【26T2】UNSW Master of Data Science（8959）选课推荐｜难度、给分与课程搭配分析

　　对于在UNSW攻读 Master of Data Science(8959) 的同学来说，26T2选课是一个非常关键的阶段。很多学生第一次排课时都会遇到几个问题：

　　不知道哪些课容易挂

　　不清楚哪些课 workload 爆炸

　　担心课程搭配太难导致学期崩盘

　　coding 和数学课不知道怎么平衡

　　不确定哪些课更适合求职或冲WAM

　　尤其是很多刚进入 UNSW DS 的同学，会低估课程强度。实际上，8959并不是“纯水硕”，不少课程数学量、代码量和project压力都不低。

　　这篇文章会结合 26T2 的课程情况，从：

　　难度

　　workload

　　给分

　　考核形式

　　适合人群

　　推荐搭配

　　几个维度，分析 UNSW DS 8959 的常见课程，帮助大家更合理地安排 T2 学期。

　　26T2整体选课思路

　　在UNSW DS 8959 项目里，选课最忌讳的是：“数学课 + 算法课 + 高强度ML课”同时堆在一个学期。

　　很多新生容易出现：

　　9021 + 9024 同修

　　9417 + 9418 一起上

　　数学课连续叠加

　　结果就是：

　　每周作业爆炸

　　coding 写不完

　　final 周直接崩盘

　　所以 T2 选课核心原则其实是：

　　“1门高压课 + 1门中等课 + 1门保底课”

