悉大Master of Computer Science 热门课程难度大解析！选课不迷路！

继上次给大家讲了

Master of Computer Science

选课结构之后！

有很多宝子对每个课程具体内容

还有一点迷茫

今天！

学姐就帮大家梳理了一下

Master of Computer Science

热门课程的考核内容和难度

帮大家有一个更清晰的规划！

更多课程问题，欢迎扫码添加小助手

加入悉大CS/DS专业群

一起来看看MCS课程解析吧 !

这门课主要是项目管理的定量和定性方面的知识。主题包括项目每个阶段的时间、范围、预算、风险、质量和资源管理。了解每个核心项目管理知识领域，培养项目管理工具和实践的基本能力。

Small test (15%) :  考试题型为选择、简答、理论，考察前半期的内容。

团队作业 (30%) : 4人一组，假设共同管理一个项目，制定项目方向和项目计划。

团队演讲 (5%) :  基于团队作业做的一次演讲，回报团队项目的工作。

期末考试 (50%) :  考试题型和Small test 差不多，但是难度和变化会提升。

理论比较好理解，作业，考试及整体难度中等。建议在第一学期修掉。考点多在前几周的lecture中。期末和上课内容很相近，一定要着手于每周的lecture。

主要围绕了解 IT 行业中与道德&职业责任的问题。分析IT行业人力资源管理的当前趋势。了解 IT 行业中与软件测试、数据安全、数据质量和质量保证相关的问题并选择管理方法。

Participation (10%) :  积极参与每周quiz，课堂参与分等。

团队报告 (50%) : 4-6人为组，将在整个学期逐步开发，重点是了解组织内技术的实施。有两个主要提交内容，以及一些次要的规划和反思。

期末考试 (40%) :  开卷考试，可以带5页cheatsheet。考试题型包含选择和简答论述题。

有一定难度的核心必修课，也建议尽早在第一学期或第二学期修掉，后面上专业课会轻松一些～ 建议避开印度女tutor～

主要讨论 IT 创新的技术及其对业务战略的影响。会学到创新驱动力、开放信息而不是受保护知识产权的趋势、以及将创新分配给许多独立但合作的参与者等主题。

每周Case Study (20%) : 由问答、Case study、小的Report组成。

作业1+作业2+团队演讲 (5%+15%+10%) : 

创新报告的三个阶段，作业1为1000字提案报告、作业2为5000字的主体创新报告、最后以团队演讲进行汇报结束。

期末考试 (50%) :  开卷考试 (可带cheatsheet)，考试题型全部为简答题，需要对题目有较好的理解。

整体给分不算很高，知识点非常细碎且量大，期末考题难度较大，想要拿高分需要下点功夫。

这门课需要修满24cp的5000level及以上的课程才能选，推荐在第二学期或者第三学期修。

这门课主要讲的是数据库管理系统，使用SQL语言为主。通过学习概念建模、关系设计和规范化理论，培养创建强大的关系数据库设计的能力。

小组作业1 (16%) : 以小组为单位，根据给定的问题开发概念模型和SQL 模式，然后在 PostgreSQL 中创建。

小组作业2 (16%) : 使用数据库进行应用程序开发的经验。需要熟悉 Java 或 Python。

小测 (18%) :  第10周进行，考察前面学过的所有内容。

期末考试 (50%) :  2小时闭卷考试。

课程的理论知识多，难度适中，只要日常学习中掌握了知识点，考试不会有太大问题。一般可以拿不错的分数。

数据结构与算法课。主要讲设计问题的算法解决方案，对其进行编码，分析其复杂性以及评估适用性。编写对数据结构递进代码，将基本算法技术应用到设计任务中。主要语言是Python。

小测 (10%) : 每周的小测考察前一周Lecture上的内容。限时25min的开卷小测。

作业1-5 (30%) : 带回家的问题集和编程作业，侧重于算法设计和分析，大约每两周一次。

期末考试 (60%) :  2小时闭卷考试。大多都是算法题，证明算法的正确性，难度较高。

这门课有一定难度，需要确保自己至少掌握一门以上的编程语言，最好是Python。可以在后两学期学。

编程和算法入门基础课。关键内容包含数据类型、控制流、迭代、函数、递归、可寻址内存模型。学生将能够将一般问题重新解释为计算机问题，并利用他们对计算机模型的理解来开发源代码。

Lab Participation (8%) : 短问答。最后从13次成绩中抽出最好的8次分数，由老师在课堂上打分。

Homework1&2 (12%) : 每周两个homework，主要是完成编程练习。

Small test (10%) : 1小时的纸质测试。需要展示程序编程方面的知识，包括阅读和跟踪短程序、调试和编写程序来解决描述性问题。

大作业 (30%) : 限时14天的的编程作业。可能需要提交代码、流程图、测试或报告。

期末考试 (40%) :  2小时笔试。需要编写简短程序，进行阅读和跟踪、以及使用现有测试进行调试。

这门课难度不高。主要学习的是Python语言，非常适合没有编程基础的同学打基础。强烈建议在前两学期修。

主要学习Java语言的编程思维OOP（Object Oriented Programming）入门。学习Java文件的创建和运行，变量的使用，基本语言法、Array 和Loop循环的使用。

