硕士预备训练营

课程概述

微分方程与线性代数是工程师和应用科学家必备的基础数学工具。本课程在这两个领域建立扎实的基础，全面涵盖工程、科技及相关领域学生所需掌握的核心内容。主要内容包括：

• 一阶微分方程。

• 线性方程组、矩阵代数与行列式。

• 向量空间。

• 线性二阶微分方程。

• 高阶线性微分方程理论。

• 线性方程组的矩阵解法。

课程概述

本课程系统性地介绍人工智能，专为非技术背景的专业人士精心设计，构建起从 AI 基础原理到前沿应用的完整认知框架。在 AI 重塑各行各业的时代，本课程都将成为不可或缺的基础——无论你是开发 AI 驱动产品的产品经理、主导企业 AI 转型的决策者、寻求职业进阶的专业人士，还是为孩子未来做规划的家长。我们的目标并非把你培养成算法工程师，而是帮助你真正理解 AI 背后的底层逻辑：

• 从机器学习到大语言模型的技术演进。

• 从提示词工程到上下文工程的实用技能。

• 对当下应用与未来趋势的清晰判断。

这套知识体系将赋予你与技术专家自信交流、做出明智 AI 决策的能力，并为你在智能时代持续成长打下基础。AI 不是一门选修课——它是这个时代每个人的必修课。系统化学习是避开碎片化信息陷阱的唯一途径。

课程概述

本课程聚焦于 Python 与 R 在商业分析中的应用，旨在培养从数据中提取知识与洞察的实用能力。内容涵盖基础编程语法、网页抓取、关系型数据库、数据分析、文本挖掘、机器学习、神经网络与人工智能。

学习目标

• 搭建并使用 Python 与 R 的集成开发环境（IDE）。

• 理解基础编程概念与逻辑思维。

• 从文件（CSV、HTML、JSON、XML）加载与存储数据，并使用关系型数据库（MySQL）管理数据。

• 运用数据标准化与清洗技术，减少冗余与异常。

• 使用统计工具包进行数据分析与可视化。

• 运用文本挖掘技术，包括分词、词频分析、命名实体识别、情感分析与主题建模；理解大语言模型（如 ChatGPT）在商业分析中的作用。

• 区分监督式与非监督式机器学习方法。

• 理解常见机器学习算法：线性回归、多项式回归、决策树、随机森林、KNN 与 K-Means 聚类。

• 理解网络分析与神经网络算法的基础原理。

• 通过毕业项目（Capstone Project）将商业分析技术应用于实际问题。

课程概述

本课程帮助学生扎实掌握核心统计工具及其在广泛的商业与经济情境中的应用。课程结束时，学生将能够：

• 计算并解读基本描述性统计量。

• 理解概率的基础概念并运用初等概率方法。

• 运用统计推断方法，包括估计与假设检验。

• 运用统计关联度量，包括相关分析与回归分析。

• 使用 Excel 作为统计分析工具。

课程简介

本课程为非会计专业学生提供必备的财务会计与管理会计技能。内容涵盖在 GAAP 与 IFRS 两套准则下三大核心财务报表——利润表、资产负债表与现金流量表——的编制与解读。学生将学习运用比率分析评估财务绩效，并运用财务预算、差异分析等管理工具，为内部决策与战略规划提供支持

课程概述

AI 工具正在重塑企业处理供应链管理与营销决策的方式。本课程探讨这两大领域，研究 AI 如何与专业能力互补，推动更优质、更高效的决策。课程前半部分聚焦供应链管理，重点关注需求预测、库存优化与供应链风险管理。学生将比较传统统计方法与 AI 驱动方法，评估其商业影响，并探讨成功落地 AI 的实际要求。后半部分聚焦营销。通过实操项目，学生将运用 AI 工具开展市场调研、分析消费者数据、提炼可付诸行动的洞察，并制定营销方案与内容。课程还特邀一位金融学教授就机器学习在投资管理中的应用进行客座讲座，帮助学生更全面地了解 AI 在各商业职能中的应用。作业均以真实商业案例为基础，要求学生运用 AI 工具解决实际问题。本课程不要求编程经验，但需具备基本的商业常识。

