Den saknade terminen i din datavetenskapsutbildning

2026

När du studerar datavetenskap får du lära dig avancerade ämnen, allt från operativsystem till maskininlärning. Men ett avgörande område hamnar ofta i skymundan och lämnas åt studenterna själva: att behärska sina verktyg. Vi lär dig att behärska kommandoraden, använda en kraftfull textredigerare, utnyttja avancerade funktioner i versionshanteringssystem och mer därtill.

Det är rimligt att göra det arbetet så smidigt och flytande som möjligt då studenter kan lägga hundratals timmar på de här verktygen under utbildningen (och tusentals under arbetslivet). När du väl bemästrar de här verktygen lägger du mindre tid på att få dem att göra som du vill, och kan samtidigt lösa problem som tidigare verkade omöjliga.

AI-stödda verktyg och arbetsflöden förändrar numera också många delar av programvaruutvecklingen. När de används på rätt sätt, och med en förståelse för deras begränsningar, kan de ge tydliga fördelar för alla som jobbar med programvara. Det är därför värt att bygga upp praktisk kunskap om dem. Eftersom AI är en tvärgående teknik har vi ingen fristående AI-föreläsning; i stället har vi vävt in relevanta AI-verktyg och tekniker direkt i varje föreläsning.

Läs om motivationen för att hålla kursen.

Kursplan

Tidigare års specialämnen

Ämnena vi tar upp varierar från år till år. Vi lyfter här fram ämnen vi har behandlat tidigare år som inte ingick 2026.

Allmän information

Lärare: Kursen undervisas tillsammans av Anish, Jon och Jose.
Frågor: Mejla oss på missing-semester@mit.edu.
Diskussion: OSSU Discord (använd #missing-semester-forum ungefär som Piazza, och #missing-semester för att prata med klassen och lärarna).

Bortom MIT

Vi har också delat kursen bortom MIT i hopp om att fler ska kunna dra nytta av materialet. Du hittar inlägg och diskussioner på

Översättningar

Obs: detta är externa länkar till gemenskapsöversättningar. Vi har inte granskat dem.

Har du skapat en översättning av kursanteckningarna från kursen? Skicka en ändringsförfrågan (PR) så kan vi lägga till den i listan.

Tack

Vi tackar Elaine Mello och MIT Open Learning för att de gjorde det möjligt för oss att spela in föreläsningsvideor. Vi tackar Luis Turino / SIPB för att de stöttar kursen som en del av SIPB IAP 2026.

Källkod.

Licensierat under CC BY-NC-SA.

Se här för vägledning om hur du bidrar och översätter.