2024全美计算机科学专业排名发布，卡耐基梅隆大学夺冠

2024 全美计算机科学专业排名，刚刚发布了！

今年，全美全美CS最佳大学排名中， #

全美排名第一的大学是卡耐基梅隆大学，它也是计算机科学领域世界排名第一的学府美国运筹学专业排名，伊利诺伊大学香槟分校连续6年在榜单上稳居第二名，佐治亚理工学院排名第三。

紧接着，斯坦福大学，与圣迭戈加利福尼亚大学、密歇根大学、华盛顿大学，一同处在并列世界第四的位置上。

值得注意的是，MIT排名下跌，跌出前五。

这是全球院校计算机科学领域实力排名，是由麻省州立大学阿姆赫斯特分校计算机与信息科学学院教授Emery组织的，它完全基于研究指标，相对来看比较透明。

#

其细分排名被划分成4个大类别，这4个大类别之中包含着27项小的细分，它们分别是AI类别，系统类别，理论类别，还有跨学科领域类别。 #

在人工智能板块当中，存在着五个主要的细分领域，其一为人工智能，其二是计算机视觉，其三是机器学习，其四属于自然语言处理，其五是网页信息检索。

全美CS排名：CMU稳坐第一，MIT跌出前5

全美前8中，有3所大学的CS实力处于并列状态，其中一所是麻省理工学院，还有一所是加州大学伯克利分校，另外一所是马里兰大学帕克分校。 #

接下来，首先是康奈尔大学，接着是东北大学，再之后是普渡大学，随后是德克萨斯大学奥斯汀分校，额外还有5所大学并列处于前15的位置，并且有4所大学并列处于前20的位置。 #

单从具体方面来看，CMU 在机器学习这个范畴之内，还有 NLP 领域，以及视觉方向，还有 AI 方面，具有最为显著的专长。 #

在伊利诺伊大学香槟分校，也就是UIUC，其机器学习方面的研究，以及NLP研究，是最为突出的强项。 #

佐治亚理工学院ML、安全领域研究比较突出。

接着瞧瞧，斯坦福大学，以及圣迭戈加利福尼亚大学，还有密歇根大学，再加上华盛顿大学，这四所并列处于第四位置的大学的研究表现。 #

并列第8的三所大学研究领域占比可视化。

#

排名依据：顶会论文发表量

#

目前，于1983年起始的、名为《美国新闻与世界报道》（US News and World）的那个排名所具备的声望是最为突出显著的。 #

不过，US News排名全然是以声誉作为根基，依靠的是朝着各部门主管以及研究生院主任展开调查。

在2023年，US News世界排名一出来，就离谱得很，它弄错了213所机构的排名，这使得留学圈吵得沸反盈天。 #

之前，哥大在US News的排名数据造假事件，掀起了腥风血雨，情况就是这样。 #

此外，以引用次数作为依据的指标，同样有着被怀疑存在注水情况的可能。举例来说，一些大学会对学校里的教职员工，进行相互引用行为的鼓励，如此一来，所谓的「引用卡特尔」，便好像看起来显得光彩照人了。 #

不只是这样，不是所有的论文引用都是免费的，并且变化速度挺快美国运筹学专业排名，比如说中引文统计系统在作者歧义这方面做得不太好。 #

给所有人提供一个具备意义以及透明性质的排名体系，这是Emery组织开展全球院校计算机科学领域实力排名达成的目的，该排名是完全依赖「研究指标」来实施排名的。

特别明确地讲，是凭借绝大多数院校当中的教员，于计算机科学领域之内的诸多顶级会议上所发布的论文数量，以此作为衡量的标准。

专用于自然语言处理的顶级会议有ACL，还有EMNLP ，亦有NAACL；聚焦于计算机视觉领域的顶级会议涵盖CVPR，包含ECCV，也有ICCV；涉及机器学习与数据挖掘的会议所收录的论文源自ICML，来自KDD ，出自NIPS；属于人工智能的顶级会议包含AAAI，含有IJCAI。

能够看得出来，这样的一种方法旨在激励教职员工于顶级会议之上发表论文，并且所有的代码以及数据都是共享的，与此同时还可以防止造假行为的发生。

教职工入选标准是？ #

数据库的收录标准是起步网校，凡是特定校园里的全职人员，且是终身教职员工，同时能够单独为计算机科学专业的博士生提供指导的，均可被收录到数据库中。

#

所以，这般方式把数据库的覆盖范畴扩充至别的院系的某些教师，这些教师和计算机科学系或者类似院系存有兼职合同，能够给CS的博士生予以指导。 #

请注意，全职意味着在整个学年至少有75%的工作时间。 #

作者署名、论文数怎么算？

有一名教职员工，在一篇论文里，能够获得1/N分，这里的N是作者人数，并且和他们的隶属关系或者身份无关，这身份包括教职员工、学生或者其他身份，而且这个数字始终不会有变化的。

若是所有身为作者的人，最终都变成了数据库里的教员，如此情形下，一篇论文，最多就只能算作1.0分了。 #

要是不凭借作者数量去划分论文的学术产出量，只是单纯地计数论文数，那么作者能够轻易地经由增添作者，进而人为地去操纵以及夸大单篇论文的产出量。

#

要防止出现这种状况，就得对论文的学术产出量予以分割，这能够促使作者恰当地看待学术产出之上的署名，不至于过度使用多作者来夸大单篇论文的产出量。 #

参考资料：