格拉斯哥 UESTCHN3021《数据基础》：期末笔试 80%＋实验 15%＋课堂测验 5%

格拉斯哥 UESTCHN3021《数据基础》：把问题写成张量运算、用数值优化去解、把结果画成专业的图。

10 学分半模块，Level 3 课程，Semester 1 开课；考核期末笔试 80%＋四次实验室练习 15%＋讲座中课堂测验 5%，主考期在 12 月。

课程官网（学校官网）：https://www.gla.ac.uk/coursecatalogue/course/?code=UESTCHN3021

UESTCHN3021 是一门什么课？

一句话：五件工具——向量化、概率与随机、数值优化、时间序列、科学可视化，从计算机科学的应用视角切入。

这是格拉斯哥大学（University of Glasgow）工程学院（School of Engineering）开设的本科模块，课程代码 UESTCHN3021，英文名 Data Fundamentals，中文通译「数据基础」。

几条身份信息：

• 层级：Level 3（SCQF level 9，本科三年级）。
• 体量：10 学分（苏格兰 SCOTCAT 学分，半模块体量）。
• 场次：通常 Semester 1 开课；学术学年 2026-27。
• 选课通道：不接收访问学生（No）；无国际在线协作学习；无终身课程标记。
• 入学要求：无（None）；排除课程：无；共修要求：无。
• 学科归属：按同系列联合项目课程先例归到电子与信息工程（数据科学与计算方向）（分析）。

它是三个方向的公共地基（分析）：机器学习、数据分析、计算机视觉都以「连续变量数组的计算」为底座（分析）。

半模块有半模块的节奏（分析）：一个学期内完成「学＋练＋考」（分析）——八成笔试压轴，四个实验与课堂测验是学期内必须拿稳的前置分（分析）。

定位宣言写在目标里（分析）：应用优先、不证定理（分析）——考核也照此出题：实验交代码、笔试考用法（分析）。

「连续与离散的桥梁」是它的特色（分析）：用矩阵运算解图流问题、做稳健的网站对照实验（分析）——这是它区别于普通数值分析课的地方（分析）。

与国内的数值分析课有什么不同？

拆散与合并不同：国内对口内容拆在几门课里——数值分析（数学系，重误差理论与证明）、概率论（重计算）、最优化（高年级选修）、数据可视化（少有专门课）；本课把五块合成一门应用导向的半模块（分析）。

