数学科学理学硕士
课程结构
本部分概述了课程的整体结构,具体课程组成部分的详细信息如下。
本课程融合了数学、统计学和计算机科学的多个学科内容,涵盖数论、几何与代数,以及遗传学和数学生理学;从概率论和数学地球科学,到数据挖掘和机器学习。你可根据个人兴趣和需求,从众多选项中自由选择,量身定制学习计划。本课程从10月初持续至次年6月底。
你将学习到一系列数学和/或统计知识,并能够将这些知识应用于解决数学科学中的复杂问题。你的论文将为你提供机会,发展研究技巧以及展示和科学传播的能力。
选修模块
您将选择六到八个选修模块。
典型选项
您将可以从数学、物理和统计学等多个领域中进行选择。
并非每年都会提供所有选项,但以下课程在往年均有开设:
C1.1 模型论
C1.2 调和的哥德尔不完备定理
C1.3 分析拓扑学
C1.4 基本集合论
C2.2 卓绝代数
C2.3 半单李代数表示理论
C2.4 无限群
C2.5 非交换环
C2.6 理想方案导论
C2.7 离散数学
C3.1 代数拓扑
C3.2 几何群论
C3.3 可微流形
C3.4 代数几何
C3.5 李群
C3.6 模形式
C3.7 椭圆曲线
C3.8 分析数论
C3.9 计算代数拓扑
C3.10 加法数论
C3.11 积分几何
C3.12 低维拓扑与纽结理论
C4.1 进一步的泛函分析
C4.3 偏微分方程的泛函分析方法
C4.6 非线性偏微分方程的不动点方法
C4.7 小波分析
C4.9 最优传输与偏微分方程
C5.1 固体力学
C5.2 弹性与塑性
C5.4 网络
C5.5 扩展方法
C5.6 应用复变函数
C5.7 流体力学专题
C5.9 数学机械生物学
C5.11 数学地球科学
C5.12 数学生理学
C6.1 数值线性代数
C6.2 连续优化
C6.4 偏微分方程的有限元法
C6.5 深度学习理论C7.1 理论物理
C7.4 量子信息导论
C7.5 一般相对论 I
C7.6 一般相对论 II
C7.7 随机矩阵理论
C8.1 随机微分方程
C8.2 随机分析与偏微分方程
C8.3 组合数学
C8.4 概率组合数学
C8.7 最优控制
SC1 数学遗传学中的随机模型
SC2 网络分析的概率与统计
SC4 统计机器学习的高级课题
SC5 高级模拟方法
SC6 图形模型
SC7 贝叶斯方法
SC9 图上与格上的概率
SC10 学习的算法基础
SC11 气候统计
您也可能有机会选择计算机科学领域的部分选修课程,但具体取决于院系的批准,优先考虑计算机科学系的学生。
微信扫一扫









