电气与电子工程荣誉学士学位是一个为期 4 年的课程,旨在满足国家对电气和电子工程师的需求。该系专注于培养具有坚实工程基础的电气和电子工程师,专攻微电子、电力或控制。该课程已获得马来西亚工程认证委员会 (EAC) 的全面认证。作为认证过程的一部分,该课程每 5 年接受一次 EAC 的审查,以确保持续的相关性和与国家和行业需求的一致性。来自国外的知名教授被任命为外部考官和评估员,以确保该课程符合国际标准。与其他本地和国际学术机构保持学术联系,分享与教学、研究和其他活动相关的信息和经验。还通过工业培训和合作研究与行业保持密切关系,确保教师和学生都了解当前的行业发展。此外,成果导向教育 (OBE) 已被采用为该系教学和学习的主要方法。教育目标
●练习对话 /对话 /语音并回答问题。●研讨会。●收集成功人士的简历。●叙述一个故事。●准备链故事。●词汇建筑游戏。●谈论事件 /事件 /记忆 /梦想 /榜样。●著名人物的访谈。●收集无名英雄的传记。●阅读以获取主要想法和特定细节。●图片描述。●收集名人写的信件并分析。●描述一个过程。●使用地图给出说明。●收集用户手册并分析给出的指令集。●收集各种报告并分析信息。●收集以表,树图和饼图形式给出的官方信息。参考:
SL No. 主题周期01热力学概念和术语12 02热力学定律12 03完美气体的特性过程10 04内燃烧发动机08 05空气标准周期10 06燃料和燃烧08总计60 D.课程内容:课程内容:1。 热力学概念和术语1.1。 热力学系统(封闭,开放,孤立)1.2。 系统的热力学特性(压力,体积,温度,熵,焓,内部能量和测量单位)。 1.3。 密集而广泛的属性1.4。 定义热力学过程,路径,循环,状态,路径函数,点功能。 1.5。 热力学平衡。 1.6。 准静态过程。 1.7。 能量及其来源的概念解释1.8。 两者之间的工作,热量和比较。 1.9。 机械等效的热量。 1.10。 工作转移,位移工作2。 热力学定律SL No.主题周期01热力学概念和术语12 02热力学定律12 03完美气体的特性过程10 04内燃烧发动机08 05空气标准周期10 06燃料和燃烧08总计60 D.课程内容:课程内容:1。热力学概念和术语1.1。热力学系统(封闭,开放,孤立)1.2。系统的热力学特性(压力,体积,温度,熵,焓,内部能量和测量单位)。1.3。密集而广泛的属性1.4。定义热力学过程,路径,循环,状态,路径函数,点功能。1.5。热力学平衡。1.6。准静态过程。1.7。能量及其来源的概念解释1.8。两者之间的工作,热量和比较。1.9。机械等效的热量。1.10。工作转移,位移工作2。热力学定律
要求1:完成22门课程。 CS 111 – 计算机科学概论 3.0 CS 235 – 数据结构和算法 3.0 EC EN 191 – 新生研讨会 0.5 EC EN 192 – 新生项目 1.0 EC EN 224 – 计算机系统概论 3.0 EC EN 225 – 计算机系统实验室 1.0 EC EN 240 – 电路分析与实验室 4.0 EC EN 330 – 嵌入式系统编程简介 4.0 EC EN 340 – 电子电路设计 1 4.0 EC EN 360 – 电磁场与波 4.0 EC EN 380 – 信号与系统 4.0 EC EN 390 – 初级团队设计项目 3.0 EC EN 391 – 初级研讨会 0.5 EC EN 475 – 顶点设计 1 3.0 EC EN 476 – 顶点设计 2 3.0 MATH 112 – 微积分 1 4.0 MATH 113 – 微积分 2 4.0 MATH 213 – 初等线性代数 2.0 MATH 215 – 计算线性代数 1.0 MATH 314 – 多元微积分 3.0 MATH 334 – 常微分方程 3.0 PHSCS 121 – 牛顿力学导论 3.0 PHSCS 220 – 电磁学导论 3.0 STAT 201 – 工程师和科学家统计学 3.0 要求 2:完成 2 个选项。 选项 2.1:完成 1 门课程。 CHEM 105 – 大学普通化学 1 带实验室(综合)4.0 CHEM 111 – 化学原理 1 4.0 选项 2.2:完成 1 门课程。注意:推荐 WRTG 312。 WRTG 312 – 说服性写作 3.0 WRTG 316 – 技术交流 3.0 要求 3:完成以下至少 8.0 小时: EC EN 445 – 混合信号 VLSI 简介 4.0 EC EN 446 – 电力电子学 4.0 EC EN 450 – 半导体器件简介 3.0 EC EN 452 – 集成电路开发实验 1.0 EC EN 462 – 电磁辐射和传播 2.0 EC EN 464 – 无线通信电路 2.0 EC EN 466 – 光学工程简介 2.0 EC EN 471 – 机器学习:基础和应用 4.0