阿德莱德大学 课程目录

课程在 semester-long group-based software engineering project 的背景下，介绍 large-scale software development 的 requirements analysis, design, configuration management, testing, project management, risk analysis 与 ethical considerations。（数据来源：2025 Semester 2 官方课程大纲）

课程定位 ENG 1002（Programming (Matlab and C)）是阿德莱德大学 2025 年工程方向课程，聚焦工程思维、系统实践与专业输出能力。 技术栈与学习内容 课程结合理论学习、案例分析与项目任务，强调从问题定义到方案落地的完整链路。 课程结构 评估通常由平时任务与期末综合考核组成。建议前 3 周建立稳定节奏，避免后期任务堆叠。 适合人群 适合希望在工程、技术与跨学科项目方向系统提升的同学。

本课程涵盖的主题包括: 分布式数据库系统体系结构, 分布式数据库系统设计, 分布式查询处理和优化, 分布式事务管理, 数据仓库和OLAP技术, 关联分析, 分类和预测, 群集分析, 挖掘复杂类型的数据。

本课程介绍大型软件项目的开发和管理。本课程涵盖的主题包括:软件规范、风险分析、项目管理、质量保证和伦理考虑研究的应用。此项目为多人合作项目。

统计机器学习与通过“学习”自动提高其性能的算法有关。例如，学习在图像/视频中检测人类的计算机程序；预测股市，并对网页进行排名。统计机器学习主要来自计算机科学和人工智能，并且与包括统计，应用数学和模式分析在内的各种相关主题相关。应用程序包括图像和音频信号分析，数据挖掘，生物信息学以及自然科学和工程学中的探索性数据分析。这是一门有关统计机器学习的入门课程，概述了统计机器学习中的许多基本概念，流行技术和算法。它涵盖了诸如降维，线性分类和回归之类的基本主题，以及诸如集成学习/增强，支持向量机，核方法和流形学习之类的最新主题。本课程将为学生提供现代统计机器学习方法背后的基本思想和直觉。学习完本课程后，学生将了解机器学习如何，为何以及何时解决实际问题。

课程定位 COMP SCI 1106（Introduction to Software Engineering）是阿德莱德大学计算机学科在 Semester 2 开设的核心课程之一，面向希望系统提升计算机基础与工程实践能力的本科生。课程按 2025 年课纲提供 3 Units 学分，强调“概念理解 + 动手实现 + 评估反馈”的闭环学习。若你计划继续修读高阶算法、系统、AI 或软件工程课程，这门课能提供稳定的基础能力。 技术栈与学习内容 课程内容聚焦 Introduction to Software Engineering 对应主题，通常覆盖程序设计、系统思维、算法分析、工程规范与问题拆解方法。学习过程中会结合编程实现、实验/作业和课堂讨论推进，要求学生不仅能写出可运行结果，还要能解释设计选择与边界条件。对留学生而言，这门课也有助于建立英文技术表达与团队协作的基本节奏。 课程结构 根据 2025 课纲，本课采用“周学习 + 阶段考核”结构，评估包含：Assignments 20%、Workshops 10%、Quizzes 20%、Professional Skills 10%、Tutorials 10%、Written Exam 30%。整体节奏通常在学期中后段明显加速，建议从前 3 周开始形成固定学习节奏（每周预习-练习-复盘）。若课纲标注 hurdle（如期末最低分要求），需尽早针对考试部分做专项准备。 适合人群 适合准备走 Software / Data / AI / Cyber 方向的本科生，或希望补强计算机通识能力的跨专业同学。建议每周投入 8-12 小时（含课堂、作业与复习），并持续维护错题与代码复盘笔记。对目标是 Distinction/HD 的同学，关键不在临时突击，而在每周稳定产出与及时纠偏。

课程定位 COMP SCI 3012（Distributed Systems）属于阿德莱德大学计算机专业中高阶课程，通常安排在 Semester 2。课程按 2025 年课纲提供 3 Units 学分，强调理论理解、工程实现与问题分析并重。先修要求为：One of COMP SCI 1103, COMP SCI 1203, COMP SCI 2103, COMP SCI 2202, COMP SCI 2009 or COMP SCI 2202B。这类课程直接衔接行业能力，对准备实习、毕业项目或技术岗位面试的同学价值较高。 技术栈与学习内容 课程围绕 Distributed Systems 的核心主题展开，通常涉及系统设计、性能分析、可靠性与可维护性等关键能力。学习过程会把概念讲解与代码实践结合，要求学生能够把抽象理论落到可验证实现，并在报告/答辩中清楚说明设计取舍。 课程结构 根据 2025 课纲，本课评估由 Assignments 40%、Final Exam 60% 组成。课程节奏在学期后半段明显加速，常见挑战是多项评估并行推进。若课程设有 hurdle，请尽早针对考试或关键任务建立专项复习计划。 适合人群 适合已完成基础编程和数据结构课程、希望冲刺系统/AI/网络安全方向的同学。建议每周投入 12-16 小时，并保持“每周代码复盘 + 知识地图更新”节奏，以降低高阶课程常见的知识碎片化问题。

课程介绍 evolutionary computation 的历史与主要方法，覆盖 genetic algorithms、evolution strategies、genetic programming、constraint handling、multi-objective optimization、dynamic environments、parallel implementations 与 commercial applications。（数据来源：2025 Semester 2 官方课程大纲）

Engineering Communication and Critical Thinking provides strategies and practice in developing skills to enable students with English as an additional language to maximise their capacity to learn and interact effectively in an English-speaking academic and professional environment.

课程定位 COMP SCI 7007（Specialised Programming）是阿德莱德大学 PGCW 体系课程，2025 年在 Semester 1 开设，学分为 3 Units。课程强调高阶问题分析与工程落地，适合研究生阶段能力提升。 技术栈与学习内容 内容围绕 Specialised Programming 核心主题展开，结合理论学习、案例讨论与实践任务，重点培养系统化设计与专业表达能力。 课程结构 本课评估由 Weekly Practice Problem 24%、Weekly Lab Participation 7%、Problem Solving in Lecture Session 5%、Assignment Quiz 4%、Practical Exam 1 10%、Practical Exam 2 10%、Practical Exam 3 20%、Practical Exam 4 20% 组成。先修要求：以课程官网当年要求为准。建议尽早建立按周复盘机制，降低后期叠加压力。 适合人群 适合计划在软件工程、系统、AI、安全等方向深入发展的研究生同学。建议每周投入 12-18 小时，持续输出项目与复盘结果。

本课程为学生提供了必要的技能,以开始他们作为商业专业人士的发展。随着学生在他们选择的专业中发展他们的技能和知识,他们也发展更广泛的技能和专业身份是很重要的。

课程定位 ACCTING 2501（Financial Accounting）是阿德莱德大学 2025 年会计方向课程，聚焦财务理解、分析决策与专业表达能力。 技术栈与学习内容 课程结合会计理论、案例分析与实务任务，强调从规则理解到报告输出的完整链路。 课程结构 评估通常由平时任务与期末综合考核组成。建议前 3 周建立稳定节奏，避免后期任务堆叠。 适合人群 适合希望在会计、金融、商业分析与管理岗位方向打牢基础的同学。