阿德莱德大学 课程目录

课程强调 treasury management 的流程与工具，以及这些工具在企业和金融机构风险管理中的应用，涵盖远期、期货、期权、互换、替代投资、风险价值与风险控制。

本课程旨在让学生了解市场营销的沟通方面。它将涵盖营销人员用于促销目的的各种工具, 如广告、促销、个人销售、赞助、宣传和公共关系, 以及整合和计划这些工具的过程。

高级管理会计与控制研究课程，围绕控制系统、责任中心、预算和激励机制展开。

课程定位 ECON 1005（Introduction to Mathematical Economics I）是阿德莱德大学 2025 年经济学方向课程，聚焦经济分析、建模推理与政策理解能力。 技术栈与学习内容 课程结合理论学习、案例分析与应用任务，强调从问题定义到结果解释的完整链路。 课程结构 评估通常由平时任务与期末综合考核构成。建议前 3 周建立稳定节奏，降低后期堆叠压力。 适合人群 适合希望在经济学、商业分析与政策研究方向系统提升的同学。

Data Science Research Project Part B 延续 Part A 的研究项目，课程强调项目计划、阶段汇报、最终报告/展示，以及在导师监督下完成开放数据科学问题的实现、评估与写作。（数据来源：2021 Semester 2 官方课程大纲）

课程定位 ECON 1010（Mathematical Economics I）是阿德莱德大学 2025 年经济学方向课程，聚焦经济分析、建模推理与政策理解能力。 技术栈与学习内容 课程结合理论学习、案例分析与应用任务，强调从问题定义到结果解释的完整链路。 课程结构 评估通常由平时任务与期末综合考核构成。建议前 3 周建立稳定节奏，降低后期堆叠压力。 适合人群 适合希望在经济学、商业分析与政策研究方向系统提升的同学。

课程定位 ECON 1013（Using Big Data for Economic and Social Problems I）是阿德莱德大学 2025 年经济学方向课程，聚焦经济分析、建模推理与政策理解能力。 技术栈与学习内容 课程结合理论学习、案例分析与应用任务，强调从问题定义到结果解释的完整链路。 课程结构 评估通常由平时任务与期末综合考核构成。建议前 3 周建立稳定节奏，降低后期堆叠压力。 适合人群 适合希望在经济学、商业分析与政策研究方向系统提升的同学。

该课程将让学生接触经典贸易理论以及新（新）贸易理论等最新发展。 将特别关注使用简单的经济模型来分析与政策相关的问题。 由于这是一门国际贸易的介绍性本科课程，因此无需事先了解国际经济学。

课程以个人软件流程为基础，讨论软件过程改进的关键问题，包括目标-问题-度量范式、自动化、配置管理、项目跟踪与控制、质量保证、持续集成、DevOps、软件交付、平台与 SaaS，以及社交媒体和互联网在过程改进中的应用。

课程定位 ECON 2507（Intermediate Macroeconomics II）是阿德莱德大学 2025 年经济学方向课程，聚焦经济分析、建模推理与政策理解能力。 技术栈与学习内容 课程结合理论学习、案例分析与应用任务，强调从问题定义到结果解释的完整链路。 课程结构 评估通常由平时任务与期末综合考核构成。建议前 3 周建立稳定节奏，降低后期堆叠压力。 适合人群 适合希望在经济学、商业分析与政策研究方向系统提升的同学。

课程定位 ECON 2511（Behavioural Economics II）是阿德莱德大学 2025 年经济学方向课程，聚焦经济分析、建模推理与政策理解能力。 技术栈与学习内容 课程结合理论学习、案例分析与应用任务，强调从问题定义到结果解释的完整链路。 课程结构 评估通常由平时任务与期末综合考核构成。建议前 3 周建立稳定节奏，降低后期堆叠压力。 适合人群 适合希望在经济学、商业分析与政策研究方向系统提升的同学。

This course has two aims. The first aim is to introduce students to key Quantitative Skills that provide a sound understanding in mathematics and statistics that are used by professionals, both in the private and public sector of the economy. The principles of algebra, quadratics, functions, geometry, calculus, matrices and their application are explored in different areas of mathematics within the course. The principles of sampling, representations of data, measures of central tendency and dispersion, distributions, correlation, regression and their application are also explored in the statistics component of the course. The second aim is to adequately prepare students to successfully undertake quantitative subjects at the Master’s Level.