。
培养这方面人才所涉及的知识面包括：数学与信息技术基础、程序设计基础、系统平台技术、计算机网络、信息管理与安全、人机交互、集成程序开发、系统架构与集成、Web与数字媒体技术、工程实施、职业操守等。
培养目标是为企事业单位和政府机构提供首席信息官及承担信息化建设核心任务的人才，并提供为IT企业提供系统分析人才。
科研状况：本专业是天津市第一个计算机类博士点，主要从事计算机技术在其它领域应用中核心技术问题研究及相关信息系统开发。
近年来在计算机集成制造(CIMS)、计算机辅助教学、虚拟现实技术应用、计算机工业控制、电子商务等方向承担国家863项目及重大项目、国家自然科学基金十余项。
承担省部级及横向科研课题近百项。
为国家和天津市的信息化建设做出了重要贡献。
近几年报考简况：本专业从80年代初开始招生，至今已为国家培养出硕士学位研究生300多名。
近年来，报考人数和录取名额逐年同步增加。
硕士期间主要课程及论文要求：主要课程：高等计算机网络、计算理论、排队论及在计算机中的应用、应用组合数学、软件体系结构、面向对象方法学、分布式计算机系统、并行计算、高级计算机图形学、高级人工智能、模式识别与理解、机器学习、密码学与信息安全、统一建模语言。
论文要求：论文选题涉及计算机在各领域应用的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。
论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。
对于理论研究课题，要求达到较高的理论水平和创新;对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。
就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机应用领域的理论和工程方法，能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。
2、计算机软件与理论研究方向：计算理论、算法理论; 软件工程、中间件、智能软件、计算环境;并行计算、网格计算、普及计算;密码学、信息安全、数据理论;图形图象算法、可视化方法;人工智能应用基础;理论计算机科学其他方向专业特点：计算机软件与理论专业涉及计算机科学与技术的基本理论和方法，强调计算、算法、软件、设计等概念，主要的领域包括计算理论、算法与复杂性、程序设计语言、软件设计与理论、数据库系统、人工智能、操作系统与编译理论、信息安全理论与方法、图形学与可视化计算、以网络为中心的计算等。
科研状况：计算机软件与理论专业是我院重点发展，进步较快的专业。
近年来承担国家863、自然科学基金、，以及省部级项目多项。
在网络信息安全、中间件技术、并行计算、网格计算、计算机图形学等方面取得了多项前沿性成果。
近几年报考简况：本专业从96年代初开始招生，至今已为国家培养出硕士学位研究生50多名。
近年来，报考人数和录取名额逐年同步增加。
硕士期间主要课程及论文要求：主要课程：计算理论、应用组合数学、软件体系结构、面向对象方法学、分布式计算机系统、并行计算、高级计算机图形学、高级人工智能、模式识别与理解、机器学习、密码学与信息安全、统一建模语言。
论文要求：论文选题涉及计算机软件的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。
论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。
对于理论研究课题，要求达到较高的理论水平和创新;对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。
就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机软件的理论方法，以及软件工程、信息系统、并行计算、普及计算等等的软件系统开发技术，能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。
3、计算机系统结构研究方向：分布式计算机系统、计算机网络系统与全球个人计算系统、真实感图形生成与虚拟现实技术专业特点：计算机系统结构(原名计算机组织与系统结构)专业全面研究各种类型的计算机系统(从单机到网络)的构成、硬件与软件的联系与功能匹配、计算机系统性能评价与改进等。
该专业的研究课题涉及高性能处理机系统结构、多机系统、并行计算与分布式计算系统、计算机系统性能评价、VLSL设计、容错计算技术、计算机接口技术、计算机网络系统与通信系统、移动计算、全球个人计算系统等。
科研状况：本专业近年来承担多项国家科委、国家教委、国家计委及天津市自然科学基金项目，并有多项科研获奖。
其中G.T9112计算机解密系统获北京市公安局科技进步二等奖，表面高度复杂实体的CAM获国家科委科技进步二等奖。
目前承担国家自然科学基金项目“面向ASIC的真实感图形算法和系统结构的研究”、国家高科技863项目“用于建筑环境仿真设计的分布式多用户虚拟现实系统”、天津自然科学基金项目“分布式多用户VR开发系统平台的研究”和一大批为企事业单位开发的横向科研项目。
近几年报考简况：本专业从80年代初开始招生，至今已为国家培养出硕士学位研究生50多名。
近年来，报考人数和录取名额逐年同步增加。
硕士期间主要课程及论文要求：主要课程：应用数学、外语、高等计算机网络、排队论及在计算机中的应用、计算理论、现代计算机体系结构、计算机综合实验、计算机控制及应用、计算机网络研究热点问题、计算机系统仿真、量子计算、密码学与信息安全、面向对象方法学、嵌入式系统设计、统一建模语言、图象/模式识别与理解、机器学习、软件体系结构。
论文要求：论文选题涉及计算机系统结构的理论研究、尖端技术开发、以及在国民经济各个领域的应用研究。
论文应能全面反映本学科发展动态、具有科学性、先进性和一定的创新性。
对于理论研究课题，要求达到较高的理论水平和创新;对于系统设计、系统开发及系统应用课题，要求指导理论正确，实现技术先进，设计新颖，所设计的系统应能付诸实现、具有实际应用价值并能够带来明显的社会经济效益。
就业方向：本专业培养的研究生具有坚实的计算机科学与技术的理论基础，全面掌握计算机系统结构、计算机工程、网络工程、嵌入式系统等的应用开发技术、能很好地胜任高等院校、科研院所、大型企事业单位、高新技术产业等的教学、科研、系统设计、产品开发、应用系统集成等工作。