美国计算机专业分支（一）

一. 结构、编译器和并行计算Architecture, Compilers and Parallel Computing

计算机体系结构主要学习与研究计算机的结构和功能，以及它们在电子技术方面的应用。抽象来说，计算机体系结构是一个系统在其所处环境中最高层次的概念；它确定了一台计算机硬件和软件之间的衔接。具体地说计算机体系结构指的是计算机系统设计的观念与架构，描述计算机在实做的设计原则。它确定了一台计算机设计的部件、部件功能以及部件间接口。以常见的冯·诺伊曼设计为例，体系结构设计包括了：指令集、微体系结构、数据表示、寻址方式、寄存器定义、指令系统、异常机制、机器工作状态的定义和切换、输入输出结构等。

体系结构和编译器的研究主要集中在硬件设计，编程语言以及下一代编译器。并行计算研究的包含范围很广，包括并行计算的计算模型，并行算法，并行编译器设计等。  

二. 系统与网络 Systems and Networking  

计算机网络是利用通信设备和线路将地理位置不同的、功能独立的多个计算机系统连接起来，以功能完善的网络软件实现网络的硬件、软件及资源共享和信息传递的系统。简单的说即连接两台或多台计算机进行通信的系统，此分支方向主要的学习内容从网络基础理论，拓扑结构，相关组成硬件，传输媒体（光导纤维，同轴电缆，双绞线的有线传输，卫星传输，红外线传输，激光传输，无线电波等无线传输），到各种网络协议等。
可细分为：
(1)网络与分布式系统(Networking and distributed systems)： 移动通信系统，无线网络协议(wireless protocols)，Ad-hoc网络，服务质量管理(Quality of Service management，QoS)，多媒体网络，计算机对等联网(peer-to-peer networking, P2P)，路由，网络模拟，主动队列管理(active queue management, AQM)和传感器网络(sensor networks)。
(2)操作系统(Operating system)：分布式资源管理，普适计算(ubiquitous computing/pervasive computing)环境管理，反射中间件(reflective middleware)，中间件元级操作系统(middleware “meta-operating systems”)，面向对象操作系统设计，允许单个用户与多计算机、对等操作系统服务交互的用户设计，上下文敏感的分布式文件系统，数据中心的电源管理，文件/存储系统，自主计算(autonomic computing)，软件健壮性的系统支持以及数据库的系统支持。
(3)安全(Security): 隐私，普适计算，无线传感器(wireless sensors)，移动式和嵌入式计算机，规范，认证，验证策略，QoS保证和拒绝服务保护，下一代电话通讯，操作系统虚拟化和认证，关键基础设施系统，例如SCADA控制系统和医疗，消息系统，安全网关，可用性安全。
(4)实时和嵌入式系统(Real-time and embedded systems)：开放式实时系统，Qos驱动的实时调度和通信协议，控制设计和实时调度整合，实时、容错和安全协议整合，网络化器件和智能空间的鲁棒动态实时构架。

三. 理论与算法 Theory and Algorithms  

计算机理论，顾名思义，是为计算机科学的发展与研究提供理论基础的一门学科。这个课程的学习涉及到CS的核心课题，归纳起来涵盖了可计算性、文法与自动机、逻辑学、复杂性及语义学等5个部分，涉及到可计算性理论、形式语言、逻辑学与自动演绎、可计算复杂性和编程语言的语义等内容，并学习和研究这些内容之间的联系。
广义上面的算法是指为解决一个问题而采取的方法和步骤，而CS下的算法则是指计算机为了解决某一个问题或者完成某一个任务的一系列清晰的指令。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。现代的算法理论主要的研究目的在于如何开发出更加效率的算法，研究相关的算法的设计方法与实现技术。
该方向具体包括最优化(optimization)，计算几何和拓扑(computational geometry and topology)，近似算法(approximation algorithms)，密码(cryptography)和安全计算(secure computation)，网络设计(network design)，数据挖掘(data mining)，机器学习(machine learning)，有限元网格生成(finite-element mesh generation)和自动化软件验证(automatic software verification)。

四. 人工智能与机器人 Artificial Intelligence and Robotics  

主要包括机器意识（包括机器学习，知识表达与推论，机器人），动态系统模拟，动力学计算，触觉控制（haptic control）自然语言习得与处理，计算语言学，统计语言技术，自动推理，图形图像，人机交互，成像感知与传感器，概率推论，神经估算，计算机视觉，视觉场景认知，模式识别，人工免疫，神经网络，遗传算法，小波分析，信息系统以及计划，信息提取，制造和控制理论等。
知识表示(knowledge representation)：把知识按照一种有利于推理(得出结论)的方式表示出来。
机器学习(machine learning)：自动学习如何识别复杂模式并基于数据作出智能决策。
计算机视觉(computer vision)：使机器自动从图像和视频中提取信息并理解其中包含的视觉概念。
推理(reasoning)：学习推理的计算模型。

机器人(robotics)：工程学和机器人技术，以及它们的设计，制造，应用和结构配置。