computation作為鍛鍊計算能力和邏輯思維能力的學科，主要通過數學理論方法與計算機技術結合的方式培養問題求解能力。其核心教學體系包含數學分析、數值分析、算法設計等基礎課程，並設定數據結構實訓、數學建模實踐等環節強化套用能力。學科前沿研究聚焦高維科學計算的數值方法創新，如蒙特卡羅積分、隨機投影算法等技術可提升複雜問題的計算效率。培養模式覆蓋從本科到研究生的系統性訓練，本科階段側重建立數學基礎與編程實踐能力，研究生階段深化科學計算算法構造與最佳化技術研究。在基礎教育領域，編程教育被證實為培養兒童計算思維的有效路徑，需結合認知發展階段選擇適宜工具與方法。
基本介紹
- 學科類別：數學與套用數學
- 核心課程：數值分析、算法設計
- 實踐環節：數學建模實訓、數據分析實踐
- 培養目標：解決信息技術與工程計算問題
- 教育階段：本科至研究生全覆蓋
- 套用領域：科學工程、金融量化
學科基礎課程,實踐教學體系,學術研究前沿,教育階段拓展,
學科基礎課程
數學分析、高等代數為本學科提供嚴謹的數學理論基礎。離散數學與數據結構課程訓練抽象建模能力，C程式設計與Python編程課程培養算法實現技能。數值分析課程教授工程計算中的誤差控制與穩定性判斷方法，數據挖掘課程結合機器學習算法提升大數據處理能力。
實踐教學體系
本科階段設定累計32學分的獨立實踐環節，包含算法設計專題實訓與數據分析項目實踐。數學建模實訓通過案例分析培養學生將實際問題轉化為數學模型的能力，並運用MATLAB等工具完成數值求解。研究生階段要求完成科學計算算法實現，如偏微分方程數值解法編程與最佳化算法性能測試。
學術研究前沿
高維科學計算領域發展出隨機投影降維技術與核方法加速策略，可應對維數災難問題。蒙特卡羅積分通過機率抽樣實現高維空間數值積分，奇異值分解（SVD）在數據壓縮與特徵提取中發揮核心作用。研究生課程'科學計算的算法與分析'系統講授疊代法收斂性證明與離散化技術最佳化方案。
教育階段拓展
兒童編程教育研究（截至2023年）表明，有形編程工具適合學前兒童建立計算概念，圖形化編程有助於小學生理解算法流程。中學階段引入文本編程可培養抽象邏輯思維，遊戲化教學法能提升算法設計興趣。研究建議採用三維評估框架（概念、實踐、觀念）全面衡量計算思維發展水平。