第二个差异是证明的分量。本课明确「不证理论」，从计算机科学视角直奔用法——比国内数值分析课轻证明、重工程落地（分析）。

第三个差异是作业形态。国内多为书面题；本课四次实验交代码验收（15%），工具链使用本身计分（分析）。

第四个差异是课堂测验。国内课堂少有计分即时测验；本课测验在讲座中施测（5%）——出勤与当堂理解直接挂钩分数（分析）。

第五个差异是伦理与环境。本课把「数据分析的风险伦理与环境影响（含可持续与脱碳）」写成正式成果（分析）——论述题可能从这里出（分析）。

考核怎么算？

三件，合计 100%。

四条结构性判断：

第一，八成笔试压轴。（分析）对「方法用得准、手算熟」的学生有利（分析）。

第二，四次实验每次只值 3.75%，但按次积累。（分析）丢一次就是总分的近四个百分点（分析）。

第三，测验全在讲座里发生。（分析）缺勤即弃分（分析）。

第四，12 月考期把复习压进学期。（分析）方法卡的滚动整理比考前突击有效得多（分析）。

一处照实说明：学校官网给出三件考核的形式与占比，未列实验题目、测验次数与考试题型结构（照实）——开课后以实验讲义与课程大纲为准（分析）。

先修要求是什么？

三栏全无（照实）：

• 入学要求：无（None）。
• 排除课程：无。
• 共修要求：无。

官方零门槛，且明言不在理论背景或形式证明（分析）——真正需要的是两样：基础线性代数（矩阵乘法、转置这一层次）与一门编程语言的基本功（函数、数组）（分析）。

概率只要求高中层入门（分析）：课内自建（分析）——要自查的是「写代码顺不顺」（分析）——生疏者第一次实验就会落后（分析）。

要自查的三样：

• 一次矩阵运算：乘法与转置会不会。
• 一段代码：能不能用数组写出一个简单运算。
• 一次画图：能不能给一条曲线加标题、轴标签与单位。

学完能做什么？

学完你有一套数据岗通用工具箱：向量化计算、数值优化、贝叶斯建模、时间序列分析、可视化。

十条预期学习成果（照实）：

• ILO1 张量表述：把问题表述为张量形式并熟练操作张量。
• ILO2 向量化：高效运行向量化代码。
• ILO3 矩阵分解：把矩阵分解应用于实际问题。
• ILO4 目标函数：把问题表示为目标函数并求解。
• ILO5 随机性：表述并理解随机性问题。
• ILO6 贝叶斯：理解贝叶斯推断原理并应用于简单题。
• ILO7 可视化：创建有效清晰精确的科学可视化。
• ILO8 采样与噪声：理解采样与噪声对时序的影响。
• ILO9 时序处理：处理、过滤、汇总并绘制时序与数组数据。
• ILO10 伦理与环境：识别数据分析的风险伦理，并推理环境影响。

十条是一条流水线（分析）：表述（1、4、5）→计算（2、3）→推断（6、8）→呈现（7、9）→责任（10）（分析）。

无书单（照实）：课程页只提供阅读清单链接（分析）——数值计算与科学计算的通行教材可覆盖，工具链以实验讲义为准（分析）。

直接能力（分析）：这些是数据分析实习面试的高频考点，也是后续机器学习课程的直接前置（分析）。

去向层面（分析）：机器学习、数据科学、计算机视觉方向的高阶课都默认这门课的底座；就业面覆盖数据分析、算法工程初级岗（分析）。

一条判断（分析）：「把问题写成张量形式」这一步是最值钱的迁移（分析）——工业界数据工作的大头就是把业务问题翻译成可计算形式（分析）。

难点与常见挂因

这门课不证理论、应用优先，难点在向量化思维的重构、选型判断、表述自由度与 12 月笔试的组合。

一、从循环思维到张量思维

机制：难点是「把整个数据集当成一个对象来运算」的重构（分析）。

为什么卡：习惯 for 循环逐元素处理的学生，第一次写纯向量化代码时处处碰壁（分析）——国内编程课以循环训练为主（分析）。

卡了会怎样：代码能跑但没向量化，跑得慢，按效率给分的题就丢分（分析）。

怎么补：十个经典循环片段逐个改写成向量化版本（分析）——每改一个记一条「原来的写法为什么慢」（分析）——三次不看参考独立完成（分析）——广播规则要背到能用（分析）。

