本文目录
美国计算机专业就业率排名前30的大学都有哪些
美国读博士超级难申超级优秀超级全面系列：Stanford/UCBerkeley/MIT这三个学校在research上非常全面，几乎没有弱项。尤其是MIT的工作，相当有impact。这三个学校reputation相当优秀，申请难度很大。细说的话，MIT稍微比Stanford和Berkeley好申一些，Stanford最难。对于MIT/Stanford，我私认为是光凭自身硬件搞不定的(可能THU除外)。我听说过的所有国内学生申请成功的例子，除了自身硬件牛以外，都是由有internationalreputation的prof(很多还不止一个)强力推荐。当然，这两个条件本身就有很大的关联性。美国计算机博士超级难申超级优秀系列：Caltech/Harvard没错，排在第二档就是Caltech和Harvard这两个USnews十名开外的学校。这两个学校无论从reputation，faculty质量还是申请难度来说，绝对和上面三个不相上下。但是由于department比较小，所以ranking不是很高。Caltech总共只有15个prof，可以说是每个人独当一面。Harvard的强项是theory，不够全面。但是，如果你的运气好到在这两个学校刚好有match的prof的话，那么，如果没有上面三家的offer，我建议优先考虑这两家。美国读博士非常难申非常优秀超级全面系列：CMUCMU可以说是计算机类学校中的一枝奇葩，schoolofcomputerscience下6个department。Research相当全面，水平也很高，尤其是AI相关的方向。CMU因为department比较大，招的人相对多，申请难度比上面5所小不少。美国计算机博士比较难申非常优秀系列：Princeton/Washington/Cornell/UIUC/Austin/Toronto这6个学校reputation都相当好，research各有优势，princeton/washington的申请难度大于cornell/uiuc/austin/toronto。Princeton的theory不错，department比较小，申请难度相对大，喜欢招thupku的学生。Washington的system一流，申请难度不知道为什么也比较大。Cornell相对平均，theory不错，整体来讲感觉research有点偏理论。比如它家一个做ml的prof，就喜欢在COLTSODA上发paper。UIUC是老牌engineering学校，system不错。不过我感觉UIUC的ranking跟departmentsize+它家engineering的reputation有关。UIUCprof的权力相当大，陶瓷相对有用。Austin的AI非常好，network有个相当牛的prof，其他不大清楚。Toronto是这次唯一一个美国以外的学校。Toronto的reputation也相当好，faculty质量也很高，申请难度和这一档的其他美国学校相当。我个人觉得对于没有想清楚又无力自费美国ms的申请者，在CA念一个master作为缓冲是一个相当不错的选择。美国读博士比较难申ivy系列：Yale/Columbia/Brown这三个是ivy里面剩下的比较靠前的学校。这三个学校faculty很多都是名校毕业，但是active的也不算多。Department很小，申请难度比较浮动，总体说来跟上面的那6所差不多。不过如果不是有特别喜欢的prof或者有ivy情结或者想转行的话，还是建议优先考虑上面那6个学校。美国计算机博士相对难申各有所长系列：Wisc/UCLA/UMD/UMich/UCSD/UMass/UNCC/Upenn上面这一系列学校基本上reputation不错，research不够全面但是各有所长。申请难度跟申请者的学校背景关系比较大。其中UCLA比较难申。WiscDB不错，不过去年似乎走了几个大牛。听说有人预言5年内跌出前20。虽然我觉得没有那么夸张，不过感觉确实在走下坡路。UCLA的vision/network相当不错。加上UCLA有非常牛的应数支撑(对于CS而言，math比engineering重要多了)，和相当不错的地理位置，在这一档的学校中应该是稍有优势的。不足之处就是资金比较紧张，招的人相当少。UMD的IR和AI不错，想做IR的也可以考虑一下它家的SchoolofInformation。