芝加哥大学的MPCS是以职业为导向的硕士项目，融合了计算机科学的基础知识与科技行业的应用技能培训。特别适合想要学习数据分析（Data Analytics)、高性能运算（High Performance Computing）、信息安全（Information Security）、移动计算处理（Mobile Computing）、以及软件工程（Software Engineering）。
该项目的特点就是能够根据学生的求职目标与背景来制定课程选择。特别是对于没有数学和编程基础的同学而言，学校可以提供数学与编程的先修课程，帮助同学们逐步培养计算能力与应用技能，为后续的研究生级别课程做准备。而对于已经有了较专业的计算机本科基础的同学，则可以直接选择高阶的课程开始学习。
目前该项目在读学生有270人，其中37%是国际学生，只有40%的学生本科是计算机专业出身，而30%的学生完全没有任何计算机背景（例如读过相关课程、拿过辅修专业等）。由此可见，这个项目确实对跨专业申请人是比较友好的。
先修课程
编程部分：需要系统学习过以下内容，或者有充分的工作经验
Data types (native and derived)
Operators， precedence， and expressions
Assignment and statements
Control flow (conditionals and iteration)
Functions， return types， and parameters
Recursion
Console and file I/O
在正式开学前，学生需要参加一个programming placement exam，用来帮助项目导师了解每个人现有的水平，以便后续选课安排。可以参考这里了解具体的考试要点：https：//masters.cs.uchicago.edu/page/programming-placement-exam-instructions
如果之前没有学习过以上知识内容，则可以在开学时先上一门MPCS 50501： Concepts of Programming，主要就是为缺乏编程基础的同学讲解Java编程入门，以及广泛介绍一下CS的内容。
数学部分：需要系统学习过以下内容
Logic： propositional logic； quantifiers. （逻辑）
Mathematical reasoning： methods of proof， direct proof and indirect proof. Mathematical induction and strong induction. （数学推理）
Counting： methods of counting； permutations， combinations， binomial theorem， pigeonhole principle， inclusion-exclusion. （计数法则）
Discrete probability： discrete probability spaces； conditional probability and independence； Bernoulli trials， Bayes’s theorem， random variables and expected value； variance， geometric and binomial distributions.（离散概率）
Asymptotic notation. （渐进表示法）
Recurrences and methods of solving recurrences. （递归与解递归式）
Graphs： simple graphs， isomorphism， paths， trees. （图形法）
Modular arithmetic， divisibility， prime numbers； GCD and Euclid’s algorithm， Fermat’s little theorem. （模运算、可分割性、欧几里得算法等）
– 同样，有以上学习背景的同学在开学时也需要参加一个数学placement exam，来考察这些方面的能力。具体考试内容可以参考：https：//masters.cs.uchicago.edu/sites/masters/files/uploads/MPCS_Math_2015.pdf
– 缺乏相关数学知识的学生，则需要先行一门数学基础课MPCS 50103： Math for Computer Science： Discrete Math，主要了解离散数学在计算机科学领域的应用。
热门跟贴