
Master of Science in Computertechnik
Stephenville, Vereinigte Staaten von Amerika
DAUER
33 up to 36 Hours
SPRACHEN
Englisch
TEMPO
Vollzeit
BEWERBUNGSSCHLUSS
09 Jan 2025
FRÜHESTES STARTDATUM
Mar 2025
AUSBILDUNGSKOSTEN
USD 36.305
STUDIENFORMAT
Auf dem Campus
Einführung
Wichtiger Hinweis für internationale Studierende:
Internationale Studierende müssen in Vollzeit eingeschrieben sein (9 Stunden sind Vollzeit für den Abschluss), davon 6 Stunden persönlich und 3 Stunden online. INTL-Studenten können Computer Engineering auf dem Stephenville-Campus studieren (Herbst oder Frühjahr) und sie können den MBA auf dem Ft. Worth-Campus absolvieren, der nur im Herbst geöffnet ist. Internationale Studenten können nur online studieren, wenn sie außerhalb der USA bleiben. Wenn sie in die USA kommen wollen, müssen sie vor Ort studieren.
Ein weiterer Vorbehalt..... ist, dass internationale Studierende mit einem H-Visum Online-Programme in den USA studieren können, aber die meisten unserer Studierenden haben ein F-Visum, mit dem sie f2f auf einem Campus studieren müssen. Inhaber eines H-Visums sind hier, um zu arbeiten, und die Möglichkeit, zur Schule zu gehen, ist ein zusätzlicher Vorteil. Inhaber eines F-Visums sind nur zum Studieren hier und dürfen nicht arbeiten.
Stärken Sie Ihre Zukunft in der technischen Innovation
Bringen Sie Ihre Karriere voran und bleiben Sie an der Spitze der Technologie mit dem M.S. in Computertechnik von Tarleton State University's Mayfield College of Engineering. Ob Sie sich für ein Studium online oder auf dem Campus in unserer hochmodernen Einrichtung in Stephenvillewerden Sie in ein strenges, praxisorientiertes Programm eintauchen, das Sie zum Erfolg in der sich schnell entwickelnden Technologielandschaft von heute führen wird.
Warum sollten Sie sich für den M.S. in Computertechnik bei Tarleton entscheiden?
Der M.S. in Computer Engineering von Tarleton zeichnet sich durch ein unübertroffenes Angebot an realen Anwendungen von Computer- und Ingenieurprinzipien. Wir nutzen partnerschaften mit der Industrie und bahnbrechende Forschung um ein Programm anzubieten, das über die Theorie hinausgeht. Unsere Fakultät arbeitet direkt mit führenden Unternehmen zusammen, um sicherzustellen, dass die Studenten sich mit modernste Probleme und aufkommenden Technologien vom ersten Tag an. Im Gegensatz zu ähnlichen Programmen profitieren Sie von kleinen Klassengrößen, persönlicher Betreuung durch Mentorenund Zugang zu modernsten Forschungslaboratorien - die oft nur Doktoranden an größeren Einrichtungen vorbehalten sind.
Programmfunktionen
- Flexible Lernoptionen für internationale Studenten: Sie können sich in Vollzeit (9 Stunden) einschreiben, davon 6 Stunden persönlich am Stephenville Campus, und 3 Stunden können online absolviert werden.
- Praxisnahes Lernen: Wenden Sie das Gelernte auf reale Herausforderungen an und sammeln Sie Erfahrungen mit Forschungsprojekten und fortgeschrittenen Tools.
- Spezialisierungen für die Zukunft: Konzentrieren Sie sich auf Bereiche wie VLSI-Schaltungsentwurf, Cybersecurity, Robotik und Künstliche Intelligenz.
Einzigartige Lehrplan-Spezialisierungen
Unser Programm ist bekannt für seinen fortgeschrittenen Fokus auf optimierung und stochastische Modelleeine einzigartige Kombination, die nur selten an anderen Institutionen zu finden ist. Sie erwerben Fachwissen in Bereichen wie z. B.:
- Computerarchitektur & Verteiltes Rechnen
- Fortgeschrittene Computernetze (mit Schwerpunkt auf Cybersicherheit)
- VLSI-Schaltungsentwurf
- Robotik, künstliche Intelligenz und maschinelles Lernen
These oder Nicht-These-Optionen
Schneiden Sie Ihre Bildungserfahrung auf Ihre beruflichen Ziele zu. Die option Abschlussarbeit bietet umfassende Forschungsmöglichkeiten, während die professional Track ohne Abschlussarbeit einen praktischen Ansatz bietet, der Ihre Bereitschaft für die Industrie verbessert.