Coding quiz (4%) : 课堂上的40min的编码测试。测试同学的编码能力。

Quiz (10%) : 一共5次quiz (Wk7-11)。考察每周的知识点。

Task(16%) : 线上测试。通过问题描述来考察编程能力。

Warm-up task (4%): 为后面编程作业准备的一个编程作业。

作业 (20%) : 一般是用Java写一个小游戏。具体的要求需要看后面老师的具体细则。对没有基础的同学来说，有一定难度。

期末考试 (50%) :  2小时笔试。可能会有判断、选择、简答题。

基本每周都有一个小的quiz或者是编程task，作业量较大，所以并不轻松。需要对知识点有比较透彻的理解。由于也是代码入门课，也建议大家在前两学期学哦！

主要介绍基本的统计概念和方法。重点关注与统计数据分析和数据挖掘相关的方法的开发，讨论统计模型，开发面向计算机的估计程序。

Quiz (12%) : 3个quiz，考察学过的内容。

期中考 (20%) : 1小时，考察前八周知识点。

个人作业(8%) : 一周内完成的个人作业。

期末考试 (60%) :  2小时考试，题型为扩展问答。

概率论和假设检验的基础课，难度不高。会学到一些R语言，很好拿高分的一门课。

主要学习可视化的内容。旨在通过信息可视化促进数据分析过程。信息可视化旨在将股票价格、家谱和软件设计图等抽象信息制作成精美的图片。精心设计的图片可以快速有效地传达这些信息。可视化分析的挑战是设计和实施有效的可视化方法，以产生复杂数据的图形表示，以便来自各个领域（生物信息学、社交网络、软件可视化和网络）的数据分析师可以直观地检查复杂数据并进行关键决策。

 Lab/Tut. Assessment (20%) : 每周课堂小测验

作业1 (20%) : 对别人的可视化数据进行调查和评估评价。

作业2 (60%) : 对一个复杂的数据集进行可视化分析。

少有的没有期末考试的课，每周的lab问题认真一点回答都能拿到很不错的分数。作业1相对比较简单，作业2会难一些。但是整体来说，这门课算是比较简单，比较好拿高分的一门课。

理解和应用相关概念、技术、算法和工具来分析、管理和可视化数据，使用 Python 编程语言进行数据管理、分析、建模和可视化。使用各种数据库进行数据采集、清洗、预处理和存储；向不同的受众传达研究结果，包括有效的数据可视化。

团队作业1 (15%) : 团队作业总共分为3个小作业。作业1是获取+清洗+分析数据。开发和评估预测模型。

团队作业2 (20%) : 作业2是开发和评估预测模型报告。

团队演讲(5%) : 最后是演讲成果展示。

期末考试 (60%) :  2小时笔试。

这门课总体来说难度不算大，如果想要拿高分，需要熟练掌握知识点，多刷题。

机器学入门课程，了解机器学习算法用于解决分类、回归、聚类和强化学习任务的基本原理、优点、缺点和适用性。提供机器学习和数据挖掘的实用和技术介绍。涵盖的主题包括发现数据模式、分类、回归、特征提取和数据可视化的问题。

团队作业1 (10%) : 2人一组写一个电脑程序，难度不会很大，老师给分还不错。

团队作业2 (25%) : 也是写一个程序，但是需要输出详细的报告，标注代码和引用算法标明出处。

Homework(5%) : 每周线上的家庭作业。

期末考试 (60%) :  2小时笔试，题量较大，难度中等。

一门比较实用的课，难度中等。努力学习，好好上课的话还是能拿到不错的成绩的。

介绍统计学习的高级计算方法，包括聚类、密度估计、平滑、预测模型、模型选择、组合优化方法、采样方法、Bootstrap 和蒙特卡罗方法。还将演示如何在实践中有效地将上述技术应用于大型数据集。

Tutorial exercises (25%) : 每周辅导练习。第 1-6 周使用 AEDT，第 7-10 周使用 AEST。

小组项目 (35%) : 自由组队的小组项目，每学期会由老师发布要求。一般来说，不会非常难。

期末考 (50%) : 2小时的笔试，难度中等。

需要一些统计学的基础知识以及R代码的使用。每两周都会有coding的练习，还是算比较密集。但是整体难度并不算很大，努力的话，还是很有机会取得高分的。

了解与不同类型和类别的高性能计算机相关的基本概念。学生将接触到当前高性能计算机系统技术背景的描述。获得评估、实验和优化高性能计算机性能的技能。

作业1 (20%) : 并行算法设计，测试 

作业2 (20%) : 对一个复杂的数据集进行可视化分析。

期末考试 (60%) : 对一个复杂的数据集进行可视化分析。

比较偏实践的一门课，对于日后工作上会有帮助。但是相对也有一定的难度，需要努力好好学。

NLP方向的入门基础课，介绍计算语言学以及用于自动处理自然语言的统计技术和算法。上课会使用Python中的NLTK数据库，主要在实验室和作业中逐步学习。

5个作业 (25%) : 每两周一个作业，考察那两周学习的内容。

Lab exercises (20%) : 在实验室中完成的编程的任务。

Lecture tasks (5%) : 有关Lecture的概念性的综合问题。

期末考 (50%) : 2小时的笔试，需要手写代码

属于MCS专业的一个水课，只在S1开。NLP入门基础，内容比较多，但是讲得相对浅一些，相对简单且比较好拿高分的一门课。