UMich是老牌engineeringschool。感觉和UIUC比较像，不过明显要差一个档次。UMich的research整体偏engineering。DB应该还可以。另外做IR的可以考虑一下UMich的SchoolofInformation，这个department基本上是全美top3的。UCSD是system不错，而且学校出门5分钟就到海滩，相当有吸引力。UMass的IR/AI相当好，尤其是AndrewMcCallum相当活跃。UNCC的graphics/vision的faculty相当多，不过其他的方向就相当弱。UPenn的AI不错，有名垂AI史的MichaelKearns坐镇。如果跟他的话走academic路线就基本没问题了。
人工智能的技术研究
用来研究人工智能的主要物质基础以及能够实现人工智能技术平台的机器就是计算机，人工智能的发展历史是和计算机科学技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。 如今没有统一的原理或范式指导人工智能研究。许多问题上研究者都存在争论。其中几个长久以来仍没有结论的问题是：是否应从心理或神经方面模拟人工智能?或者像鸟类生物学对于航空工程一样，人类生物学对于人工智能研究是没有关系的？智能行为能否用简单的原则（如逻辑或优化）来描述？还是必须解决大量完全无关的问题？智能是否可以使用高级符号表达，如词和想法？还是需要“子符号”的处理？JOHN HAUGELAND提出了GOFAI(出色的老式人工智能)的概念，也提议人工智能应归类为SYNTHETIC INTELLIGENCE，这个概念后来被某些非GOFAI研究者采纳。大脑模拟主条目：控制论和计算神经科学20世纪40年代到50年代，许多研究者探索神经病学，信息理论及控制论之间的联系。其中还造出一些使用电子网络构造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。 这些研究者还经常在普林斯顿大学和英国的RATIO CLUB举行技术协会会议.直到1960, 大部分人已经放弃这个方法，尽管在80年代再次提出这些原理。符号处理主条目：GOFAI当20世纪50年代，数字计算机研制成功，研究者开始探索人类智能是否能简化成符号处理。研究主要集中在卡内基梅隆大学, 斯坦福大学和麻省理工学院，而各自有独立的研究风格。JOHN HAUGELAND称这些方法为GOFAI(出色的老式人工智能)。 60~70年代的研究者确信符号方法最终可以成功创造强人工智能的机器，同时这也是他们的目标。认知模拟经济学家赫伯特·西蒙和艾伦·纽厄尔研究人类问题解决能力和尝试将其形式化，同时他们为人工智能的基本原理打下基础，如认知科学, 运筹学和经营科学。他们的研究团队使用心理学实验的结果开发模拟人类解决问题方法的程序。这方法一直在卡内基梅隆大学沿袭下来，并在80年代于SOAR发展到高峰。基于逻辑不像艾伦·纽厄尔和赫伯特·西蒙，JOHN MCCARTHY认为机器不需要模拟人类的思想，而应尝试找到抽象推理和解决问题的本质，不管人们是否使用同样的算法。他在斯坦福大学的实验室致力于使用形式化逻辑解决多种问题，包括知识表示, 智能规划和机器学习. 致力于逻辑方法的还有爱丁堡大学，而促成欧洲的其他地方开发编程语言PROLOG和逻辑编程科学.“反逻辑”斯坦福大学的研究者 (如马文·闵斯基和西摩尔·派普特)发现要解决计算机视觉和自然语言处理的困难问题，需要专门的方案-他们主张不存在简单和通用原理（如逻辑）能够达到所有的智能行为。ROGER SCHANK 描述他们的“反逻辑”方法为 SCRUFFY .常识知识库 (如DOUG LENAT的CYC)就是SCRUFFYAI的例子,因为他们必须人工一次编写一个复杂的概念。基于知识大约在1970年出现大容量内存计算机，研究者分别以三个方法开始把知识构造成应用软件。这场“知识革命”促成专家系统的开发与计划,这是第一个成功的人工智能软件形式。“知识革命”同时让人们意识到许多简单的人工智能软件可能需要大量的知识。子符号法80年代符号人工智能停滞不前，很多人认为符号系统永远不可能模仿人类所有的认知过程，特别是感知，机器人，机器学习和模式识别。很多研究者开始关注子符号方法解决特定的人工智能问题。