University Hub
这所大学的内容,按阶段走
申请材料、入学清单、校历、课程目录和在读学习放在同一个入口里。 当前页面是 课程目录 ,可以直接切到下一步。
01
申请前
大学主页 / 申请信息
02
拿到 offer 后
入学清单 / 新生准备
03
开学前两周
学期时间 / 课程目录
04
在读期间
课程目录 / 学期时间
共 924 门课程
COMP2823
高级数据结构与算法
课程定位 COMP2823(Data Structures and Algorithms (Advanced))是 USYD 计算机方向的重要课程,定位在基础能力到实战能力之间的关键衔接。课程强调“理解概念 + 写出可运行代码 + 完成可评估交付物”的完整学习路径,通常是后续高阶课程或实习项目的前置能力训练。 技术栈与学习内容 核心学习内容覆盖算法思维、编程实现、系统抽象与工程规范。常见工具包括 Python/C/C++、命令行、Git、自动化测试与调试工具。课程不仅考察结果正确性,也关注复杂度分析、边界条件处理与代码可维护性。 课程结构 课程一般按 13 周推进,常见考核结构是 Lab/Quiz + 2 次作业 + 期末考试。中后期作业强度明显上升,需要并行处理实现、测试和文档说明。评分通常重视完整性与稳定性,建议尽早建立“每周输出 + 复盘”节奏。 适合人群 适合希望夯实计算机核心能力的本科/研究生同学,尤其是计划继续学习算法、AI、系统、数据方向的学习者。建议每周投入 8-14 小时,根据课程难度分配刷题、作业与复习时间,避免集中在截止日前突击。
QBUS3850
Time Series and Forecasting
时间序列和动态模型是现代商业实践的一个基本组成部分。此外,预测是商业决策的一个必要组成部分。本单元介绍了用于分析不同商业领域数据的时间序列模型,包括金融、会计、营销、经济学和许多其他学科。然后,它考虑在这些模型的背景下进行点和区间预测、测试和敏感性分析的方法。主题包括:时间序列数据的属性;季节指数平滑和ARIMA模型;向量自回归;通过ARCH和GARCH建立模型和预测条件波动率;预测风险措施,如风险价值和预期亏损;动态因子模型。重点放在涉及许多真实商业数据集分析的应用上。我们鼓励学生使用适当的软件进行实践分析。
DATA5220
数据产品管理
课程定位 DATA5220(Data Product Management)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。
QBUS3830
Advanced Analytics
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。
INFS1020
Digital Work Environments
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。
MATH5602
算子方法
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。
MATH5608
拓扑数据分析
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。
MKTG6001
Marketing Research
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。
MATH5614
启发式优化
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。
QBUS3310
Advanced Management Science
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。
MATH5620
随机场与过程
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。
MATH5626
最优随机控制
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。