二、矩阵分解的选型与应用

机制：分解不是背公式，而是按问题选工具：降维、推荐、压缩各走哪条路（分析）。

为什么卡：国内线性代数教分解的代数推导，不教「什么时候用哪个」（分析）。

卡了会怎样：场景题认得出数学形式却选错分解，整题错向（分析）——降维与推荐场景张冠李戴（分析）。

怎么补：按「问题类型—分解—案例」做三行卡（分析）——每行补一句「这类分解的代价是什么」（分析）——考前默写（分析）——先判问题类型，再挑分解（分析）。

三、数值优化的落地表述

机制：把一个实际问题翻译成「目标函数加约束」是本课最综合的一步（分析）。

为什么卡：难点在表述层的自由度：同一个问题可以写成好几种目标函数（分析）——坏表述会把优化带进局部最优或无解（分析）。

卡了会怎样：结果不合常理却查不出（分析）。

怎么补：先写三行（变量、目标、约束）再求解（分析）——写完回读一遍量纲是否一致（分析）——练八道固化流程（分析）——三行没写全，别动手（分析）。

四、贝叶斯推断的直觉缺口

机制：先验、似然、后验的链条（分析）。

为什么卡：难点在「先验怎么设」的判断（分析）——国内概率课以频率派计算为主，贝叶斯推断常只有一节课（分析）。

卡了会怎样：先验设错后验全歪，简单题也连环错（分析）。

怎么补：每个先验标注依据再算（分析）——算完把后验与先验对比，看数据把结论推了多少（分析）——练十道复查合理性（分析）——标注依据是防随手设先验的唯一习惯（分析）。

五、时间序列的噪声直觉

机制：采样率、混叠、平滑与过滤的选择（分析）。

为什么卡：难点在对「信号与噪声」的现场判断（分析）——过度平滑会抹掉真信号、欠平滑全是毛刺（分析）。

卡了会怎样：画出来的图「不对劲」却说不出为什么（分析）。

怎么补：同一序列做三档平滑对比（分析）——每档写一句「抹掉了什么」（分析）——再检查采样率够不够（分析）——看清代价，才谈选择（分析）。

六、科学计算生态的英文文档依赖

机制：向量化库、优化库、绘图库的官方文档与报错信息全英文，实验基本靠读文档自救（分析）。

为什么卡：报错栈读一半就懵（分析）——国内教程以中文博客为主（分析）。

卡了会怎样：一晚上耗在报错上（分析）。

怎么补：开课前通读所用数值库的官方快速上手文档（分析）——把高频报错（形状不匹配、广播错误）各查一次并记中文注解（分析）——独立按报错定位问题为准（分析）。

七、四次实验的代码交付节奏

机制：15% 的实践分由四次实验室练习构成、每次 3.75%，交代码验收（分析）。

为什么卡：第一次实验对环境与判分标准不熟，轻松丢分（分析）——后面越追越紧（分析）。

卡了会怎样：过程分连续流失（分析）。

怎么补：第一次实验发布当天完成环境搭建与最小示例（分析）——把交付 checklist 存成模板重复用（分析）——此后每次留两次提交前自查（分析）——四次全部一次通过为准（分析）。

八、讲座中即时测验的听力压力

机制：5% 的测验在讲座中发放，听完即考（分析）。

为什么卡：英语听讲的同时要消化概念并立刻作答（分析）——国内课堂无计分即时测验（分析）。

卡了会怎样：quiz 丢分，还拖累课堂理解（分析）。

怎么补：讲座前按讲义预习本节术语与概念框架（分析）——把「听懂」的负担前移到「读过」（分析）——每次 quiz 前已知本节核心问题（分析）。

九、术语中英对齐与可视化规范

机制：prior、likelihood、posterior、objective、gradient 这套词贯穿全课，中文译名不统一（分析）——科学可视化「清晰精确」有行业规范（分析）。

为什么卡：读题时术语映射慢；图能出但缺标签与单位（分析）——国内概率与最优化课用中文术语体系、绘图课重效果轻规范（分析）。

卡了会怎样：公式认得但题意理解偏；精确分被扣（分析）。

怎么补：做「英文术语—中文—符号」三列对照卡（约四十词）（分析）——建「出图检查单」（标题、轴标签、单位、图例四项）每次逐项勾（分析）——连续五张图零缺项为准（分析）。

十、12 月考期与 80% 笔试的组合

机制：期末笔试占八成且在 12 月，学期即考场（分析）。

为什么卡：实验与测验忙完才发现方法论还没系统过（分析）——国内期末在 1 月、复习月长（分析）。

卡了会怎样：方法论没成体系，笔试失分（分析）。

怎么补：从第 6 周起每周整理「方法—适用场景—陷阱」三行卡（分析）——第 10 周能默出全课方法清单（分析）——滚动整理比考前突击有效（分析）。

留学生特别提醒

中国学生最容易在六处吃亏：循环思维难改、分解选型错、目标函数表述乱、先验随手给、文档报错读不懂、过程分欠账。

• 改十个循环片段：三次不看参考独立完成。
• 做分解三行卡：问题类型、分解、案例。
• 先写变量目标约束三行：再动笔求解。
• 先验标注依据：练十道复查。
• 通读数值库快速上手文档：高频报错记中文注解。
• 建出图检查单：标题、轴标签、单位、图例。