自下而上, 接口AGENT，嵌入环境（机器人），行为主义，新式AI机器人领域相关的研究者，如RODNEY BROOKS，否定符号人工智能而专注于机器人移动和求生等基本的工程问题。他们的工作再次关注早期控制论研究者的观点，同时提出了在人工智能中使用控制理论。这与认知科学领域中的表征感知论点是一致的:更高的智能需要个体的表征(如移动，感知和形象)。计算智能80年代中DAVID RUMELHART 等再次提出神经网络和联结主义. 这和其他的子符号方法，如模糊控制和进化计算，都属于计算智能学科研究范畴。统计学法90年代，人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法，即这些方法的结果是可测量的和可验证的，同时也是人工智能成功的原因。共用的数学语言也允许已有学科的合作（如数学，经济或运筹学）。STUART J. RUSSELL和PETER NORVIG指出这些进步不亚于“革命”和“NEATS的成功”。有人批评这些技术太专注于特定的问题，而没有考虑长远的强人工智能目标。集成方法智能AGENT范式智能AGENT是一个会感知环境并作出行动以达致目标的系统。最简单的智能AGENT是那些可以解决特定问题的程序。更复杂的AGENT包括人类和人类组织（如公司）。这些范式可以让研究者研究单独的问题和找出有用且可验证的方案，而不需考虑单一的方法。一个解决特定问题的AGENT可以使用任何可行的方法-一些AGENT用符号方法和逻辑方法，一些则是子符号神经网络或其他新的方法。范式同时也给研究者提供一个与其他领域沟通的共同语言--如决策论和经济学（也使用ABSTRACT AGENTS的概念）。90年代智能AGENT范式被广泛接受。AGENT体系结构和认知体系结构研究者设计出一些系统来处理多ANGENT系统中智能AGENT之间的相互作用。一个系统中包含符号和子符号部分的系统称为混合智能系统 ,而对这种系统的研究则是人工智能系统集成。分级控制系统则给反应级别的子符号AI 和最高级别的传统符号AI提供桥梁，同时放宽了规划和世界建模的时间。RODNEY BROOKS的SUBSUMPTION ARCHITECTURE就是一个早期的分级系统计划。 机器翻译，智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂，自动程序设计，航天应用，庞大的信息处理，储存与管理，执行化合生命体无法执行的或复杂或规模庞大的任务等等。值得一提的是，机器翻译是人工智能的重要分支和最先应用领域。不过就已有的机译成就来看，机译系统的译文质量离终极目标仍相差甚远；而机译质量是机译系统成败的关键。中国数学家、语言学家周海中教授曾在论文《机器翻译五十年》中指出：要提高机译的质量，首先要解决的是语言本身问题而不是程序设计问题；单靠若干程序来做机译系统，肯定是无法提高机译质量的；另外在人类尚未明了大脑是如何进行语言的模糊识别和逻辑判断的情况下，机译要想达到“信、达、雅”的程度是不可能的。 ⒈ MASSACHUSETTS INSTITUTE OF TECHNOLOGY麻省理工学院⒉ STANFORD UNIVERSITY斯坦福大学(CA)⒊ CARNEGIE MELLON UNIVERSITY卡内基美隆大学(PA)⒋ UNIVERSITY OF CALIFORNIA-BERKELEY加州大学伯克利分校⒌ UNIVERSITY OF WASHINGTON华盛顿大学⒍ UNIVERSITY OF TEXAS-AUSTIN德克萨斯大学奥斯汀分校⒎ UNIVERSITY OF PENNSYLVANIA宾夕法尼亚大学⒏ UNIVERSITY OF ILLINOIS-URBANA-CHAMPAIGN 伊利诺伊大学厄本那—香槟分校⒐ UNIVERSITY OF MARYLAND-COLLEGE PARK马里兰大学帕克分校⒑ CORNELL UNIVERSITY 康奈尔大学 (NY)⒒ UNIVERSITY OF MASSACHUSETTS-AMHERST马萨诸塞大学AMHERST校区⒓ GEORGIA INSTITUTE OF TECHNOLOGY佐治亚理工学院UNIVERSITY OF MICHIGAN-ANN ARBOR 密西根大学-安娜堡分校⒕ UNIVERSITY OF SOUTHERN CALIFORNIA南加州大学⒖ COLUMBIA