格拉斯哥 COMPSCI4073《数据基础（荣誉）》：考试 80%＋四实验 15%＋课堂测验 5%

格拉斯哥 COMPSCI4073《数据基础（荣誉）》是荣誉年 10 学分模块：向量化、优化、贝叶斯、可视化、时序五条线，考试 80%＋实验 15%＋测验 5%。

课程官网（学校官网）：https://www.gla.ac.uk/coursecatalogue/course/?code=COMPSCI4073

COMPSCI4073 是一门什么课？

一句话：数据科学的手艺课——把数据当数组与张量来算、当优化问题来解、当随机现象来理解、当图形来讲。

这是格拉斯哥大学（University of Glasgow）计算科学学院（School of Computing Science）的本科模块，模块代码 COMPSCI4073，英文名 Data Fundamentals (H)，中文通译「数据基础（荣誉）」。

几条身份信息：

• 层级：Level 4（SCQF level 10，荣誉年）。
• 体量：10 学分（苏格兰 SCOTCAT 学分）。
• 场次：通常 Semester 1 开课；学术学年 2026-27。
• 选课通道：接受访问学生（Yes）；无国际在线协作学习；无终身课程标记。
• 入学要求：无；排除课程：无；共修要求：无（照实）。
• 学科归属：按开课单位与内容归到计算机科学（数据科学方向）（分析）。

荣誉年却零门槛，因为它自我定位为「补基础」（分析）：为机器学习、信息检索、数据分析、视觉与信号处理提供共同地基（分析）——它也是格大数据方向后续课的显性先修，生态位是「数据技能的第一块砖」（分析）。

课程简介照学校官网口径：本课程覆盖大规模处理数值数据的计算方法——连续变量数组上的计算是机器学习、信息检索、数据分析、计算机视觉与信号处理的基础；课程将覆盖数值数组上的向量化操作、基础的随机与概率方法以及科学可视化。

课程目标照学校官网口径：给学生操作连续数据、以可数值求解形式表述问题、处理不可靠不确定信息并交流结果的技能；介绍向量矩阵操作、数值优化、时间序列建模、科学可视化与基础概率计算；学会连接连续与离散世界（如经矩阵运算解图流问题、稳健的网站 A/B 测试）；重点坚定放在计算机科学视角的应用与求解，而非理论背景或形式证明；还发展对可持续与脱碳的理解。

「应用与求解，不是理论与证明」这句宣言是整门课的定位（分析）：数学全长在代码里（分析）——「可持续与脱碳」进目标并由学习成果第 10 条兜底，是这门课的时代印记（分析）。

与国内数据科学导论有什么不同？

国内「数据科学导论」多讲概念与工具面（数据库＋Python＋可视化各扫一遍）；本课收窄到「数值计算的手艺」（数组、优化、概率、可视化）单点打深（分析）——为机器学习与数据分析直接供弹（分析）。

