计划你的教育
如何申请
除了以下特定课程的要求外，申请人还必须满足一般研究生入学要求：
- 申请人将被要求确定他们感兴趣的方向（数据分析、生物信息学或计算物理），并以相关课程和研究经验的形式在本科阶段表现出充分的准备。
- 考虑到计算科学项目的多学科性质，我们希望我们的申请人将具有计算机科学，数学，生物学，化学，物理的学士学位的本科生，或具有这些领域硕士学位的毕业生。
- 申请人必须参加GRE普通考试。
- 该项目需要与申请一起提交三封推荐信。
转让要求
转学到计算科学专业的学生，如果能证明他们与之前的课程相当，就可以获得转学学分或提前升学。以前的工作学分将由项目委员会酌情决定。转学生仍然需要通过书面和口头资格考试，并满足所有其他候选资格要求。
截止日期和费用
截止日期：秋季2月1日（优先截止日期）或6月15日（最终截止日期）；10月1日（优先截止日期）或12月1日（最后截止日期）春季
申请费：不可退还的申请费为75美元。计划在研究生入学前完成学位要求的马萨诸塞大学波士顿分校校友和在读学生可以提交申请，而无需支付申请费。
项目费用信息：财务主管网站
课程
核心课程（19学分）
- cs624 -算法分析3信贷(年代)
- 数学625 -数值分析4信贷(年代)
- 数学626 -数值线性代数4信贷(年代)
- 数学647 -概率模型4信贷(年代)
- 数学648 -计算统计4信贷(年代)
跟踪课程（9至12学分）
完成三门轨道课程；两个来自主音轨，一个来自其他两个音轨。
数据分析课程：
- cs638 -应用机器学习3信贷(年代)
- cs670 -人工智能3信贷(年代)
- cs671 -机器学习3信贷(年代)
- cs672 -神经网络3信贷(年代)
- cs675 -计算机视觉3信贷(年代)
- cs724 -主题在算法理论和设计3信贷(年代)
- 数学655 -统计机器学习入门4信贷(年代)
生物信息学课程:
- BIOL 572 -分子生物学（仅限讲座）3信贷(年代)
- BIOL 612 -高级细胞生物学3信贷(年代)
- 生物统计学和实验设计实验室1信用(年代)
- BIOL 625 -基因组学和生物技术3信贷(年代)
- 细胞信号传导3信贷(年代)
- BIOL 677 -高级真核生物遗传学3信贷(年代)
- bio681 -网络生物学3信贷(年代)
- cs612 -生物信息学中的算法3信贷(年代)
- cs638 -应用机器学习3信贷(年代)
- cs666 -生物医学信号和图像处理3信贷(年代)
- cs675 -计算机视觉3信贷(年代)
- BIOL 370分子生物学（本科课程-见本科目录的描述）
计算物理课程：
- 化学601 -热力学与动力学4信贷(年代)
- 化学602 -量子力学与光谱学4信贷(年代)
- 化学608 -化学数据分析4信贷(年代)
- 物理611 -经典力学和流体力学理论4信贷(年代)
- 物理613 -量子力学，原子和分子物理4信贷(年代)
- 物理614 -热力学和统计力学4信贷(年代)
- 物理学家的数学方法4信贷(年代)
- 物理638 -量子测量理论4信贷(年代)
- 物理662 -计算科学4信贷(年代)
选修课（9 - 12学分）
从选修课列表中完成两门课程。在研究生项目主任的许可下，上述额外的跟踪课程可以应用于这一要求。
- BIOL 612 -高级细胞生物学3信贷(年代)
- bio681 -网络生物学3信贷(年代)
- 数据库管理系统3信贷(年代)
- cs636 -数据库应用程序开发3信贷(年代)
- cs651 -编译器3信贷(年代)
- 面向对象的设计和程序设计3信贷(年代)
- cs681 -面向对象的软件开发3信贷(年代)
- cs682 -软件开发实验室3信贷(年代)
- 物理645 -癌症生物物理学4信贷(年代)
- 本科课程（详见本科目录）：
- ENGIN 442 -物联网
- 计算机体系结构设计
- 引擎448 -操作系统
研究研讨会（2学分）
1研讨会课程
- intrd 601 -综合生物科学研究生课程研讨会2信用(年代)
毕业论文（26学分）
完成26学分的论文研究（intrd 899）注册科学论文课程与您的指导老师。每学期应修3-8个学位论文学分，直到达到要求为止。
有关课程的更多信息，包括课程描述和学位要求，请访问学术目录。
学习成果
马萨诸塞大学波士顿分校的计算科学博士课程协调和促进研究人员和研究生之间的多学科思想交流。该项目涉及科学与数学学院各个部门的教师和研究生。目前参与该项目的院系包括：生物、化学、计算机科学、工程、物理和数学。
该计划强调跨学科研究，跨越物理，计算和数学科学之间的界限，以解决科学和工程中的挑战性问题。该计划的核心是建立在数学和计算背景的坚实基础上，这是面向数据的跨学科研究的基础，然后分支到更专业的浓度。该计划的核心围绕科学计算，数值分析和优化，概率和统计。该计划提供数据分析，计算物理和生物信息学方面的专业课程。该课程的毕业生有望在数据分析和算法开发方面寻求专业知识的学术界或行业中找到工作。
项目学习成果：
- 通过核心和跟踪特定课程，学生将在应用数学、统计学、算法和数据科学方面打下坚实的基础。
- 通过课程作业和研究，学生将获得与学生研究领域相关的最先进技术的实践经验（例如，基因组学，蛋白质组学，高性能并行计算，质谱，量子计算）。
- 学生将在各自的专业领域从事跨学科研究；
- 数据分析:
- 生物信息学
- 计算物理学。
- 学生将获得作为多语言科学家的培训，能够有效地发展和交流跨学科的复杂思想。
- 该项目的核心是促进数据密集型研究，所有学生都将与现实世界的数据密切合作，开发科学应用。
- 学生将具备较强的编程技能和使用高性能计算和大规模数据集的能力。
- 最终，学生将在高影响力的期刊上发表原创的、多学科的、以数据为导向的研究。
毕业标准
修满至少10门课程62 - 67学分，其中5门核心课程、3门轨道课程、2门选修课、2门专题研讨课、26学分论文研究课。
课程：学生必须选择数据分析、生物信息学或计算物理的课程。博士候选人：修满30学分后，经综合考试合格。这次考试包括笔试和口试两部分。通过笔试是进入口试的先决条件。论文：撰写和捍卫基于原创性研究的论文。
最低成绩：成绩低于B的课程不得用于课程要求。诉讼时效：七年。
联系
研究生项目主任Kourosh Zarringhalam Kourosh。Zarringhalam [at] um.edu (617) 287-7486
学生成功项目协调员Velina Batchvarov说
velina.batchvarov [at] umb.edu
(617) 287 - 3283