UNIVERSITY哥伦比亚大学(NY)UNIVERSITY OF CALIFORNIA-LOS ANGELES加州大学洛杉矶分校⒘ BROWN UNIVERSITY布朗大学(RI)⒙ YALE UNIVERSITY耶鲁大学(CT)⒚ UNIVERSITY OF CALIFORNIA-SAN DIEGO加利福尼亚大学圣地亚哥分校⒛ UNIVERSITY OF WISCONSIN-MADISON威斯康星大学麦迪逊分校 1、中国科学院自动化研究所2、清华大学3、北京大学4、南京理工大学5、北京科技大学6、中国科学技术大学7、吉林大学8、哈尔滨工业大学9、北京邮电大学10、北京理工大学11、厦门大学人工智能研究所12、西安交通大学智能车研究所13、中南大学智能系统与智能软件研究所14、西安电子科技大学智能所15、华中科技大学图像与人工智能研究所16、重庆邮电大学17、武汉工程大学
美国计算机专业最好的是哪一间大学
美国计算机专业最好的是:麻省理工学院 (Massachusetts Institute of Technology)
麻省理工学院素以顶尖的工程学和计算机科学而著名，拥有麻省理工人工智能实验室（MIT CSAIL）、林肯实验室（MIT Lincoln Lab）和麻省理工学院媒体实验室（MIT Media Lab），位列2016-17年世界大学学术排名（ARWU）工程学世界第一、计算机科学第二 ，2017-18年US News全美研究生院排名工程学第一、计算机科学第一 ，与斯坦福大学、加州大学伯克利分校一同被称为工程科技界的学术领袖。
2017-18年度，麻省理工学院位列QS世界大学排名世界第一 、USNews世界大学排名世界第二 、世界大学学术排名（ARWU）世界第四 、泰晤士高等教育世界大学排名世界第五 。2018年6月，《泰晤士高等教育》公布世界大学声誉排名，麻省理工学院排名世界第二、仅次于哈佛大学。
扩展资料：
在美国计算机专业出麻省理工外排名靠前的大学：
1、斯坦福大学 Stanford University
位于加州帕洛阿尔托(Palo Alto, California)，斯坦福大学的毕业生遍布了谷歌、惠普以及Snapchat等顶级技术公司。
斯坦福大学为硅谷（Silicon Valley）的形成和崛起奠定了坚实的基础 ，培养了众多高科技公司的领导者，这其中就包括惠普、谷歌、雅虎、耐克、罗技、Snapchat、美国艺电公司、太阳微系统、NVIDIA、思科及LinkedIn等公司的创办人 。
2、加州大学伯克利分校 University of California-Berkeley
位于加州伯克利(Berkeley, California)， 建于1868年，是美国的一所公立研究型大学，加州大学伯克利分校还是世界数学、自然科学、计算机科学和工程学最重要的研究中心之一，拥有世界排名第1的理科、世界第3的工科和世界第3的计算机科学，其人文社科也长期位列世界前5。2015年11月，QS发布了全球高校毕业生就业力排名，加州大学伯克利分校排名第八。据经济学家分析，一个在加州大学伯克利分校的工科学生和一个没读过大学的人相比，在大学毕业20年后，该校毕业生的总收入会比没上过大学的人多110万美元。
计算机专业毕业生最好去向：谷歌、甲骨文、苹果。
3、加州理工学院 California Institute of Technology
伯克利加州大学（University of California, Berkeley），简称伯克利，位于美国旧金山湾区伯克利市，是世界著名公立研究型大学、在学术界享有盛誉 ，位列2016年ARWU世界大学学术排名世界第3 、USNews世界大学排名世界第4。
4、佐治亚理工学院 Georgia Institute of Technology
位于佐治亚州亚特兰大市(Atlanta, Georgia)，是美国一所综合性公立大学，始建于1885年。与麻省理工学院及加州理工学院并称为美国三大理工学院。其中计算机科学专业全美排名第10，该校的电气与电子工程专业声誉不错。
佐治亚理工学院在全球有着顶尖的学术声誉，其代表学科是工程。该校是美国最好的理工类大学之一。Georgia Tech下属的航空系统设计实验室（Aerospace System Design Laboratory，简称ASDL）承担了美国政府的机密的重大科研项目。
