阿德莱德大学 课程目录

课程定位 COMP SCI 7211（Foundations of Computer Science B）是阿德莱德大学 PGCW 体系课程，2025 年在 Trimester 3 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 Foundations of Computer Science B 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 Programming Practice 0%、Module Tests 100% 组成。先修要求：COMP SCI 7210; Master of Computing and Innovation students are permitted to enrol into COMP SCI 7210 and COMP SCI 7211 concurrently。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。

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。

从心理与社会视角讲授消费者行为理论，覆盖动机、感知、学习、态度、文化与群体影响。

本课程介绍了在金融和商业中使用的基本数学概念和技术,强调数学的相互关系和发展解决问题的技能,特别强调金融和商业应用。主题包括:多项式,指数和对数函数;限额,顺序,利率和年金;线性方程,矩阵和行列式;里昂惕夫经济模型;优化(线性规划)。

本课程向学生介绍管理者的角色和职能。内容包括介绍组织和管理的需要和性质。它检查管理理论的演变, 组织环境, 和企业社会责任和伦理。本课程还包括对管理的四个功能的详细调查:计划和决策, 组织, 领导和激励, 和控制。

本课程从主要利益相关者的角度介绍项目管理的背景，基本原理，策略和策略。遵循的主要模型是国际项目管理知识体系（PMBOK-美国PMI）。预计参与者将根据他们的经验将PMBOK的应用直接与项目联系起来，并且课程分配将能够将他们学到的知识应用到实际的工作场所项目中。课程的背景和学习将使学员具备胜任各种行业的能力，并将项目管理技能应用于各种行业的项目中，包括工程，信息技术，咨询，生产，采购，维护，物流和供应链，国防，建筑和制造。着重于在利益相关者，范围，时间，成本和质量管理等核心领域提供能力，并在风险，采购，人力资源，整合和沟通管理等领域提供便利，旨在为参与者提供能力，以秘密地应对日益增长的挑战。现代项目管理。 PMBOK将被用于发展适合各种行业的能力。

课程定位 COMP SCI 7076（Distributed Systems）是阿德莱德大学 PGCW 体系课程，2025 年在 Semester 2 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 Distributed Systems 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 Assignments 40%、Final Exam / Final Project 60% 组成。先修要求：COMP SCI 7103, COMP SCI 7202, COMP SCI 7202B, COMP SCI 7208 or COMP SCI 7211。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。

课程定位 COMP SCI 3308（Advanced Cyber Security: Techniques & Concepts）属于阿德莱德大学计算机专业中高阶课程，通常安排在 Semester 1。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 2009, COMP SCI 2103, COMP SCI 2202 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 Advanced Cyber Security: Techniques & Concepts 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 Exam 40%、Assignments 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。

本课程与MATHS 1012 Mathematics IB一起, 对微积分和线性代数的基本概念和技术进行了介绍, 强调它们在工程学, 科学和金融领域的相互关系和应用, 向学生介绍了计算机在数学中的使用, 并开发具有理论和实际问题的解决问题能力。涉及的主题是-微积分：一个变量的功能, 微分及其应用, 确定积分, 积分技术。代数：线性方程, 子空间, 矩阵, 优化, 行列式, 线性代数的应用的系统。

本课程与MATHS 1011 Mathematics IA一起, 介绍了微积分和线性代数的基本概念和技术, 着重介绍了它们在工程学, 科学和金融领域的相互关系和应用, 向学生介绍了计算机在数学中的使用, 并开发具有理论和实际问题的解决问题能力。涵盖的主题包括：微积分：微分方程, 序列和级数, 幂级数, 两个变量中的微积分。代数：子空间, 秩定理, 线性变换, 正交性, 特征值和特征向量, 奇异值分解, 线性代数的应用。

本课程是对会计信息系统的介绍:会计信息系统在组织中的作用,特别是在支持战略和运营决策和解决问题方面,以及运营支持和管理方面。系统思维;系统设计与开发;对IT支持业务的管理观点(特别是安全和道德);IS的趋势、问题和关注;最终用户应用软件包括会计软件包,报告和数据库管理,进行了研究和评估。

统计和数据分析是现代工程师工具包的重要组成部分。解决工程实践中出现的各种数学问题的数值方法也是如此。本课程介绍概率和统计；总体均值, 多个总体均值和分类变量的推论；和线性回归。该课程还涵盖了插值方法, 数值积分, 线性系统和因式分解, 线性和非线性系统的迭代解以及常微分方程中的数值方法。始终强调工程应用。