第二个差异是应用取向。明示「非理论非证明」，数学全部长在代码里；国内同名课程的理论—应用配比通常更高。

第三个差异是可持续线。脱碳与计算的环境影响写进课程目标与学习成果；国内数据课程几乎不涉及绿色计算视角。

第四个差异是考核。四实验各 3.75% 的细粒度过程设计＋课堂测验 5%＋考试 80%；国内同类课多为两三次大作业。

第五个差异是生态位。作为后续数据课程的显性先修，形成课程链；国内导论课与后续课的衔接常缺这种显性设计。

考核怎么算？

三件套，合计 100%。

四条结构性判断：

第一，考试八成重演方法与概念。（分析）它是主战场，但不是唯一战场（分析）——实验与测验那 20% 是「送分逻辑」，丢掉它等于开考就落后（分析）。

第二，四个实验是小而频的节奏考核。（照实）每个实验当周完成、别攒（分析）——攒到考季一起补，是这门课最典型的翻车方式（分析）。

第三，课堂测验只占 5%，但它的价值不在分数。（分析）它的真正作用是逼你每周清账（分析）——别把它当负担，把它当日历（分析）。

第四，4-5 月考期与论文季叠加。（分析）第一学期学的内容，寒假就要开始保温（分析）——等到 4 月再捡，手感已经没了（分析）。

一处照实说明：学校官网给出三项考核的占比与实验构成，未列实验的具体题面与考试题型结构（照实）——开课后以课程大纲为准（分析）。

先修要求是什么？

四栏全无的零门槛设计（照实）：入学要求无、排除课程无、共修要求无。

数学（基础概率与函数）与编程（任意语言入门级）都不设先修（分析）——课程从数组操作讲起（分析）。

但「零门槛」不等于「零投入」（分析）：没有任何编程经验的学生，第一周的向量化内容就会遇到陡坡（分析）——开课前完成一个数组运算的入门教程，是性价比最高的准备（分析）。

要自查的三样：

• 一次数组运算：能不能不用循环，对一整列数据做运算。
• 一个形状：看到 (2,3) 与 (3,2)，能不能说清它们怎么转。
• 一次环境安装：能不能按英文文档把工具链装好并跑通示例。

学完能做什么？

学完你能把数据进来、向量化清洗、建模优化、可视化输出，走完一套数值计算的标准手艺。

十条预期学习成果（照实）：

• 1 张量表述：能以张量形式表述并熟练操作。
• 2 向量化：能高效运行向量化代码。
• 3 矩阵分解：能把矩阵分解应用于实际问题。
• 4 优化：能把问题表示为目标函数并优化求解。
• 5 随机问题：能表述、理解含随机元素的问题。
• 6 贝叶斯：能理解贝叶斯推断并应用于简单问题。
• 7 可视化：能做有效、清晰、精确的科学可视化。
• 8 采样与噪声：能理解采样与噪声对时序的影响。
• 9 时序处理：能处理、滤波、汇总、绘图时序数组数据。
• 10 伦理与环境：能识别数据计算的风险与伦理，并推理其环境影响。

前九条是流水线（分析）：张量→向量化→分解→优化→随机→贝叶斯→可视化→时序——第 10 条是价值观线（分析）——「效率」单列，含义很直白：写得快不算数，跑得快才算（分析）。

