直播回顧｜走進WashU工程學院課堂：計算機與電子系統工程專場
2026年6月，聖路易斯華盛頓大學（Washington University in St. Louis, WashU）麥凱維工程學院（McKelvey School of Engineering）電腦科學與工程學系（Computer Science & Engineering, CSE）及電子與系統工程學系（Electrical & Systems Engineering, ESE）聯合開展線上專題分享活動。
2026年6月，聖路易斯華盛頓大學（Washington University in St. Louis, WashU）麥凱維工程學院（McKelvey School of Engineering）電腦科學與工程學系（Computer Science & Engineering, CSE）及電子與系統工程學系（Electrical & Systems Engineering, ESE）聯合開展線上專題分享活動。
本次活動圍繞人工智慧（Artificial Intelligence, AI）、機器人系統、工程人才培養、科研方向以及未來職業發展等主題展開。學院教授及教職團隊從課程體系、研究方向、專業選擇以及行業趨勢等多個角度，為學生介紹了WashU工程學院在AI與智慧系統領域的教學佈局。
人才培養：從專業知識到複雜問題解決能力
在人工智慧快速發展的背景下，工程領域對於複合型人才的需求不斷提升。
分享中介紹，WashU工程學院圍繞人工智慧及相關技術方向，為研究生提供多個學習路徑，包括：
Computer Science（電腦科學）
Computer Engineering（計算機工程）
Cybersecurity Engineering（網路安全工程）
Master of Engineering（工程碩士）
Data Mining & Machine Learning Certificate（資料探勘與機器學習證書項目）
學院強調，人工智慧的發展並不是單一技術領域的突破，而是電腦科學、數學、統計學、邏輯學以及工程學等多個學科交叉融合的結果。
因此，工程教育不僅關注學生掌握專業知識，也重視培養學生：
分析和解決複雜問題的能力；
開展創新研究的能力；
跨學科合作能力；
將技術應用於實際場景的能力。
核心課程：從AI基礎理論到前沿技術應用
在課程體系方面，WashU工程學院構建了覆蓋基礎理論、演算法方法以及實際應用的人工智慧學習路徑。
相關課程與研究方向包括：
Artificial Intelligence（人工智慧）
Machine Learning（機器學習）
Reinforcement Learning（強化學習）
Computer Vision（計算機視覺）
Natural Language Processing（自然語言處理）
Multi-Agent Systems（多智慧體系統）
Human-AI Interaction（人機互動）
Large Language Models（大語言模型）
AI Safety（人工智慧安全）
分享中提到，雖然AI技術不斷快速發展，但紮實的電腦科學基礎仍然是進行AI學習和研究的重要支撐。
演算法思維、系統設計能力以及數學基礎，依然是未來人工智慧人才培養的重要組成部分。
CSE方向研究所學程介紹：MS與MEng如何選擇？
針對電腦科學與工程（Computer Science & Engineering, CSE）方向研究所學程，分享重點介紹了兩類不同培養目標的學位學程。
科學碩士（Master of Science in Computer Science, MS in CS）
該項目更偏向學術研究和博士發展方向。
課程結構包括：
3門核心課程；
21學分選修課程；
可選擇完成6學分碩士論文（Thesis）。
該方向適合：
希望繼續攻讀博士學位的學生；
對演算法研究、基礎技術研發感興趣的學生。
工程碩士（Master of Engineering in Computer Science & Engineering, MEng in CSE）
該項目更加關注工程實踐和職業發展。
項目特點包括：
不設定碩士論文選項；
需要完成6學分項目（Project）作為畢業設計（Capstone）；
課程選擇靈活。
同時，該項目允許學生：
根據自身基礎補充相關課程；
跨專業選修工程或商科相關課程；
通過跨學科學習拓展職業方向。
ESE新方向：機器人與智慧系統工程碩士學程
分享中還介紹了電子與系統工程學系（Electrical & Systems Engineering, ESE）計劃推出的機器人與智慧系統工程碩士學程（Master of Engineering in Robotics and Intelligent Systems, MEng in Robotics and Intelligent Systems）。
該項目關注人工智慧進入物理世界後面臨的挑戰，例如：
自動駕駛系統受到視覺環境影響；
大語言模型可能產生錯誤資訊；
智慧系統在複雜環境中的可靠性問題。
項目主要圍繞兩個研究方向展開：
1. 感知與不確定性量化
該方向關注如何提升機器人對環境變化的理解能力。
例如：
在光線變化、環境複雜等情況下進行判斷；
根據不確定資訊調整行動策略；
提升智慧系統安全性。
2. 語言指導的自主系統
該方向探索如何將大語言模型應用於自主系統。
研究重點包括：
將自然語言指令轉化為機器可執行任務；
提升AI系統與人類互動能力；
探索ChatGPT、DeepSeek等大語言模型在智慧系統中的應用。
機器人與智慧系統方向技能要求
分享中介紹，該方向學生需要具備一定工程基礎，包括：
Python / C++程式設計能力；
ROS（Robot Operating System，機器人作業系統）及模擬軟體使用經驗；
控制系統、最佳化理論、機器學習相關數學基礎。
就業與職業發展：結合課程與實踐積累競爭力
在就業話題部分，分享介紹了聖路易斯地區的產業環境以及工程碩士學生的發展機會。
聖路易斯地區擁有一定規模的科技企業和產業資源，包括波音（Boeing）等企業，以及醫學研究相關機構。
對於具備以下技能背景的工程人才，行業需求較為集中：
人工智慧（AI）；
計算機視覺（Computer Vision, CV）；
影像處理（Image Processing）；
生物醫學工程（Biomedical Engineering）。
學院建議學生提前規劃實踐經歷，在學習過程中積極尋找實習機會。
學習規劃建議：從適應課程到參與研究計畫
分享中建議，國際學生進入項目初期可以：
第一學期合理安排課程負擔；
逐步適應美國研究生學習方式；
通過課堂表現與教授建立聯絡。
在後續學習階段，學生可以通過相關科研機會，例如研究輪轉（Research Rotation）等方式，參與實驗室項目，進一步瞭解研究方向。
多智慧體系統與強化學習方向介紹
活動中還介紹了多智慧體系統（Multi-Agent Systems）與強化學習（Reinforcement Learning, RL）相關研究內容。
課程涉及：
多智慧體博弈理論；
馬爾可夫決策過程（Markov Decision Process, MDP）；
Q-learning演算法；
動態不確定環境中的智慧決策方法。
這些方向與機器人、自主系統以及智慧應用的發展密切相關。
國際學生支援：申請與簽證相關服務
針對國際學生關注的申請和簽證問題，學院介紹了相關支援措施。
分享中提到：
提前申請
秋季申請截止時間為12月底，提前提交完整申請的學生可以更早獲得錄取結果，為後續簽證流程預留時間。
學校支援
錄取後，國際學生與學者辦公室（Office for International Students and Scholars, OISS）會提供相關支援，包括簽證流程指導和資訊諮詢。
如果學生在簽證過程中遇到問題，可以及時與學院學術顧問及相關部門溝通，尋求幫助。
