Kursplanen för en BE (Bachelor of Engineering) datavetenskap tredje termin kan variera avsevärt beroende på universitet och land. Det finns ingen enda, allmänt accepterad kursplan. Men jag kan ge dig en * allmän idé * om de vanliga ämnen du kan förvänta dig att hitta:
kärnämnen (sannolikt kommer att vara närvarande i de flesta kursplaner):
* datastrukturer och algoritmer: Detta är en grundkurs som täcker olika datastrukturer (matriser, länkade listor, staplar, köer, träd, grafer, högar) och algoritmer för att manipulera dem (sökning, sortering, graf traversal). Tyngdpunkten är vanligtvis på effektivitet och analys av algoritmkomplexiteten (stor O -notation).
* Diskret matematik: Fokuserar på matematiska begrepp som är avgörande för datavetenskap, inklusive logik, uppsättningsteori, grafteori, kombinatorik och nummerteori. Dessa är grundläggande för att förstå algoritmer och deras korrekthet.
* Digital logikdesign/datororganisation och arkitektur: Denna kurs undersöker datorns underlag för datorer. Ämnen kan inkludera booleska algebra, logikgrindar, flip-flops, minnessystem, CPU-arkitektur, instruktionsuppsättningar och pipelining.
* Programmering i C ++/Java (eller ett annat objektorienterat språk): Genom att bygga på introduktionsprogrammering fördjupar denna kurs djupare i objektorienterade programmeringsprinciper (inkapsling, arv, polymorfism), dataabstraktion och eventuellt designmönster. Betydande programmeringsprojekt är vanligtvis involverade.
* databashanteringssystem (DBMS): Introduktion till relationsdatabaser, SQL (strukturerat frågesprinciper), databasdesignprinciper (normalisering) och transaktionshantering. Praktisk erfarenhet av ett databassystem (som MySQL eller PostgreSQL) är typisk.
Möjliga valfria eller allierade ämnen (dessa varierar mycket):
* datorgrafik: Grunder i datorgrafik, inklusive 2D- och 3D -transformationer, återgivningstekniker och eventuellt introduktion till skuggning och belysning.
* Operativsystem: Introduktion till operativsystemkoncept, inklusive processhantering, minneshantering, filsystem och samtidighet.
* Sannolikhet och statistik: Väsentligt för datavetenskap och maskininlärning, täckning av sannolikhetsfördelningar, statistisk inferens och hypotesprovning.
Viktig anmärkning: De specifika ämnena som omfattas av varje ämne och djupnivån kommer att variera avsevärt mellan universitet och till och med mellan olika professorer som undervisar samma kurs. Se alltid ditt universitets officiella kursplan för korrekt och detaljerad information om din specifika BE-datorvetenskap tredje terminsplan.
