发布时间: 2024年11月26日 09:42
1 新南威尔士大学历史介绍
新南威尔士大学，成立于1949年，是澳大利亚“八校集团”的成员，新南威尔士大学是三个国际著名的研究型大学联盟组织环太平洋大学联盟（APRU）、全球科技大学联盟（GlobalTech）、Universitas 21的成员大学之一。在众多学科中，新南威尔士大学以商科和工科著称。根据各项学术评鉴与科学研究排名显示，今天的新南威尔士大学是澳大利亚高科技和高等研究的先驱领导大学，也是澳大利亚商业，法律和理工精英的所在地。
2 为什么选择新南威尔士大学留学
新南威尔士大学优势：新南威尔士大学是东南亚、欧洲及北美洲最负盛名的“21世纪大学集团”的成员，在澳大利亚只有3所大学为该集团成员，被亚洲周刊评为亚太地区前十位的大学。它是澳大利亚八大五星级名校之一，在各学术领域均处于世界领先水平，尤以工科及商科见长。大学主校区位于肯辛顿在悉尼地区，占地38公顷，距悉尼市火车站、机场都很近，交通便利。
选择新南威尔士大学理由---排名
2017泰晤士高等教育世界大学排名第78
综合排名：46
学术声誉排名：42
毕业生竞争力排名：22
人文学院排名：41
社会科学和管理学院排名：21
自然科学学院排名：61
工程和科技学院排名：21
生命科学和医学学院排名：43
建筑专业排名：19
艺术和设计专业排名：29
会计和金融专业排名：13
商业和管理专业排名：24
经济学专业排名：38
法律专业排名：13
环境科学专业排名：24
土木工程专业排名：16
计算机专业排名：35
电气工程专业排名：43
机械工程专业排名：34
临床医学专业排名：46
心理学专业排名：16
选择新南威尔士大学留学--获奖荣誉
1、亚太地区最优秀的大学之一。
2、新南威尔士大学是澳大利亚最主要的教学和研究基地之一，曾入选《亚洲周刊》评选的“亚太地区最好的十所大学”。
3、根据Spear's杂志和研究公司WealthInsight出具的一份新国际联盟榜单，新南威尔士州大学(University of NSW)是澳大利亚所有大学中“最盛产”百万富翁的学校，在世界百万富翁母校中排名第33位。
4、工程学院世界排名33名(2013QS世界大学工程学院排名)。澳大利亚工程师协会将新南威尔士大学评定为培养出工程领域人才数量最多的大学，在2013年最杰出的100位工程师名单里其毕业生比例占到了23%，为全澳之首。
选择新南威尔士大学留学--学术能力
1、作为澳大利亚研究型大学的先驱，新南威尔士大学的研究实力雄厚，研究范围涵盖所有的领域，如生物和医学、信息技术和材料工程、经济学、社会科学等。
2、新南威尔士大学与商业和产业界之间的联系更为紧密，并一直致力学术创新。新南威尔士大学凭借其各方面的优势，定期为商业机构和政府部门举办范围广泛的咨询及培训服务。
更多请点击：新南威尔士大学详细信息
3 校友分享为什么选择新南威尔士大学
新南威尔士大学学生学习经历：
我在这里先读的是10周的语言，然后再读了两年的Master of Information Technology，期间受到了很多人的帮助，想明白了很多事情，对我人生改变很大。下面想按时间的顺序结合我的生活、课程和大家分享一下我的经历，也希望对后来的人有所帮助。
当时大三时准备出国，由于雅思没有考到6.5分，然后申请了新南的十周语言班(幸好作文到了6，要不可能要申请久一点的;也有遇到分数到了喜欢读个15或者20周的同学)。语言班应该是算在新南学习中最轻松的一段时间了，只要上课认真听，作业都做了，考试认真考，让老师觉得你是个积极学习的学生，一般都是可以顺利通过的。语言的内容都不难，对于国内的孩子来说，算是一个可以在学习和生活上过渡的桥梁课程。其中你会遇到来到泰国，巴西，伊朗，日本等等国家的朋友，当然，最多的还是中国人。我在澳洲最好的朋友(基本都是中国人)，大多都是在读语言的时候认识的，可能是和上课的时候压力不是很大，大家一起去玩的机会比较多，然后又是第一批认识的朋友有关。
(第一天到澳洲)