课程概述

本课程培养学生在学术与职业情境中的技术沟通能力。学生将撰写与编辑技术文档、制作图表与可视化数据展示，并清晰有效地呈现技术信息。

学习目标

• 运用有效技术写作原则，产出清晰、结构严谨的文档。

• 设计并呈现能够准确、简洁传达信息的数据可视化。

• 面向专业与学术受众进行有效的技术演示。

• 通过团队协作与同行评审培养协作沟通能力。

课程概述

本课程介绍工程学必备的三大应用物理基础领域：流体力学、电磁学与热力学。通过理论教学与实践应用相结合，学生将深入理解核心物理原理及其与工程系统的关联。

流体力学

• 理解流体的基本性质，包括黏度、可压缩性、热膨胀、表面张力与毛细现象。

• 分析流体静力学：压力分布、力平衡，以及静止流体与固体边界之间的相互作用。

• 运用流体运动学概念：流场、随体导数与系统导数。

• 分析管道流动与水力系统，包括层流与湍流及阻力特性。

电磁学

• 理解静电场：电荷、库仑定律、电场强度、高斯定理与电势。

• 分析静电场中的导体与电介质，包括电容器与极化现象。

• 运用稳恒电流、磁场与电磁感应的原理。

• 理解互感、自感与暂态电路过程。

热力学

• 运用热力学第一定律：系统状态、热力学能、焓、熵、功与热。

• 分析气体性质，包括状态方程、比热容与理想气体行为。

• 运用热力学第二定律：卡诺循环、熵与熵增原理。

课程概述

本课程概述集成电路设计，重点聚焦数字逻辑设计。内容包括集成电路的基本设计流程、数字与模拟设计导论、组合与时序电路设计、EDA 工具、基本运算单元，以及使用 Verilog 进行仿真与综合的入门介绍。

学习目标

• 理解集成电路的设计流程。

• 打下扎实的数字逻辑设计基础，为深入学习 VLSI 设计、计算机体系结构与微处理器系统做准备。

• 设计并分析组合电路与时序电路。

• 运用布尔代数、卡诺图、Quine-McCluskey 方法与分支定界法进行二级逻辑化简。

• 使用 Verilog 硬件描述语言进行实际数字设计。

• 运用现代 EDA 工具设计并验证逻辑电路。

• 设计基本算术逻辑电路与有限状态机。

初步了解更大规模数字系统的设计。

课程简介

本课程全面介绍计算机科学的核心概念，专为几乎没有或完全没有编程经验的学生设计。学生将扎实理解计算机科学原理与编程实践，包括现代计算机体系结构、算法思维与动手解决问题的能力。主要内容涵盖计算机硬件、操作系统、数据库、网络、算法与数据结构。课程结束时，学生将具备扎实的计算机科学基础，为该领域更深入的学习做好充分准备。

课程概述

数据结构与算法是计算机科学各领域的基础。本课程介绍核心数据结构与算法的设计与分析，并培养实用的编程能力。学生将探究关键数据结构的特性、应用与复杂度，并学习包括排序与查找在内的基础算法。

学习目标

• 理解时间与空间复杂度，并使用大 O 记号进行分析。

• 理解并运用基础数据结构：数组、栈、队列、树与图。

• 将递归、分治、贪心算法与随机化算法等通用算法设计范式应用于经典计算问题。

• 分析算法的正确性与计算效率。

使用编程语言（如 Python 或 C）实现数据结构与算法，并将其应用于实际问题。

课程概述

本课程为 C 语言打下扎实基础——C 语言是嵌入式系统、操作系统与高性能计算等领域中应用最广泛、影响力最大的语言之一。学生将学习 C 语言的基本概念，包括数据类型、运算符、表达式与函数，并积累软件开发实践经验，涵盖内存管理、数据结构设计与系统级编程。