悉尼大学 课程目录

课程定位 INFO1110（Introduction to Programming）是 USYD 信息技术方向的核心课程，强调从概念理解到工程落地的完整能力。课程在培养编程思维、系统抽象和项目协作方面作用明显，是后续进阶课程的重要基础。 技术栈与学习内容 课程内容覆盖算法实现、系统设计、数据处理与工程规范。常见工具包括 Python/Java、Git、命令行、自动化测试与调试工具。学习目标不仅是“功能可用”，还包括边界处理、可维护性和结果解释能力。 课程结构 通常按 13 周推进，采用 Lab/Quiz + 2 次作业 + 期末评估的结构。中后期会进入多任务并行阶段，需要同时处理实现、测试、文档与复盘，建议按周分解任务。 适合人群 适合准备在软件开发、数据分析、系统工程方向深入学习的同学。建议每周投入 8-14 小时，保持稳定节奏推进，比临时冲刺更容易拿到高质量结果。

课程介绍： 本课程将讲授一些强大的思想，这些思想对于以比幼稚的方法更有效的方式解决算法问题至关重要。 特别是，学生将学习数据收集如何支持有效访问，例如，词典或地图如何允许基于键的查找，该查找不会随收集大小的增长而线性降低。 本单元涵盖的数据结构包括列表，堆栈，队列，优先级队列，搜索树，哈希表和图形。 学生还将学习有效的技巧来完成经典任务，例如对收藏进行分类。 将介绍渐进符号的概念，并将其用于描述各种数据访问操作和算法的成本。 授课形式：Lecture 和 Tutorials

Machine learning models explain and generalise data. This course introduces some fundamental machine learning concepts, learning problems and algorithms to provide understanding and simple answers to many questions arising from data explanation and generalisation. For example, why do different machine learning models work? How to further improve them? How to adapt them to different purposes? The fundamental concepts, learning problems and algorithms are carefully selected. Many of them are closely related to practical questions of the day, such as transfer learning, learning with label noise and multi-view learning. 机器学习模型解释和推广数据。 本课程介绍了一些基本的机器学习概念，学习问题和算法，以便为数据解释和概括引起的许多问题提供理解和简单答案。 例如，为什么不同的机器学习模型有效？ 如何进一步改善它们？ 如何使它们适应不同的目的？ 精心挑选基本概念，学习问题和算法。 他们中的许多人与当时的实际问题密切相关，例如转学，标签噪音学习和多视图学习。 本课程介绍是由往届学长学姐回忆编辑而成。 简介：编程语言为python。这是今年的新课程，实在5318基础上更难一些的东西，主要就是从machine learning的高端阶段讲起，到神经网络和深度学习，往往会结合很多的高斯变换，加上需要很强的数学基础，如果是单纯想当software engineer就不建议学习了。 Tutor简评： 1. 不容易拿分的课程，期末考试会比较容易，对于很多同学平常可能会像在听天书 2. 如果对自己的规划是data scientist这门课就是必修的

课程介绍： 本课程提供了深度学习的简介，深度学习正在迅速发展成为最广泛应用中最成功，应用最广泛的技术之一。 参加本课程的学生将接触到深度学习的前沿研究-从理论，模型和算法开始，到深度学习的实施和最新进展。 具体主题包括：深度神经网络的经典体系结构，用于训练深度神经网络的优化技术以及深度学习在计算机视觉中的各种应用

为了在竞争激烈的商业环境中有效地发挥作用，商业分析师需要能够利用预测性分析将信息转化为决策，并将有关过去业绩的信息转化为可靠的预测。一个有效的分析师还应该能够确定分析工具和数据结构来预测市场趋势。在本单元中，学生获得在当今高度分析和数据驱动的经济中取得成功所需的技能。本单元介绍了数据管理、商业预测、决策树、逻辑回归和预测建模的基础知识。本单元以企业案例研究和实践练习为特色，展示所提出的概念。

本单元为本科生提供了知识，并使他们进一步了解支撑全球银行/金融机构监管和监督的最新发展的核心问题和原则。首先讨论作为公共政策目标的金融稳定概念以及对银行进行审慎监管和监督的基本原理。然后，学生会接触到一系列与银行业主要风险（即市场风险、信用风险、操作风险、流动性风险）的测量、管理和审慎监管有关的概念和问题。本单元的其他内容包括讨论和研究与资本充足率和基于风险的资本比率的概念有关的问题，特别是《巴塞尔资本协议》；《巴塞尔有效银行监管核心原则》；各国对银行监管的不同方法；政府金融安全网（即 "最后贷款人 "和存款人保护计划）；危机后银行结构改革建议。

