CSranking 是一个用于计算全球院校的计算机科学领域实力排名的开源项目，它由麻省大学阿姆斯特分校计算机与信息科学学院教授 Emery Berger 开发。
CSranking 的排名主要依据各个大学院系在计算机领域的顶级学术会议发表的论文数量来衡量。这种方法相对于传统的基于论文引用量排名方法，会更能体现出院校在计算机科学领域的实力水平以及师资力量。
和 US News, world report 相比，此方法只比较院校之间在计算机领域的各大顶级学术会议发布的论文数量。因为想要在这些顶级学术会议上发表论文还是有一定难度，因此也能从侧面体现高校的科研水平。
值得注意的是，这是一个开源项目，如果读者觉得有什么需要改进的地方，可以通过 GitHub 提交 pull request。作者也表示，这是他想到的一个初步的排名方式，后期可能也会把论文引用量加入，作为一个评分参考依据。
关于计算分数：每一份发表的论文都精确计算一次，是通过调整所有作者之间的平均值来调整分数。这种方法的好处就是，不可能仅仅通过在论文中添加作者来提高排名。平均数计算每个机构的调整计数在每个领域（+ 1）的几何平均值。这种使得大的研究领域和小的研究领域在评分中所占的比重相同。
据网站介绍，目前论文的数据来源都是 DBLP，网页中将排名分为 6 个档次，top10、top25、top50、top75、 top100，以及所有大学排名。
大学的地区也可以选择包括：美国、加拿大、美国和加拿大、北美、亚洲、澳大利亚、欧洲、全球。
-
Computer Science Rankings This ranking of top computer science schools is designed to identify institutions and faculty actively engaged in research across a number of areas of computer science. Unlik
-
1.这个rank 评价了一些教授在某些领域和会议的论文发表情况 2.可以结合别的rank 一起选学校 3.这里rank 使用的论文发表数量的平均值 这样当他们加入一些发论文数量是（较小数值的professor时） 就可以人为的操控这个rank 4. 但是，可以通过这个rank 方便的找到相关领域的老师 5.如果自己有论文 就直接联系这种论文的老师 6. 不同的rank都有着不同的侧重，主要还是
-
Python 在科学计算上的应用非常广泛，包括数学、统计学、图形学……等等， 也是科学计算领域的首选编程语言之一。 这一部分的文章主要是介绍 Python 在科学计算领域常用的库，以及科学计算在日常中可能的实际用例。 常用库介绍 IPython 和 Jupyter Notebook NumPy NumPy 是 Python 科学计算生态系统的基础，提供了多维数组操作、线性代数运算、傅立叶变换等 多
-
本书全面而详细地阐述了计算机科学的理论基础，从抽象概念的机械化到各种数据模型的建立，用算法、数据抽象等核心思想贯穿各个主题，很好地兼顾了学科广度和主题深度，帮助读者培养计算机领域的大局观，学习真正的计算机科学。
-
Numpy 是 Python 科学工具栈的基础。它的目的很简单：在一个内存块上实现针对多个条目（items）的高效操作。了解它的工作细节有助于有效的使用它的灵活性，使用有用的快捷方式，基于它构建新的工作。
-
看问的人多，呢就发个文，我一般不归纳记问题，所以可能不是那么全，按印象写一下。 笔试：挺简单，三道编程一道gcd模板，一道合并两个升序数组，还有一道忘了，反正都是leetcode简单难度应该。 一面问的多，我回答的很全所以答了一个小时左右： 数据库有哪些范式 java的垃圾回收机制 java的gc函数 java反射机制 java hashmap jdbc中statement和prepa
-
1.3.什么是计算机科学 计算机科学往往难以定义。这可能是由于在名称中不幸使用了“计算机”一词。正如你可能知道的，计算机科学不仅仅是计算机的研究。虽然计算机作为一个工具在学科中发挥重要的支持作用，但它们只是工具。 计算机科学是对问题，解决问题以及解决问题过程中产生的解决方案的研究。给定一个问题，计算机科学家的目标是开发一个算法，一系列的指令列表，用于解决可能出现的问题的任何实例。算法遵循它有限的过
-
Not to rain on everybody's parade, but there are three important ideas from computer science which are, frankly, wrong, and people are starting to notice. Ignore them at your peril. 不是想毁了每个人的三观，不过坦白说计
-
一位电气工程师最近告诫我不要将GPU用于科学计算（例如，在精度非常重要的情况下），因为它没有像CPU那样的硬件保障。这是真的吗？如果是的话，这个问题在典型的硬件中有多普遍/多严重？
-
scipy 包含许多专注于科学计算中的常见问题的工具箱。它的子模块对应于不同的应用，比如插值、积分、优化、图像处理、统计和特殊功能等。 scipy 可以与其他标准科学计算包相对比，比如GSL (C和C++的GNU科学计算包), 或者Matlab的工具箱。scipy是Python中科学程序的核心程序包；这意味着有效的操作 numpy 数组，因此，numpy和scipy可以一起工作。 在实现一个程序前