墨尔本大学 课程目录

本课程介绍统计建模，计算和数据分析的基本元素。 它是进一步研究数学和应用统计学以及更广泛的数据科学的切入点。 学生将发展将统计模型拟合到数据，估计感兴趣参数并检验假设的能力。 经典方法和贝叶斯方法都将涉及。 将强调统计的基础数学理论和现代统计软件的使用的重要性。 涵盖的概念包括：描述性统计，随机样本，统计推断，点估计，区间估计，估计量的属性，最大似然，置信区间，假设检验和贝叶斯推断。 涵盖的应用包括：探索性数据分析，从单变量分布推断样本，简单的线性回归，相关性，拟合优度检验和方差分析。

本课程重点研究一系列战略绩效管理控制系统问题，包括绩效衡量，激励机制，奖励制度和风险； 利润分析； 规划和预算； 以及战略投资。 在许多不同的组织设置和关系中探讨了这些问题。

现代应用统计结合了现代计算和理论统计的功能。 本课程考虑了统计理论的实际实施所需的计算技术，包括贝叶斯方法和蒙特卡洛方法。 该课着重于将这些技术应用于广义线性模型，这些模型通常用于分类数据的分析。

本课程研究多元回归分析及其在经济学，管理学，金融学，会计学和市场营销中的应用。 主题将包括估计器的属性，假设检验，规范误差，多重共线性，伪变量，异方差，序列相关性。 学生进行的经验性作业构成了本学科的组成部分。

该课程涉及为设计作为一门学科奠定基础，向学生介绍当代实践中设计和建筑中的代表性作用。该主题旨在通过教学生如何使用不同形式的媒体仔细观察和分析信息来发展学生的技能。 一系列的讲座将向学生介绍一系列基于矢量的表示技术。设计师为什么画画？代表的作用是什么？本主题强调发展对代表性设备和操作设计技术的批判性理解的重要性。 该课程将探索该讲座系列中提出的关键思想，并使用多种表示技术将其付诸实践，包括正交投影（手工），模型制作，基于2D矢量的绘图以及使用常见行业软件的3D建模。 学生将学习如何在不同软件之间管理数据，信息和表示工作流，如何表示空间信息，如何谨慎地绘制和建模以及如何养眼。 学期末，学生将设计和准备自己的作品集。 注意：鼓励学生购买具有建议教员规格的笔记本电脑。 附带费用： 本课程要求学生购买工具和材料，以成功完成2D和3D评估任务。设备包括在学位范围内对将来的科目有利的工具，还包括诸如打印和建模材料之类的消耗品。估计总费用为每人200至300美元。

本课程从会计角度考虑业务欺诈和取证过程。 该课程介绍了澳大利亚和全球范围内欺诈性商业活动的最新趋势，向学生介绍了各种类型的欺诈行为。 考虑了欺诈管理（预防）程序设计的法规要求和最佳实践程序，并评估了最新的欺诈检测方法（重点是信息技术工具）。 该主题还考虑了在澳大利亚法律框架内会计在欺诈和其他商业法证调查中的作用，包括：获取和控制证据的方法； 进行调查； 量化损失和损害； 以及作为专家证人出庭作证。

课程定位 INFO10003（Fundamentals of Interaction Design）是墨尔本大学信息系统方向课程，强调把用户需求、系统设计与数据洞察整合到真实场景中。课程以“问题识别-方案设计-验证迭代-结果表达”为主线，帮助你在产品、分析、咨询和技术协作场景中形成可迁移的方法论。 技术栈与学习内容 学习内容通常覆盖用户研究、交互设计、信息架构、可用性评估、数据分析与团队协作交付。你需要在课程任务中完成需求澄清、方案论证、原型实现与评估复盘，并且清楚说明每个设计或技术决策背后的依据。对于 INFO 课程，老师通常更关注“证据链完整性”和“方案可落地性”。 课程结构 课程通常按 12 周推进，前期建立核心框架，中期进入项目实践与多轮反馈，后期完成综合交付与反思总结。常见考核包含课堂参与、阶段作业、项目报告/展示与期末评估。高分表现往往来自稳定节奏与清晰表达，而不是一次性冲刺。 适合人群 适合希望提升信息系统、产品设计、用户体验与数据驱动决策能力的同学。建议每周投入 9-13 小时，采用“预习-实践-复盘-迭代”节奏推进。若你目标是 Distinction/HD，建议从第一周开始建立可复用模板（调研框架、评估清单、汇报结构），持续把反馈转化为下一轮改进动作。

