阿德莱德大学 课程目录

本课程旨在让学生了解市场营销的原理。 将重点关注营销活动的管理以及营销与整体组织功能的关系，包括业务单位与消费者之间以及公司之间的交换过程的管理。 它将包括环境分析、行业和竞争对手分析、目标设定、营销策略和营销组合组成部分等主题，如定价、分销、产品和服务开发和推广，包括传统和数字营销传播。 此外，该课程将通过面对面的研讨会和教程以及在线学习，为所涵盖的概念的实际实施和问题解决技能的发展提供机会。

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。

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。

本课程使用企业生命周期的视角来培养学生对成功建立和发展企业所需的不同商业学科的相互关联的本质的理解。通过在线商业模拟游戏的使用,学生小组相互竞争,在虚拟世界中发展业务,同时学习创业、战略、营销、财务、业务结构、管理、会计、税务、退出和继承计划的作用。该课程将吸引那些有兴趣创办自己的企业,以及那些有意成为商业顾问、领导者或决策者的人。

课程从 C++ 和算法设计的基础出发，覆盖 class hierarchies、inheritance、polymorphism、recursion、OO design principles、abstract data types、testing、software reuse、linked lists、stacks、queues、trees、heaps、searching/sorting 与 complexity analysis。（数据来源：2025 Semester 1 官方课程大纲）

课程介绍现代公司金融，重点包括货币时间价值、资产估值、风险回报、资本预算、融资决策与股利政策，并训练学生用分析工具评估债券、股票和资本项目。

课程定位 ACCTING 1002（Introductory 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。

对于接受过相关数学训练的人员来说, 数据科学是薪酬最高的毕业生之一。本课程介绍与数据和计算机科学有关的基本数学概念, 并为进一步研究数据科学, 统计和网络安全提供基础。涉及的主题是概率：集合, 计数, 概率公理, 贝叶斯定理；优化和演算：微分, 积分, 几个变量的函数, 级数逼近, 梯度下降；线性代数：向量和矩阵, 矩阵代数, 向量空间；离散数学：归纳法, 差分方程。该课程吸引了这些基本数学概念与现代数据科学应用之间的联系, 并介绍了用于数据整理, 算法和可视化的Python编程。

课程系统讲授 secure software engineering，围绕 software development lifecycle 中的 security concerns、secure by design、secure continuous software engineering 与 DevSecOps 展开，并以 workshop style 的项目任务作为主要评估载体。（数据来源：2025 Semester 2 官方课程大纲）

这个课程以研究为基础，允许学生通过对会计、金融和行业信息的分析来发展商业研究技能。通过一系列课题，让学生有充足的时间来训练他们的研究技能。本课程将要求运用之前所学的会计和金融课程知识，为假定的投资者提供一个投资组合拟合。因此，学生将有足够的机会发展适当的沟通技巧，以确保投资者充分了解所有必要的信息。本课程采用的教学方式是有意设计的，以便让学生通过收集和综合各种不同的材料来发展自己的研究风格，作为商业研究报告发展的一部分。

课程聚焦 Computer Vision，涵盖图像特征检测、三维重建、图像拼接、视频监控、运动检测以及图像分类与识别等基础问题，并通过多次作业与实践项目帮助学生获得 computer vision 的实作经验。（数据来源：2025 Semester 1 官方课程大纲）

课程聚焦并行与分布式计算，覆盖 MPI、OpenMP、Pthreads、CUDA/GPGPU、MapReduce、性能分析与高性能计算平台使用，强调并行算法设计与程序开发。（数据来源：2025 Semester 1 官方课程大纲）