直接能力（分析）：数据进来，清洗向量化、建模优化、可视化输出——数据分析岗日常的技术底盘（分析）。

去向层面：数据分析师与数据工程入门岗、机器学习工程的预备、科研的数据处理技能（分析）——格大后续数据课程以此为通行先修（分析）。

一条稀缺视角（分析）：第 10 条成果（计算的能源与环境影响）在同类课里少见——绿色计算正从口号变成岗位知识，这条线在面试里会越来越值钱（分析）。

难点与常见挂因

这门课的难点在「补齐基础的方式很硬」：五条手艺线并行，每条都靠代码落地，听懂不等于跑通。

一、向量化思维的重写

机制：从 for 循环到数组运算是编程范式的切换（分析）——把「逐个处理」改写成「整体运算」，需要重建直觉（广播机制、轴的概念）（分析）。

为什么卡：写惯过程式代码的学生第一反应仍是循环（分析）——效率这条成果就过不了（分析）。

卡了会怎样：向量化作业里偷偷用 for 循环（分析）——代码比同学慢十倍（分析）。

怎么补：每次写完循环问一句「能否用整体运算替代」（分析）——每周改写三段循环代码到向量化（分析）——这个坎只能靠大量改写练习跨过（分析）。

二、张量维度的心智模型

机制：三维以上的张量（形状、轴、广播）超出日常空间直觉（分析）——reshape 转置之后哪一维对哪一维，一错全错（分析）。

为什么卡：没有维度草图的习惯（分析）——调试全靠 print（分析）。

卡了会怎样：结果无声出错（分析）——程序不报错，数字是错的，这是最难查的错（分析）。

怎么补：每步操作前在纸上写形状变化链（如 (2,3)→(3,2)）（分析）——代码旁注释形状（分析）——会读形状报错、会画维度草图，是这门课的基本功（分析）。

三、优化问题的表述

机制：把实际问题翻成「目标函数＋约束」是数学建模的轻量版（分析）——难点在从叙事需求中提取「要最小化什么」（分析）。

为什么卡：表述错了，求解器跑得再好也是错答案（分析）——成果 4 考的就是这层翻译（分析）。

卡了会怎样：目标函数写反或约束漏掉（分析）——求解器跑通，但结果不合常理（分析）。

怎么补：表述完先做「极值点人工检验」（分析）：代两个极端值，看方向对不对——再交给求解器（分析）——两步验证比重跑十遍有用（分析）。

四、贝叶斯推断的先验后验直觉

机制：先验怎么选、数据怎么更新信念（分析）——概念不难但反直觉（分析）。

为什么卡：不练几个硬币、骰子级的小例子，公式永远是别人的（分析）。

卡了会怎样：只会代公式，讲不出直觉故事（分析）——解释不了先验怎么影响后验（分析）。

怎么补：用硬币作弊检测这类小例子手算三遍（分析）——画出先验到后验的更新图（分析）——图一画出来，直觉就有了（分析）。

五、可视化的「精确」要求

机制：成果 7 明写清晰且精确（分析）——坐标轴、量纲、误差表示都有讲究（分析）。

为什么卡：「画出来了」与「画对了」差一个数量级（分析）——国内课程作业的图表习惯与学术规范不同（分析）。

卡了会怎样：细节不合学术规范（分析）——图看不出结论（分析）。

怎么补：收集十张课程领域的高质量图表（分析）——对照自查轴标签、单位、图例三件套（分析）——交前做「遮标题测试」：只看图能否说出结论（分析）。

六、时序与采样噪声

机制：时序部分要理解混叠等采样效应（分析）——直觉不足容易被坑（分析）。

为什么卡：采样看起来只是「隔几个取一个」（分析）——背后的信息丢失不可逆（分析）。

卡了会怎样：时序题的处理与解读错位（分析）。

怎么补：把同一信号用两种采样率各画一遍（分析）——亲手看到混叠长什么样（分析）——图比定义记得牢（分析）。

七、编程生态的英文起步

机制：零门槛入学意味着同学之间编程差距巨大（分析）——工具链的安装、文档、报错全英文（分析）。

为什么卡：环境配置与读报错吃掉第一周（分析）。

卡了会怎样：实验时间全耗在重装环境（分析）。

怎么补：开课前按英文文档装好环境并跑通一个数组运算示例（分析）——把高频报错各见过一次并记解法（分析）——环境装好即打快照，坏档时一键回滚（分析）。

八、数值术语的数学英语

机制：tensor、broadcasting、covariance 这套词横跨数学与编程双语境（分析）。

为什么卡：读讲义术语对不上，代码注释读不进（分析）。

卡了会怎样：听懂了例子，换个说法就不认识（分析）。

怎么补：建「术语—一行解释—一行代码」三列卡（分析）——学一个词写一行代码验证（分析）——每周末抽五个术语做「向同学解释」练习，讲得清才算过关（分析）。

九、实验课的代码提交压力

机制：四个实验各占 3.75%（照实）——代码要能跑通才得分（分析）。

为什么卡：写完跑不通，又不好意思问（分析）——时间一拖，实验就积压（分析）。

卡了会怎样：第二个实验开始拖欠，考季一起补（分析）。

怎么补：执行「卡壳二十分钟即求助」规则（分析）——每次实验后把解法整理进个人代码片段库（分析）——代码复用是基本功，四个实验正好练这条（分析）。

十、把 20% 的平时分当可有可无

机制：实验 15%＋测验 5%，都是过程分（分析）——看起来零碎，加起来是两成（分析）。

为什么卡：学生眼里只有 80% 的考试（分析）——过程分被当成附加项（分析）。

卡了会怎样：开考就落后两成，考试必须考到很高才补得回来（分析）。

怎么补：每个实验发布当周排一个固定时段完成（分析）——做不完当周就约辅导（分析）——测验前把当周术语卡过一遍（分析）。

留学生特别提醒

中国学生最容易在六处吃亏：环境与报错英文、循环思维改不掉、张量形状搞混、优化表述翻错、贝叶斯只会代公式、实验攒到期末。

• 开课前按英文文档装好环境并跑通数组示例：打快照，高频报错各记一次解法。
• 每次写完循环问「能否整体运算替代」：每周改写三段循环到向量化。
• 每步操作前在纸上写形状变化链：代码旁注释形状，先会读形状报错。
• 优化表述完先做极值点人工检验：代两个极端值看方向，再交给求解器。
• 用硬币作弊检测类小例子手算三遍：画出先验到后验的更新图。
• 实验发布当周就排固定时段完成：做不完当周约辅导，绝不攒到考季。