怎么准备？

准备的关键是三条：把环境与向量化练熟、把方法卡做成体系、把过程分当总分记账。

• 装好数值计算环境：跑通一次矩阵运算与绘图。
• 复习线性代数：乘法、转置、广播。
• 写十个向量化改写：从循环到数组。
• 读一次官方文档：向量化与优化库各一遍。
• 做术语三列卡：约四十词，带符号。
• 做分解三行卡：三种分解各一行。
• 练八道目标函数构造：三行流程。
• 建方法三行卡：方法、场景、陷阱。
• 列出图检查单：四项逐个勾。
• 排实验日程：四次各留自查时间。

中英术语速查

• data fundamentals —— 数据基础。
• numerical computing —— 数值计算。
• vectorisation —— 向量化。
• broadcasting —— 广播（数组维度扩展）。
• tensor —— 张量。
• array —— 数组。
• matrix multiplication —— 矩阵乘法。
• transpose —— 转置。
• matrix decomposition —— 矩阵分解。
• eigenvalue —— 特征值。
• singular value decomposition (SVD) —— 奇异值分解。
• dimensionality reduction —— 降维。
• numerical optimisation —— 数值优化。
• objective function —— 目标函数。
• constraint —— 约束。
• gradient —— 梯度。
• local minimum —— 局部极小。
• convergence —— 收敛。
• probability —— 概率。
• random variable —— 随机变量。
• Bayesian inference —— 贝叶斯推断。
• prior —— 先验。
• likelihood —— 似然。
• posterior —— 后验。
• time series —— 时间序列。
• sampling rate —— 采样率。
• aliasing —— 混叠。
• smoothing —— 平滑。
• filtering —— 滤波。
• noise —— 噪声。
• scientific visualisation —— 科学可视化。
• axis label —— 轴标签。
• legend —— 图例。
• data ethics —— 数据伦理。
• carbon footprint —— 碳足迹。

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=UESTCHN3021

本文涉及学校、开课单位（工程学院）、模块代码、课程名称、学分（10 苏格兰 SCOTCAT 学分，半模块）、层级（Level 3／SCQF 9，本科三年级）、场次（Semester 1）、学术学年、访学生通道（不接收）、课程简述原句要点（涵盖大规模处理数值数据的计算方法／对连续变量数组的计算是机器学习、信息检索、数据分析、计算机视觉与信号处理的底座／覆盖数值数组的向量化操作、基础随机与概率方法以及科学可视化）、课程目标（操作连续数据、把问题表述为可数值求解的形式、处理不可靠与不确定信息、传达结果；引入向量与矩阵操作、数值优化表述与求解、时间序列建模、科学可视化与基础概率计算；连接连续与离散两个世界如矩阵运算解图流问题与稳健的网站对照实验；重心在应用与求解而非理论背景或形式证明；并发展对可持续与脱碳的理解）、十条预期学习成果、考核（考试 80%；实践技能评估 15%，为四次实验室练习提交代码、每次占总分 3.75%；课堂测验 5%，为讲座中施测的多选题；主考期 12 月；学分授予最低要求「无例外」）、入学要求（无）与排除课程（无）、共修要求（无）、教与学安排（每周两次讲座加一次辅导）、书单与资源未提及（以阅读清单为准，工具链以实验讲义为准）、补考与重修未提及（以课程规范文档或学院通知为准）、学习投入的具体数字属未采用口径等事实，均来自上述学校官网课程目录页；核对时间为 2026-11-01。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