由于我是1月初就读完了语言，但是正式开学要到二月底，期间有大概两个月的空闲时间，于是经当时舍友的介绍，我去了一家香港人开的餐厅打工，当时的工资还是挺不错的，算上小费一个小时大概有13.5刀的样子，虽然经理当时问我要了税号，但是他给我发工资时都是用现金的，所以感觉他并没有缴税，所以从名义上来说，这算是黑工。后来发现在澳洲这种现象其实还挺普遍的，因为最低工资太高了，很多小餐馆根本支付不了，于是会选择用一些流动性比较高的帮工(兼职/黑工)来节约开销。其中最有意思的就是，每天都要听经理、厨房骂粗口，把别人祖宗什么的都骂了一遍，这也是我在澳洲唯一一段时间听到这么多粗口的。
我第一学期选了下面这几门课：
COMP9024 Data Structures and Algorithms
COMP9311 Database System
COMP9414 Artificial Intelligence
GSOE9820 Project Management
由于我本科是学计算机的，所以我选课会选一些自己偏弱或者当时没有好好学的课，当然，第一学期也比较偷懒，想先好好适应一下环境，于是没有选很难的课程。在这几门课中，我觉得最有意思的和对我后面的学习帮助最大的课就是9024这门课了，其中，你会学到一些比较基础的数据结构和算法，要能够熟练的算时间复杂度和快速写出伪代码，这些在后面的课程甚至在我后面做的研究和工作面试中都会经常出现，可以说是编程奠基的课程。这门课有四个作业，分别要求你实现四个算法，第一个作业就是实现一个链表，可以轻松做完。但是从第二个开始，代码量就有点大了，要先把老师给的整个库文件好好读懂，然后再结合库里的一些算法，自己再写一个拓展的AVLTree，耗时应该一个星期左右，后面的就是写一个TaskScheduler和一个压缩的SuffixTree，耗时都是一个星期左右。由于我当时并没有跟着别人选课，上课的时候不认识人，一般都是自己一个人坐着，于是作业都是自己一个人闷着写的，这样有好处也有坏处，好处是自己把老师给的代码全都看完了，坏处是写不出来时干着急。这门课一定要好好学，即使少花点时间在9820这种课，也要好好多花时间自己独立把作业做完。
至于9311这门课，如果你遇上了Raymond Wong教你的话，那你会受益匪浅，数据库系统的知识一定会学的很通透很懂，但是如果遇到了Xuemin Lin教的话，那就自己好好学吧。9414这门课学的是人工智能比较层面高的知识，底层的算法涉及的并不是很多，而且写作业时要求用的编程语言是pl，如果以后工作不是偏AI研究方向的话，应该也很少会用到，所以这门课对我自己而言，算是比较水的课了。9820算是一门写作课，能免则免，不能免好好写作文就好了。
第二学期：
MATH5845 Time Series
MATH5905 Statistical Inference
COMP6771 Advanced C++ Programming
COMP6714 Info Retrieval and Web Search
这学期选课的时候，感觉自己是脑子抽了，选了两门统计的课。先说说5845，统计学院的这门时间序列是比较偏数学和研究方向的课，会有很多统计学的前置基础课程要求，意思就是老师会预想你是都有这些统计知识了，才会选这门课，但是这并不像其他课一样是硬性要求，你选了这门课，就要对自己负责。我记得当时我们学院，只有三个人选了这门课。由于我自己本科并不是学统计的，很多统计的基础知识都不是很懂，所以这门课学的还挺吃力的，整个学期有40%的时间都花在了这门课上，记忆最深刻的是，生日当天晚上通了个宵，把这门课的唯一一个Project收尾，但是自己写的时候有很多都是问别人的，自己对整个Project了解的并不通透。交作业的当天，我看了一下我的同学们，感觉大部分人都是精神不振，胡子没剃，最后一刻进教室教的作业。一个比较客观的事实就是我室友本科是在英国读的经济，研究生精算在读，平时靠帮别人写论文赚外快，最后这门课成绩只拿了67分(我非常感谢这位室友，感谢他对我学习和生活上的无私帮助);当然也有遇到大神project fail掉了，靠期末考把最后分数拉到78。这门课学完之后感觉后面在自己学院学的Machine Learning和Data Mining的统计知识简直是太简单了，轻松理解。