　　这样整体体验会舒服很多。

　　26T2推荐课程分析

　　COMP9311 Database Systems

　　开设学期：T1/T2/T3

　　这门课是很多 DS 学生公认的“相对友好型必修”。

　　主要学习：

　　SQL

　　数据库设计

　　relational algebra

　　query optimization

　　特点：

　　理论偏多

　　代码量不算大

　　project压力适中

　　final难度不高

　　而且：

　　没有 double pass

　　华人学生很多

　　往年整体通过率较高

　　如果你 T2 已经有一门很难的课，9311 很适合作为“稳定器”。

　　推荐指数：很高

　　COMP9417 Machine Learning and Data Mining

　　这门课属于：

　　“DS核心课里最经典，但也最累的一档”。

　　内容包括：

　　regression

　　SVM

　　clustering

　　ensemble learning

　　probabilistic model

　　特点：

　　数学很多

　　assignment难度不低

　　project workload大

　　final会考原题

　　但好消息是：

　　认真做作业其实分数不会太低。

　　问题在于：

　　很多人会被 assignment 时间消耗拖垮。

　　如果：

　　数学基础一般

　　coding不熟

　　同时还有9024

　　那体验会非常痛苦。

　　推荐人群：

　　想走ML方向

　　想刷项目

　　想准备找AI相关工作

　　COMP9444 Neural Networks and Deep Learning

　　这门课近几年热度非常高。

　　原因很简单：

　　“深度学习 + 相对友好”。

　　课程包括：

　　CNN

　　RNN

　　transformer基础

　　neural network training

　　特点：

　　assignment套路化明显

　　tutorial有出勤分

　　final原题较多

　　group project压力不算大

　　很多同学会觉得：

　　9444比9417更“好拿分”。

　　但需要注意：

　　如果完全没有Python基础，前期还是会比较吃力。

　　总体来说：

　　这是 T2 非常值得选的一门AI方向课。

　　COMP9418 Advanced Machine Learning

　　这门课更偏理论。

　　内容包括：

　　Bayesian Network

　　graphical model

　　probabilistic inference

　　特点：

　　理论比9417更深

　　数学要求更高

　　final近年改线下

　　虽然老师最后通常会 scale，但：

　　对于基础一般的学生来说，学习曲线比较陡。

　　更适合：

　　想读PhD

　　想做research

　　数学基础好的学生

　　不建议和多门高压课同时搭配。

　　COMP9727 Recommender Systems

　　如果以后想走：

　　推荐系统

　　搜广推

　　大厂算法方向

　　这门课非常值得。

　　内容很实用：

　　collaborative filtering

　　ranking

　　recommendation pipeline

　　而且涉及很多真实工业场景。

　　优点：

　　没有final

　　项目导向

　　技术实战性强

　　缺点：

　　assignment工作量不小

　　HD不太好拿

　　比较吃project能力

　　属于：

　　“就业价值很高，但不算轻松”的课。

　　COMP9313 Big Data Management

　　偏工程方向的大数据课。

　　内容包括：

　　Hadoop

　　Spark

　　distributed system

　　特点：

　　coding project较多

　　final线下手写伪代码

　　有double pass

　　近学期考试难度略有提升。

　　但整体来说：

　　老师最后一般会适当调整成绩。

　　适合：

　　想走Data Engineer

　　想做大数据平台相关岗位

　　MATH5806 Applied Regression Analysis

　　这是 T2 数学课里相对“友好”的一门。

　　特点：

　　用R语言

　　quiz难度不高

　　final整体简单

　　往年有scale up

　　如果你：

　　不想学太硬核数学

　　想保WAM

　　想搭配ML课

　　这门会比较舒服。

　　MATH5905 Statistical Inference

　　DS里经典统计课。

　　特点：

　　数学课

　　没有double pass

　　老师给分比较友好

　　刷题效果明显

　　如果统计基础还行，其实并不算特别难。

　　但：

　　对数学恐惧型选手不太友好。

　　DATA9001 Foundations of Data Science

　　基础入门课。

　　内容：

　　数学

　　经济

　　computing

　　都有涉及。

　　总体偏简单，但：

　　final有 hurdle。

　　适合作为：

　　新生过渡课

　　workload缓冲课

　　26T2不建议的“死亡搭配”

　　在UNSW，以下组合容易直接让学期失控：

　　9021 + 9024

　　一个Python，一个C语言算法。

　　一起上非常容易：

　　assignment写不完

　　debug到崩溃

　　尤其零基础学生慎重。

　　9417 + 9418

　　双ML理论高压组合。

　　会出现：

　　数学量爆炸

　　assignment重叠

　　final复习崩盘

　　除非基础非常强，否则不建议。

　　9313 + 多门project课

　　因为9313 coding workload 本身就不低。

　　如果再叠：

　　9727

　　9444

　　9417

　　学期后半段会很痛苦。

　　不同目标的推荐搭配

　　想保WAM

　　推荐：

　　9311

　　9444

　　5806

　　整体压力比较平衡。

　　想冲AI方向

　　推荐：

　　9417

　　9444

　　9418

　　但 workload 很高。

　　想走Data Engineer

　　推荐：

　　9313

　　9311

　　9727

　　更偏工程与系统。

　　零基础学生

　　推荐：

　　DATA9001

　　9311

　　5806

　　先过渡适应 UNSW 节奏。

　　如果选课失误导致跟不上怎么办?

　　在UNSW，很多 DS 学生的问题不是“不努力”，而是：

　　课程搭配错误

　　workload预估失误

　　coding基础不足

　　如果已经出现：

　　assignment连续爆炸

　　lecture跟不上

　　quiz连续低分

　　建议尽早调整。

　　有些同学会：

　　及时withdraw课程

　　调整学期节奏

　　借助辅导资源补基础

　　例如一些留学生会参考像海马课堂这样的课程辅导资源，提前梳理考试重点、补编程基础或者进行project辅导，从而避免后期整个学期失控。

　　FAQ 常见问题

　　Q：UNSW DS 8959 最难的课有哪些?

　　A：通常包括：

　　COMP9417

　　COMP9418

　　COMP9024

　　主要难在：

　　数学量

　　coding workload

　　assignment压力

　　Q：COMP9021 和 COMP9024 能一起上吗?

　　A：理论上可以，但不推荐。尤其是编程基础一般的学生，同时学 Python 和 C 语言算法，压力会非常大。

　　Q：9444 为什么这么热门?

　　A：因为：

　　AI方向热门

　　final套路明显

　　assignment相对友好

　　project体验不错

　　很多学生会把它当作“AI入门神课”。

　　Q：DS 学生需要提前补Python吗?

　　A：非常建议。在UNSW DS项目里，大部分课程都会默认你具备：

　　基础Python

　　数据处理能力

　　debugging能力

　　提前补基础会轻松很多。