Unerreichte marktfähige Fähigkeiten
Unser Programm geht über technisches Fachwissen hinaus. Sie werden mit einem robusten Satz von marktfähigen Fähigkeiten abschließen, darunter:
- Komplexe Problemlösung: Lösen Sie kritische Probleme in Bereichen wie luft- und Raumfahrt, medizin, robotik und militärtechnik.
- Technische Beherrschung: Lernen Sie fortgeschrittene Mathematik und Programmiersprachen, einschließlich C/C++, und bleiben Sie dabei in der sich entwickelnden Technologielandschaft flexibel.
- Kooperations- und Kommunikationsfähigkeiten: Effektive Zusammenarbeit mit Teams, Endnutzern und Interessenvertretern zur Entwicklung innovativer Lösungen.
Praxisnahe Forschungserfahrung
Tarletons M.S. in Computertechnik bietet einzigartige Forschungsmöglichkeiten die Ihren Bildungsweg bereichern. Arbeiten Sie mit Fakultätsmitgliedern zusammen, die bahnbrechende Arbeiten in Bereichen wie drahtlose Kommunikationssysteme, modellierung des Netzwerk-Televerkehrs, robotik und KIund cybersicherheit. Forschung ist hier nicht nur eine theoretische Übung; sie ist ein Weg, um lebenslauf zu erweitern, netzwerke aufbauenund sogar stipendien verdienen während Sie zu sinnvollen Innovationen beitragen.
Distinguished Faculty
Ihre Lernerfahrung wird von einem Team erfahrener Lehrkräfte mit mit umfangreichem Industrie- und Forschungshintergrund. Jeder unserer Dozenten bringt praktische Erfahrung und Verbindungen zur Industrie mit und hilft Ihnen, die Lücke zwischen akademischer Theorie und anwendung in der Praxis.
State-of-the-art-Einrichtungen
Die Mayfield College of Engineering verfügt über zu den modernen Einrichtungen gehören fortschrittliche Lehrlabore, Makerspaces und Forschungsgeräte, die mit den Ressourcen größerer Einrichtungen mithalten können. Unsere jüngste 54 Millionen Dollar Investition in ein neues Gebäude unterstreicht unser Engagement, eine erstklassige Lernumgebung zu bieten. Ob Sie nun hochmoderne KI-Systeme oder an drahtlosen Netzwerken der nächsten Generationsie werden die Werkzeuge haben, die Sie für Ihren Erfolg brauchen.
Bereiten Sie sich auf die Zukunft vor - melden Sie sich noch heute an
Texas ist ein wachsendes Zentrum für Fachleute aus den Bereichen Ingenieurwesen und Informatik, und die Absolventen von Tarleton stehen an der Spitze dieser Entwicklung. Die Website U.S. Büro für Arbeitsstatistik prognostiziert ein robustes Wachstum in den technischen Bereichen, und Texas gehört zu den Spitzenreitern bei Beschäftigung und Löhnen in diesen Branchen.
Wer sich für Tarletons Master of Science in Computer Engineering entscheidet, wählt eine Zukunft voller möglichkeiten, innovationund erfolg. Bewerben Sie sich noch heute und beginnen Sie Ihre Reise zu einer Karriere, die die Welt gestaltet!
Wenn Sie sich für den Master of Science in Computer Engineering an der Tarleton State University entscheiden, erwerben Sie nicht nur einen Abschluss, sondern auch die Fähigkeiten, das Mentoring und die Möglichkeiten, Ihre Zukunft zu gestalten.
Admissions
Lehrplan
CPEN 5099. Abschlussarbeit. 1–6 Kreditstunden (Vorlesung: 1–6 Stunden, Labor: 0 Stunden).
Forschung für die Masterarbeit im Bereich Computertechnik. Voraussetzungen: Hochschulabschluss.
CPEN 5341. Fortgeschrittene Algorithmen. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Amortisierte Analyse, Graph, Netzwerkfluss, String-Matching, Matrix- und Polynomalgorithmen, lineare Programmierung, NP-Vollständigkeit, Approximationsalgorithmen und eine Einführung in parallele Algorithmen. Vorkenntnisse oder Erfahrungen in Datenstrukturen und Algorithmen sind empfehlenswert. Voraussetzung: Zustimmung des Abteilungsleiters.
