悉尼大学 课程目录

The frontier for using data to make decisions has shifted dramatically. High performing enterprises are now building their competitive strategies around data-driven insights that in turn generate impressive business results. This course provides an overview of Business Intelligence (BI) concepts, technologies and practices, and then focuses on the application of BI through a team based project simulation that will allow students to have practical experience in building a BI solution based on a real world case study.

课程定位 MATH5556（Industrial Modelling Practicum）是 USYD 相关方向的进阶课程，聚焦将理论方法转化为可交付工程能力。课程强调在真实场景下进行系统设计、实施与评估，是后续高阶项目与职业实践的重要基础。 技术栈与学习内容 课程内容覆盖系统架构、数据与平台工程、服务可靠性、信息治理与工程规范。常用工具包括 Python/Java、Git、CI/CD、云平台与监控工具。学习目标不仅是完成功能，更强调可维护性、可扩展性与风险控制。 课程结构 课程通常按 13 周推进，采用 Lab/Quiz + 2 次作业 + 期末评估结构。中后期会出现多任务并行，要求你同时处理实现、测试、文档与汇报。建议从开学初建立周度节奏，避免后期集中赶工。 适合人群 适合希望在软件工程、平台工程、数据治理与 IT 管理方向深入发展的同学。建议每周投入 10-15 小时，持续推进“学习-实践-复盘”闭环，以获得更稳定的成绩与项目产出。

课程定位 DATA5144（Data Visualization and Communication）是 USYD 相关方向的进阶课程，聚焦将理论方法转化为可交付工程能力。课程强调在真实场景下进行系统设计、实施与评估，是后续高阶项目与职业实践的重要基础。 技术栈与学习内容 课程内容覆盖系统架构、数据与平台工程、服务可靠性、信息治理与工程规范。常用工具包括 Python/Java、Git、CI/CD、云平台与监控工具。学习目标不仅是完成功能，更强调可维护性、可扩展性与风险控制。 课程结构 课程通常按 13 周推进，采用 Lab/Quiz + 2 次作业 + 期末评估结构。中后期会出现多任务并行，要求你同时处理实现、测试、文档与汇报。建议从开学初建立周度节奏，避免后期集中赶工。 适合人群 适合希望在软件工程、平台工程、数据治理与 IT 管理方向深入发展的同学。建议每周投入 10-15 小时，持续推进“学习-实践-复盘”闭环，以获得更稳定的成绩与项目产出。

本单元旨在使学生掌握相关商业统计模型的估计和测试的高级工具。特别是，该单元涵盖了最大似然法、贝叶斯估计和推断以及假设检验。该单元承认学习计算技能的重要性，因为它有助于工作应用，并在整个单元中特别强调学习数字方法，如蒙特卡洛模拟和Bootstrapping。高级统计建模的特殊课题，如非线性估计和时间序列回归，也被包括在内。所教授的材料是为定量商业分析荣誉课程做准备的必要条件。

数字技术，如社交媒体、移动设备和数据分析，已经改变了我们收集和展示想法、沟通和共同工作的方式。在本单元中，学生将被介绍到各种数字工作环境及其对工作方式的影响。学生了解雇主如何在网上招聘毕业生，加入现代数字工作场所并在其中工作是什么感觉，以及当传统的、结构化的工作场所通过数字的、灵活的和网络化的工作方式被改变时出现的紧张关系。学生参与实践活动，以获得如何在网上有效和专业地展示自己的技能（个人品牌），如何在组织背景下通过数字渠道进行沟通（专业沟通），如何有效地搜索和使用数字信息（数据素养），以及如何以数字方式协调团队工作。

课程定位 MATH5602（Operator Methods）是 USYD 相关方向的进阶课程，聚焦将理论方法转化为可交付工程能力。课程强调在真实场景下进行系统设计、实施与评估，是后续高阶项目与职业实践的重要基础。 技术栈与学习内容 课程内容覆盖系统架构、数据与平台工程、服务可靠性、信息治理与工程规范。常用工具包括 Python/Java、Git、CI/CD、云平台与监控工具。学习目标不仅是完成功能，更强调可维护性、可扩展性与风险控制。 课程结构 课程通常按 13 周推进，采用 Lab/Quiz + 2 次作业 + 期末评估结构。中后期会出现多任务并行，要求你同时处理实现、测试、文档与汇报。建议从开学初建立周度节奏，避免后期集中赶工。 适合人群 适合希望在软件工程、平台工程、数据治理与 IT 管理方向深入发展的同学。建议每周投入 10-15 小时，持续推进“学习-实践-复盘”闭环，以获得更稳定的成绩与项目产出。

