英国谢菲尔德大学研究生数据分析选修课有哪些？

英国谢菲尔德大学研究生数据分析课程主要教授了对现代世界中需要解释的数据集类型进行实际分析所需的关键技能，涉及大型数据集以及结构化和非结构化数据。课程涵盖了在一系列学科中发展起来的技术，例如计算机科学、人工智能、数学和统计学。以下是该专业提供的选修课。

1、自然系统的建模和模拟

这门课介绍了用于建模和模拟动态自然系统的技术。许多自然系统可以使用微分方程或基于个体的方法进行适当建模。同学将在课程中探索并理解两种建模方法。了解这些模型的假设、局限性以及推导方法。同学将通过各种主要来自自然系统的例子，学习如何模拟和探索计算模型的动力学。

2、计算机安全和取证

这门课总体上介绍了计算机安全和取证。具体而言，课程侧重于构建安全系统和系统安全运行的方法和技术。课程要求同学对数学概念(如模运算、复数、群论)和逻辑(集合论、谓词逻辑、自然演绎)有扎实的理解。此外还需要同学对编程语言(例如，Java、Ruby或C)、基本的软件工程知识以及数据库和网络系统有扎实的理解。

3、网络性能分析

这门课使用排队论从统计的角度研究了计算机网络的性能。研究表明，计算机网络的性能在很大程度上取决于网络中的流量，并且使用了不同的流量和队列模型。这些包括单服务器队列、多服务器队列，并讨论了阻塞的概念。虽然分析完全是统计性的，但所有相关的背景都会在课堂上提供，因此这门课是完全独立的。

4、网络技术

这门课介绍了当前的网络技术。课程主题涉及：创建静态和动态网页的技术、网络数据库技术、网络架构、响应式网页设计。

5、使用图形处理单元(GPU)进行并行计算

加速器架构是作为基础处理器补充的分立处理单元，旨在以更低的能源成本提供高级性能。性能是通过一种支持大量并行计算内核的设计来实现的，但代价是带来了巨大的软件挑战。这门课着眼于从多核中央处理器(CPU)到图形处理器(GPU)加速器的加速计算，具有多种理论性能。课程将深入探讨如何编写高性能代码，特别强调使用NVIDIA CUDA GPUs进行GPU编程。课程的一个关键方面是了解程序代码对底层硬件的影响，以便对其进行优化。

上述5门谢菲尔德大学研究生数据分析选修课的名额都很有限，因此同学要提前做好选课准备。选课前要充分了解课程信息，并结合个人需求来计划选课方案，这样才能尽可能地选择到适合自己的课程。