对于5905，这也算是一门比较有用的统计学的课了，其中学的很多统计知识在后面也会经常用到，例如Bayes Theorem, Multinomial Distribution, Maximum Likelihood Estimation, Loss Function等等，都非常有用，结合数据挖掘的一些编程知识，很容易应用到实际当中。我当时这门课是抱着一个本科悉尼大学数学系大神大腿学的，他给我推荐了一个学习方法，就是不懂的多上YouTube上搜搜看，上面有很多统计知识的讲解视频，讲的非常清楚。我当时就是一点一点学，哪里不会点哪里，最后弄懂了很多，还养成了经常无字幕看英文视频的习惯。
对于6771，我们当时一共有4个作业，第三个作业是我两年中唯一一个写了通宵的编程作业。感觉这门课学的知识很多，好好学，能让你养成很好的编程习惯，例如你会先看一遍Google的C++编程文档，然后再开始写作业。其中Tutotials能去就多去，和辅导员多交流一下也是挺有用的，期末考和老师最后给的Sample Exam挺像的，好好复习就行。现在这门课已经把第三个作业拆开了，变成了一共交5个编程作业。
6714，这门课学的很多，最后考试题量很大，考试题还不太按给的考纲出，因为这门课的老师也是教Data Mining的老师，按照Data Mining的术语的话，你复习的时候由于只复习规定内容很可能会出现Over fitting，为了避免Over fitting，你平时上课要好好理解，好好记住老师讲的内容，尽量generalise学到的知识(学到的知识可以应用到不同问题)，最后的Test Error Rate才会降低，分数才可以高点。
第三学期：
COMP9319 Web Data Compression & Search
COMP9201 Operating Systems
COMP9315 Database Systems Implemenatition
COMP9417 Machine Learning & Data Mining
9319是学院里公认的最难的课程之一(Data Warehousing & Data Mining的老师Wei Wang在课上也推荐过)。至于说为什么难呢，个人觉得，第一，是因为课上教的数据压缩的算法实现起来比较复杂，而且所有作业都要用C或C++写，如果之前没有学过这两门语言的话会比较头疼。第二，是因为课里的三个作业都是关于算法优化的，就是要求不断改进自己写的算法，在时间复杂度和空间复杂度之间寻找一个最佳的平衡点，而这种优化，可以说是无止境的。例如，你可以写一个运行时间只有0.1秒但需要用300M内存的算法，但是你也可以写一个运行时间1秒但只要10M内存的算法，同时，你也可以写出一个运行时间只要0.05秒而且只需要用到1M内存的算法。这门课就是Raymond Wong教的，他是学院里公认的教课教的最好的老师之一，斯坦福大学博士后毕业。老师对作业的要求并不是十分苛刻，感觉难是难在自己对算法不断地理解和改进上面。学完这门课后，你完全可以写自己的文件压缩和解压器，课上会介绍很多业界流行的算法。
9201也是学院里公认的最好的也是最难的课程之一了，多个老师在课上都表示过学院能以拥有Kevin Elphinstone教操作系统为荣。
第四学期：
COMP9318 Data Warehousing & Data Mining
COMP9321 Web Applications Engineering
COMP9041 Software Construction
COMP4418 Knowledge Representation
9318这门课算是学的这么多课中，对我来说，最有趣的一门了。因为之前学了Machine Learning的缘故，这门课学起来，还不是那么吃力的。很多知识理解起来相当有意思，像Linear Regression和Logistic Regression这些分类算法，很容易应用到实际中去(例如利用个人的过往记录和特征对其进行信用评估，就是比较基本的分类问题)，还有像FP-Tree算法可以从交易数据库中寻找数据之间的关系(例如啤酒和尿布之间的关系)，都十分有意思。
温馨提示：