该课程是财务报表理论和分析主题，旨在教授基础概念和应用当代技术，这些概念和技术可以使财务报表用于绩效分析和评估。 我们还考虑将财务报告用于与高管和贷方签订合同以及是否需要监管。 本课程的目的是为学生提供工具和技术，使他们能够（a）了解和评估财务报告的质量并确定重大会计问题（b）使用财务报告评估公司业绩的水平和驱动力，以及（ c）估值公司。 学生将了解到，财务报告中提供的信息质量可能会发生很大的变化，并且可能会对如何将其用于分析和评估产生重大影响。

课程定位 COMP90020（Distributed Algorithms）是墨尔本大学计算机方向的研究生课程，定位在专业能力深化与行业/研究应用之间。课程通常面向已有编程与基础算法背景的学习者，强调把课堂知识转化为可交付成果。它常作为后续 capstone、研究项目或岗位能力提升的关键衔接课。 技术栈与学习内容 课程内容围绕高级计算机主题展开，常见技术包括 Python、C/C++、机器学习工具链、系统设计方法、实验评估流程与学术检索写作。学习不仅要求掌握核心概念，还需要解释方法选择依据、结果可信度与局限性，训练“问题定义-方案设计-评估优化”的完整链路。 课程结构 一般按 12-13 周推进：前段建立理论框架，中段进入高密度作业与案例实践，后段做综合整合与期末评估。考核通常由 Quiz/实验、2 次作业或项目、展示及期末评估构成。即便没有明确 Hurdle，评分依旧会关注关键能力达标，不能依赖单项突击。 适合人群 适合希望在 AI、软件工程、数据与系统方向进一步深耕的硕士同学。建议每周投入 10-14 小时，采用“预习-实践-复盘”节奏。课程难点在于多任务并行与高标准输出；能稳定执行周计划并及时复盘的人，后期表现通常更稳。

本课程研究几个变量和矢量演算的功能的基本概念。它开发了偏导数和矢量微分算子的操纵。梯度向量用于获得几个变量的函数的约束极值。线，表面和体积积分通过各种积分定理进行评估和关联。还使用曲线坐标研究矢量微分算子。 几个变量主题的功能包括极限，连续性，可微性，链式规则，雅可比，泰勒多项式和拉格朗日乘数。矢量演算主题包括矢量场，流线，曲率，扭转，梯度，发散，卷曲和拉普拉斯算子。路径和曲面上的积分主题包括线，面和体积积分；变量的变化；应用包括平均值，惯性矩，质心；格林定理，平面发散定理，高斯发散定理，斯托克斯定理；和曲线坐标。

课程定位 INFO90004（Evaluating the User Experience）是墨尔本大学信息系统方向的研究生课程，定位在业务问题与数字技术落地之间。课程面向希望提升产品思维、数据决策和系统设计能力的学习者，强调把理论框架转化为可执行方案。它通常可衔接后续 capstone、行业项目或岗位实战。 技术栈与学习内容 学习内容常覆盖 Information Systems、Human-Centred Design、Data Modelling、Process Improvement、Evidence-based Decision Making 等核心能力。你需要在案例中完成问题界定、方案设计、风险评估和效果复盘，重点不是套模板，而是构建完整论证链路。 课程结构 一般按 12-13 周推进：前段搭建框架与方法，中段进行高密度作业与项目推进，后段做综合评估与展示。考核常见为 Quiz/Workshop、2 次作业或项目、展示与期末评估。即便没有明确 Hurdle，评分也会关注关键能力是否稳定达标。 适合人群 适合希望在数字化转型、产品运营、数据分析和信息系统咨询方向深耕的硕士同学。建议每周投入 10-14 小时，按“预习-实践-复盘”推进。难点在多任务并行与高质量表达；持续复盘能显著提升后期稳定性。