课程介绍： 如今，大多数面向客户的企业应用程序都在Web上运行，或者至少在Web界面上运行。 Web应用程序的设计和实现需要完全不同于传统桌面应用程序所需的技能。所有Web应用程序都是客户端/服务器架构。发送到Web应用程序的请求预计会通过公共Internet，这会降低响应速度并增加可能的安全威胁。一个典型的Web应用程序也可以处理来自Internet各个角落并由各种客户端系统发送的大量请求。这进一步使这种系统的设计复杂化。本课程旨在为构建Web应用程序所使用的技术提供概念性理解和实践经验。我们将研究如何在客户端和服务器之间传递数据/消息;如何使用富客户端技术提高响应能力;以及如何构建安全的Web应用程序。在本课程结束时，学生应该清楚地了解Web应用程序的结构和技术。学生还应具备一些主要Web应用程序环境的实用知识，并能够开发和部署简单的Web应用程序。基于云的平台作为开发和部署平台越来越受欢迎。本课程还将结合Web应用程序开发的云端方面。 每周课时：2小时Lecture，1小时Laboratory

本单元介绍了快速增长的期权、期货和掉期领域。这些证券来自于基本证券，如股票和债券。本单元在彻底处理这些证券的定价和用于投资管理和风险管理的目的之前，研究了每种类型的衍生证券的性质。

This unit will provide a comprehensive introduction to the field of information systems from an organisational perspective. The critical role of information and knowledge management will be emphasised from both conceptual and practical standpoints. Key topics covered will include: · IS for Competitive Advantage · Managing IS infrastructure · E-Commerce · Enterprise Systems (ERP, SCM, CRM) 本单元将从组织的角度全面介绍信息系统领域。信息和知识管理的关键作用将强调从概念和实践的立场。主要议题包括: *代表竞争优势 *管理是基础设施 *电子商务 *企业系统(ERP、SCM、CRM) *商业智能 *是开发和获取 *为保安管理 · Business Intelligence · IS Development and Acquisition · IS Security Management

现在，企业获得非常丰富的信息数据集是很常见的，这些数据往往是作为一个公司或业务单位的主要机构活动的副产品自动产生的。数据挖掘涉及推断和验证数据中的模式、结构和关系，作为支持商业环境中决策的工具。本单元提供了对商业和市场数据的可视化和分析的主要统计方法的深入了解。它提供了提取特定任务所需信息的必要工具，如信用评分、预测和分类、市场细分和产品定位。重点是使用现代软件工具进行数据挖掘的商业应用。

微积分是一门数学学科, 可以在科学, 工程和经济学领域找到广泛的应用。 本课程研究一个变量的微分演算和积分演算, 以及该理论的各种应用。 重点是该学科的理论和基础方面, 以及发展应用数学理论解决实际问题的宝贵技能。 本研究课程涵盖的主题包括复数, 单个变量的函数, 极限和连续性, 微分, 优化, 泰勒多项式, 泰勒定理, 泰勒级数, 黎曼和和黎曼积分。 该高级课程中包括的其他理论主题包括中间值定理, Rolle定理和均值定理。 强烈建议学生在开始MATH1023或MATH1923之前, 先完成MATH1921的MATH1021。

课程定位 COMP5349（Cloud Computing）是 USYD 计算机方向的关键课程，重点训练从理论理解到工程交付的闭环能力。课程通常连接后续高阶课程或行业项目，对算法思维、系统设计和代码质量有明确要求。 技术栈与学习内容 学习内容覆盖编程实现、系统抽象、性能分析与工程规范。常见工具包括 Python/C/C++、命令行、Git、自动化测试与调试工具。课程不只看功能是否可用，也看设计合理性、复杂度与可维护性。 课程结构 通常按 13 周推进，考核由 Lab/Quiz、两次作业和期末评估构成。中后期任务会叠加，既要完成实现，也要给出分析与复盘。建议按周推进并持续留出调试与测试时间。 适合人群 适合希望强化计算机核心能力、准备继续攻读系统/算法/AI/数据方向课程的同学。建议每周投入 8-14 小时，采用“预习-实践-复盘”节奏，避免在截止日前集中突击。