怎么准备？

准备的关键是三条：把环境跑起来、把数组思维换过来、把术语卡建起来。

• 装环境跑示例：按英文文档走一遍并打快照。
• 练一次整列运算：不用循环处理一列数据。
• 画形状变化链：(2,3)→(3,2) 这类转换写五遍。
• 改写三段循环：改到向量化为止。
• 建术语三列卡：术语、解释、代码各一行。
• 手算一个贝叶斯小例：硬币三遍并画更新图。
• 画两张采样对照：同一信号两种采样率。
• 收集十张好图：对照轴标签、单位、图例。
• 记高频报错：形状不匹配、类型错误各一。
• 排实验固定时段：发布当周完成。

中英术语速查

• data fundamentals —— 数据基础。
• vectorisation —— 向量化。
• broadcasting —— 广播机制。
• axis —— 轴。
• tensor —— 张量。
• shape —— 形状。
• reshape —— 重排形状。
• transpose —— 转置。
• matrix decomposition —— 矩阵分解。
• numerical optimisation —— 数值优化。
• objective function —— 目标函数。
• constraint —— 约束。
• solver —— 求解器。
• random variable —— 随机变量。
• covariance —— 协方差。
• Bayesian inference —— 贝叶斯推断。
• prior —— 先验。
• posterior —— 后验。
• likelihood —— 似然。
• scientific visualisation —— 科学可视化。
• time series —— 时间序列。
• sampling —— 采样。
• aliasing —— 混叠。
• noise —— 噪声。
• filtering —— 滤波。
• A/B testing —— A/B 测试。
• sustainability —— 可持续性。
• decarbonisation —— 脱碳。
• energy footprint —— 能耗足迹。
• practical skills assessment —— 实践技能评估。
• in-class quiz —— 课堂测验。

关于我们

鱼之跃做在读留学生的学业支持，服务分两块，界限很清楚：

辅导＝老师授课：由 QS 前 200 院校的硕博老师把课程的知识点、推导链、作业要求讲透，按对口专业配课；覆盖同步辅导、论文辅导、考前辅导、预习。

护航＝你的学业管家：排计划、理材料、理流程这些杂事都替你打点好，该提前准备的他先想到；你只管学，有事随时找，需要时都在。同地区的留学学姐，熟悉你所在学校的节奏。

学术问题上的申诉，我们做材料梳理与流程陪跑，不代写、不代考、不碰学术诚信边界，也不承诺任何成绩。

课程官网与核对说明

课程官网（学校官网）：https://www.gla.ac.uk/coursecatalogue/course/?code=COMPSCI4073

本文涉及学校、开课学院（计算科学学院）、模块代码、课程名称、学分（10 苏格兰 SCOTCAT 学分）、层级（Level 4／SCQF 10）、场次（Semester 1）、学术学年、访学生通道（接受）、入学要求无／排除课程无／共修要求无、课程简述原句要点（大规模处理数值数据的计算方法／连续变量数组上的计算是 ML、检索、数据分析、视觉与信号处理的基础／向量化操作、随机与概率方法、科学可视化）、课程目标原句要点（操作连续数据、以可数值求解形式表述问题、处理不确定信息、向量矩阵操作、数值优化、时间序列建模、科学可视化、基础概率计算、连接连续与离散世界、应用与求解而非理论证明、可持续与脱碳）、十条预期学习成果、考核（考试 80%／实践技能评估 15%（四个实验室练习各 3.75%）／课堂测验 5%；主考期 4-5 月）、教与学安排（每周两次讲座与一次辅导课）、书单与资源未提及（以课件、实验手册与代码为主）、无先修要求等事实，均来自上述学校官网课程目录页；核对时间为 2026-11-01。学习投入的时间数字属未采用口径，正文不列。文中标「（分析）」的句子为基于官网事实的推导或判断，不代表学校官方表述。

← 学业指南首页课程库