数学和计算机科学：6门AP课程, 其中含两门数学和两门计算器。
AP 微积分 AB
重点：微分和积分微积分概念、方法和应用。
技能发展：使用数学程序确定表达式/值，连接表示，证明推理，并使用正确的符号和语言。
大学等效课程：第一学期大学微积分课程。
先修课程：代数、几何、三角学、解析几何和初等函数。
考试日期：2024 年 5 月 13 日。
课程内容：包括极限和连续性、微分、微分应用、积分、微分方程等单元。
AP 微积分 BC
重点：扩展微积分 AB 主题，包括参数、极性和向量函数以及级数。
技能发展：类似于微积分 AB。
大学等效课程：第一学期和随后的单变量微积分课程。
先修课程：类似于微积分 AB，更多强调序列、级数和极坐标方程。
考试日期：2024 年 5 月 13 日。
课程内容：添加参数方程、极坐标、向量值函数和无限序列和级数等单位。
美国大学预修课程 (AP) 计算机科学项目提供两种不同的课程：AP 计算机科学原理 (AP CSP) 和 AP 计算机科学 A (AP CSA)。这两门课程都旨在让高中生学习计算机科学和编程的基础知识，但它们关注不同的方面并使用不同的编程语言。
AP计算机科学原理(AP Computer Science Principles, AP CSP)是一门重视计算机科学基础原理的课程，旨在培养学生运用专业工具和流程解决现实问题的能力。以下是该课程的重点、内容、实际应用、技能发展、大学等效课程、先修课程和考试相关信息的整理：
重点: 理解计算机科学的基础原理。培养使用计算机科学中的思维技能来解决问题。
内容: 适合所有学生的入门级课程，无需编程背景。学习构建现实世界的解决方案。培养解决问题的能力和通过个人想法的实现增强创造力。与同学合作创建更优秀的程序。涵盖创造性发展、数据、算法和编程、计算机系统和网络以及计算的影响等大创意。
实际应用: 创建追踪健康数据的应用程序。为科学实验编写模型。设计和建造用于不同领域的机器人。开发用于社会公益的工具。
技能发展: 在计算中建立联系。程序设计。计算抽象。分析、沟通和协作解决问题。
大学等效课程: 入门计算课程。
先修课程: 高中代数。考试信息:
绩效任务截止日期：2024年4月30日。
考试日期：2024年5月15日。
AP计算机科学A(AP Computer Science A, AP CSA)是一门专注于使用Java编程语言来构建游戏和解决现实问题的课程。以下是该课程的重点、内容、评估方式、职业和学习机会、技能发展、大学等效课程、先修课程和考试相关信息的整理：
重点:使用Java编程语言解决问题和构建游戏。强调计算机科学的基本概念。
内容: 学习Java编程和问题解决的基础知识。通过分析、编写和测试代码，将想法转化为实际程序。
评估: 课程结束考试决定AP成绩，包括多项选择题和自由回答题。
职业和学习机会: 培养对计算机科学或其他STEM领域未来学习和职业有用的技能。知识可应用于广泛的职业和大学专业。
技能发展: 程序设计、算法开发、编码、测试和文档编制。
大学等效课程: 计算机科学入门大学课程。
先修课程: 英语和代数，需熟悉函数和函数符号。
考试信息：考试日期：2024年5月8日。
课程内容: 包括原始类型、对象使用、布尔表达式、迭代、编写类、数组、继承和递归等单元。
两门 AP 计算机科学课程都旨在为学生提供编程和解决问题的坚实基础，鼓励他们继续学习或从事计算机科学及相关领域的职业。它们不需要计算机科学或编程方面的先前经验，因此适合范围广泛的高中生。
AP 预备微积分
重点：重点关注数学工具、建模和函数。
技能发展：代数运算，在数学表示之间进行翻译，以及精确的交流。
大学等效课程：大学预备微积分或带三角学的大学代数。
先修课程：包括线性函数、多项式运算、三角学等入门代数和几何。
考试日期：2024 年 5 月 13 日。
课程内容：包括多项式和有理函数、指数和对数函数、三角和极坐标函数以及涉及参数、向量和矩阵的函数等单元。
AP 统计
AP 统计课程旨在向学生介绍收集、分析和从数据中得出结论的主要概念和工具。它包括学习选择数据收集和分析方法，描述数据中的模式和趋势，以及使用概率和模拟来定义统计推理中的不确定性。该课程相当于为期一个学期的非基于微积分的大学统计入门课程，建议先修课程为二年级代数课程。
AP 统计考试定于 2024 年 5 月 7 日星期二当地时间下午 12 点举行。考试评估对课程中涵盖的数学概念的理解，包括使用统计方法和计算概率的能力。这是一个 3 小时的测试，包括一个多项选择部分(40 个问题，1 小时 30 分钟，占分数的 50%)和一个自由回答部分(6 个问题，1 小时 30 分钟，占分数的 50%)。多项选择部分评估对课程所有 9 个单元的内容的理解以及应用所有 4 个课程技能的能力。自由回答部分测试使用数据、定义或统计推理传达解释或理由的技能。
课程内容分为九个单元：
探索单变量数据 (15%–23% 的考试成绩)
探索双变量数据 (5%–7% 的考试成绩)
收集数据 (12%-15%的考试成绩)
概率、随机变量和概率分布(占考试成绩的10%-20%)
抽样分布(占考试成绩的7%-12%)
分类数据推断：比例(占考试成绩的12%-15%)
数量数据推断：均值(占考试成绩的10%-18%)
分类数据推断：卡方检验(占考试成绩的2%-5%)
数量数据推断：斜率(占考试成绩的2%-5%)