课程定位 MATH5608（Topological Data Analysis）是 USYD 相关方向的进阶课程，聚焦将理论方法转化为可交付工程能力。课程强调在真实场景下进行系统设计、实施与评估，是后续高阶项目与职业实践的重要基础。 技术栈与学习内容 课程内容覆盖系统架构、数据与平台工程、服务可靠性、信息治理与工程规范。常用工具包括 Python/Java、Git、CI/CD、云平台与监控工具。学习目标不仅是完成功能，更强调可维护性、可扩展性与风险控制。 课程结构 课程通常按 13 周推进，采用 Lab/Quiz + 2 次作业 + 期末评估结构。中后期会出现多任务并行，要求你同时处理实现、测试、文档与汇报。建议从开学初建立周度节奏，避免后期集中赶工。 适合人群 适合希望在软件工程、平台工程、数据治理与 IT 管理方向深入发展的同学。建议每周投入 10-15 小时，持续推进“学习-实践-复盘”闭环，以获得更稳定的成绩与项目产出。

前置要求MKTG5001。从2021今年开始变成marketing专业的必修课了，讲了如何做对行业做市场搜索报告，包括一些，一手，二手和内部的数据获取方式及搜索分析方法。会涉及一些计算和统计学的知识，会教你处理市场数据。目前大数据是个趋势，学marketing的同学其实建议选这一门+MKTG6018是唯二和市场数据分析相关的课。概念和计算都有，但是计算相比QBUS5001简单很多。而且据说还是挺容易过的。

课程定位 MATH5614（Heuristic Optimization）是 USYD 相关方向的进阶课程，聚焦将理论方法转化为可交付工程能力。课程强调在真实场景下进行系统设计、实施与评估，是后续高阶项目与职业实践的重要基础。 技术栈与学习内容 课程内容覆盖系统架构、数据与平台工程、服务可靠性、信息治理与工程规范。常用工具包括 Python/Java、Git、CI/CD、云平台与监控工具。学习目标不仅是完成功能，更强调可维护性、可扩展性与风险控制。 课程结构 课程通常按 13 周推进，采用 Lab/Quiz + 2 次作业 + 期末评估结构。中后期会出现多任务并行，要求你同时处理实现、测试、文档与汇报。建议从开学初建立周度节奏，避免后期集中赶工。 适合人群 适合希望在软件工程、平台工程、数据治理与 IT 管理方向深入发展的同学。建议每周投入 10-15 小时，持续推进“学习-实践-复盘”闭环，以获得更稳定的成绩与项目产出。

本单元给出了制定管理科学模型的准则，为管理决策提供实际帮助。制定了优化方法，并讨论了不同类型优化模型的复杂性和局限性，以便在模型选择和结果解释中考虑到这些因素。线性编程方法得到发展和扩展，以涵盖管理背景下的物流、网络和战略规划的变化。其他主题可能包括决策分析、随机建模和博弈论。该单元涵盖了各种案例研究，其中包括商业中管理人员所面临的决策问题。

课程定位 MATH5620（Random Fields and Processes）是 USYD 相关方向的进阶课程，聚焦将理论方法转化为可交付工程能力。课程强调在真实场景下进行系统设计、实施与评估，是后续高阶项目与职业实践的重要基础。 技术栈与学习内容 课程内容覆盖系统架构、数据与平台工程、服务可靠性、信息治理与工程规范。常用工具包括 Python/Java、Git、CI/CD、云平台与监控工具。学习目标不仅是完成功能，更强调可维护性、可扩展性与风险控制。 课程结构 课程通常按 13 周推进，采用 Lab/Quiz + 2 次作业 + 期末评估结构。中后期会出现多任务并行，要求你同时处理实现、测试、文档与汇报。建议从开学初建立周度节奏，避免后期集中赶工。 适合人群 适合希望在软件工程、平台工程、数据治理与 IT 管理方向深入发展的同学。建议每周投入 10-15 小时，持续推进“学习-实践-复盘”闭环，以获得更稳定的成绩与项目产出。

课程定位 MATH5626（Optimal Stochastic Control）是 USYD 相关方向的进阶课程，聚焦将理论方法转化为可交付工程能力。课程强调在真实场景下进行系统设计、实施与评估，是后续高阶项目与职业实践的重要基础。 技术栈与学习内容 课程内容覆盖系统架构、数据与平台工程、服务可靠性、信息治理与工程规范。常用工具包括 Python/Java、Git、CI/CD、云平台与监控工具。学习目标不仅是完成功能，更强调可维护性、可扩展性与风险控制。 课程结构 课程通常按 13 周推进，采用 Lab/Quiz + 2 次作业 + 期末评估结构。中后期会出现多任务并行，要求你同时处理实现、测试、文档与汇报。建议从开学初建立周度节奏，避免后期集中赶工。 适合人群 适合希望在软件工程、平台工程、数据治理与 IT 管理方向深入发展的同学。建议每周投入 10-15 小时，持续推进“学习-实践-复盘”闭环，以获得更稳定的成绩与项目产出。