CPEN 5342. Parallele Berechnungen und Algorithmen. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Taxonomie paralleler Rechner, Shared-Memory- und Message-Passing-Architekturen, theoretische Modelle; Muster und Strategien für den Entwurf paralleler Algorithmen; parallele Datenstrukturen; automatische Parallelisierung sequentieller Programme; Kommunikation; Synchronisation und Granularität; Anwendungen. Vorkenntnisse oder Erfahrungen in Computerarchitektur sind empfehlenswert.
CPEN 5343. Fortgeschrittene Computerarchitektur. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Der Kurs ist um die drei Hauptbausteine universeller Computersysteme herum aufgebaut: Prozessoren, Speicher und Netzwerke. Zu den Themen gehören die Einschränkungen skalarer Pipelines, superskalarer Ausführung, Out-of-Order-Ausführung, Registerumbenennung, Speicherdisambiguierung, Verzweigungsvorhersage und spekulative Ausführung; Multithread-, VLIW- und SIMD-Prozessoren; nicht blockierende Cache-Speicher und Speichersynchronisierung, -konsistenz und -kohärenz; Multi-Core-Architekturen mit gemeinsam genutztem Speicher. Der Kurs behandelt auch Techniken zur quantitativen Analyse von Computersystemen, um alternative Designoptionen zu verstehen und zu vergleichen. Vorkenntnisse oder Erfahrungen in Computerarchitektur werden empfohlen. Voraussetzung: Genehmigung des Abteilungsleiters.
CPEN 5348. Fortgeschrittener VLSI-Schaltungsentwurf. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Analyse und Design wichtiger analoger und Mixed-Signal-IC-Blöcke: Analogschalter, Sampling-Schaltungen, Switched-Capacitor-Filter, ADCs, DACs und PLLs. Low-Power-Designtechniken und Machine-Learning-Anwendungen für analoge und Mixed-Signal-ICs. Vorkenntnisse oder Erfahrungen in Elektronik II und Digitaler Signalverarbeitung sind empfehlenswert. Voraussetzung: Zustimmung des Fachbereichsleiters.
CPEN 5351. Einführung in die konvexe Optimierung. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Dieser Kurs führt in konvexe Optimierungsprobleme, die Grundlagen der konvexen Analyse, Algorithmen für konvexe Optimierung und ihre Komplexität sowie Anwendungen der konvexen Optimierung ein. Der Kurs schult die Studierenden auch darin, konvexe Optimierungsprobleme zu erkennen, die in wissenschaftlichen und technischen Anwendungen auftreten, und Softwaretools zur Lösung konvexer Optimierungsprobleme zu verwenden. Vorkenntnisse oder Erfahrungen in Analysis III und Matrizenalgebra werden empfohlen. Voraussetzung: Genehmigung des Abteilungsleiters.
CPEN 5355. VLSI-Architekturen. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Der Kurs behandelt die wichtigsten Methoden zum Entwurf kundenspezifischer oder halbkundenspezifischer VLSI-Systeme für typische Signalverarbeitungs- und Kommunikationsanwendungen. Techniken für den inneren und äußeren Empfänger, Abbildung von Algorithmen auf Array-Strukturen, digitale Signalverarbeitungssysteme (DSP) und Field Programmable Gate Arrays (FPGAs), programmierbare Signalprozessoren. Vorkenntnisse oder Erfahrungen in Computerarchitektur sind empfehlenswert. Voraussetzung: Genehmigung des Abteilungsleiters.
CPEN 5361. Tiefe neuronale Netzwerke. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Einführung in die Prinzipien und Theorie neuronaler Netzwerke, mit Schwerpunkt auf tiefen neuronalen Netzwerken. Themen sind Faltungsnetzwerke, rekurrierende und LSTM-Netzwerke, bestärkendes Lernen, Vorverarbeitung, Regularisierung, Tuning und Optimierung sowie mathematische und Programmierwerkzeuge. Anwendungen für Klassifizierung, Bilderkennung und autonome Fahrzeuge. Vorkenntnisse oder Erfahrungen in Data Science, Machine Learning sind empfehlenswert. Voraussetzung: Genehmigung des Abteilungsleiters.
CPEN 5366. Robotersehen. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Dieser Kurs zielt darauf ab, die Lücke zwischen Computer Vision und Deep Learning zu schließen. Er behandelt Themen wie Objekterkennung und -erkennung, maschinelle Lernalgorithmen für Computer Vision und fortgeschrittene Techniken für 3D-Computer Vision. Es werden reale Anwendungen und Projekte in den Bereichen autonome Fahrzeuge und Robotik umgesetzt. Vorkenntnisse oder Erfahrungen in Computer Vision, Python und C/C++-Programmierung werden empfohlen. Voraussetzung: Genehmigung des Abteilungsleiters.
CPEN 5377. Drahtlose und mobile Kommunikationsnetzwerke. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Fortgeschrittene Architekturen für drahtlose Kommunikationsnetzwerke; fortgeschrittene drahtlose Technologien; Herausforderungen und Probleme beim Entwurf solcher Netzwerke; Warteschlangentheorie und andere stochastische Modelle. Vorkenntnisse oder Erfahrungen in Computernetzwerken oder Kommunikationssystemtheorie, Wahrscheinlichkeitsrechnung, ein Semester Programmierung werden empfohlen. Voraussetzung: Genehmigung des Abteilungsleiters.
CPEN 5378. Fortgeschrittene Computernetzwerke. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Dieser Kurs konzentriert sich auf Routing und Inter-Networking in IP-Netzwerken und behandelt aktuelle Themen wie drahtlose Netzwerke, Sicherheit, Voice und Video über IP, das Internet der Dinge (IoT), softwaredefinierte Netzwerke und Netzwerkvirtualisierung. Vorkenntnisse oder Erfahrungen in Computernetzwerken sind empfehlenswert. Voraussetzung: Genehmigung des Abteilungsleiters.
CPEN 5379. Leistung von Computer- und Kommunikationsnetzwerken. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Anwendung von Wahrscheinlichkeitsrechnung, Markow-Ketten und Warteschlangentheorie auf die Analyse und das Design von Computer- und Kommunikationsnetzwerken. Fallstudien zu Traffic Shaping und Multiplexing, statischem Routing, dynamischem Routing und Peer-to-Peer-Filesharing-Systemen. Es werden sowohl zeitkontinuierliche als auch zeitdiskrete Modelle untersucht. Vorkenntnisse oder Erfahrungen in Computernetzwerken oder Kommunikationssystemtheorie, Wahrscheinlichkeitsrechnung sind empfehlenswert. Voraussetzung: Genehmigung des Fachbereichsleiters. Informatikkurse COSC 5086. Fortgeschrittene Spezialprobleme der Informatik. 1-6 Kreditstunden (Vorlesung: 1-6 Stunden, Labor: 0 Stunden). Fortgeschrittene Spezialprobleme der Informatik. Die Arbeit kann entweder Theorie oder Labor sein. Kann mit Genehmigung des Fachbereichsleiters für zusätzliche Kreditpunkte wiederholt werden.
COSC 5088. Abschlussarbeit. 1–6 Kreditstunden (Vorlesung: 1–6 Stunden, Labor: 0 Stunden).
Forschung für Masterarbeit in KI und maschinellem Lernen (AIML-MS). COSC 5330. Simulation. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden). Einführung in die Simulation mit Schwerpunkt auf Simulationsmethodik, Zufallszahlengenerierung, Zeitflussmechanismen, Samplingtechniken sowie Validierung und Analyse von Simulationsmodellen und -ergebnissen. Simulationssprachen und ihre Anwendungen werden untersucht.
COSC 5345. Bestärkendes Lernen. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Dieser Kurs bietet eine Einführung und einen umfassenden Überblick über Reinforcement Learning (RL). Zu den Themen gehören Markov-Entscheidungsprozesse und dynamische Programmierung, Monte-Carlo-Methoden, Temporal Difference Learning, Integration von Planung und Lernen, Policy Gradient- und Actor-Critic-Methoden, Deep Learning und Deep-RL-Algorithmen. Die Studierenden nehmen an Übungen und Projekten teil, bei denen in simulierten RL-Umgebungen programmiert wird. Für COSC 4345 und 5345 werden keine Leistungspunkte vergeben. Doktoranden müssen zusätzliche Aufgaben erledigen. Voraussetzung: Fortgeschrittene Kenntnisse in Statistik und künstlicher Intelligenz.
COSC 5346. Robotik und autonome Systeme. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Überblick über die wichtigsten Bereiche der Robotik und autonomen Systeme. KI, maschinelles Lernen und Optimierungsalgorithmen ermöglichen autonomen Agenten den Betrieb in unstrukturierten, dynamischen Umgebungen, einschließlich Lokalisierung und Kartierung, Sensorfusion, Computervision, Pfadplanung, Kommunikation und Hindernisvermeidung. Die Studierenden nehmen an Übungen und Projekten teil, bei denen es um die Entwicklung von Robotersystemen mit autonomen Aktionen und die Bewertung ihrer Leistung mithilfe von Computersimulationen und physischen Robotersystemen geht. Für COSC 4346 und 5346 werden keine Leistungspunkte vergeben. Doktoranden müssen zusätzliche Aufgaben erledigen. Voraussetzung: Fortgeschrittene Kenntnisse in Statistik, linearer Algebra und künstlicher Intelligenz.
COSC 5347. Hochleistungsrechnen. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Dieser Kurs bietet eine Einführung in die Programmierung massiv paralleler Prozessoren und deren Architekturen. Er behandelt Methoden, um das Potenzial von Grafikprozessoren (GPUs) und parallelen Algorithmen mithilfe der CUDA-Parallel-Computing-Plattform auszuschöpfen. Algorithmen aus den Bereichen wissenschaftliches Rechnen, maschinelles Lernen und Computer Vision werden vorgestellt und untersucht.
COSC 5352. Optimierung für maschinelles Lernen. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
In diesem Kurs werden die Theorie und Algorithmen des maschinellen Lernens und der modernen Datenanalyse behandelt. Die Themen werden mit besonderem Augenmerk auf die Komplexität, Implementierung, Robustheit und Skalierbarkeit von Algorithmen für große Datensätze zugeschnitten. Die Studierenden werden an Übungen und Projekten teilnehmen, bei denen es um die Programmierung von Optimierungsalgorithmen und die Bewertung ihrer Leistung geht.
COSC 5360. Künstliche Intelligenz. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Stellt Darstellungen, Algorithmen und Architekturen vor, die zum Erstellen intelligenter Systeme verwendet werden. Prädikatenrechnung, Zustandsraumdarstellung und -suche, heuristische Suche, wissensbasierte Problemlösung, symbolbasiertes und konnektionistisches maschinelles Lernen, intelligente Agenten und Robotik.
COSC 5361. Tiefe neuronale Netzwerke. 3 Kreditstunden (Vorlesung: 3 Stunden, Labor: 0 Stunden).
Einführung in die Prinzipien und Theorie neuronaler Netzwerke, mit Schwerpunkt auf tiefen neuronalen Netzwerken. Themen sind Faltungsnetzwerke, rekurrierende und LSTM-Netzwerke, bestärkendes Lernen, Vorverarbeitung, Regularisierung, Feinabstimmung und Optimierung sowie mathematische und Programmierwerkzeuge. Anwendungen für Klassifizierung, Bilderkennung und autonome Fahrzeuge. Für COSC 4361 und 5361 werden keine Leistungspunkte vergeben. Doktoranden müssen zusätzliche Aufgaben erledigen. Voraussetzung: Fortgeschrittene Kenntnisse in Statistik, linearer Algebra und künstlicher Intelligenz.
Programmergebnis
Studierende unseres Programms werden:
- In der Lage sein, den logischen (Schaltungs-)Entwurf zu verstehen.
- Seien Sie in der Lage, komplexe Technologieprobleme in den Bereichen Robotik, Luft- und Raumfahrt, Wirtschaft, Medizin, Militär und anderen wichtigen Bereichen zu erkennen und zu lösen.
- Sie sind in der Lage, theoretische Prinzipien anzuwenden und anzupassen, um neue Computersoftware und/oder -hardware zu entwickeln.
- Sie sind in der Lage, computerbezogene Mathematikkenntnisse, z. B. aus den Bereichen lineare Algebra, Differential- und Integralrechnung, Statistik, diskrete Mathematik und Optimierung, auf reale Probleme anzuwenden.
Karrierechancen
Topaktuelle Karrieremöglichkeiten
Mit einem Master in Computertechnik von Tarleton haben Sie enorme Karriereaussichten. Absolventen sind in folgenden Positionen erfolgreich:
- Computer- und Informationswissenschaftler
- Informationssicherheitsanalytiker
- Softwareentwickler
- Robotik- und KI-Spezialisten
Die Ausrichtung des Programms auf die Nachfrage der Branche stellt sicher, dass Sie für die Herausforderungen der Technologielandschaft von morgen gerüstet sind.