本课程是财务管理专业与会计学专业的一门十分重要的专业课程，也是管理类其他专业和经济类部分专业的学科基础课程。它以 “企业“为对象，以管理学原理为基础，阐述了企业财务管理的基本原理与方法。通过本课程的学习，学生掌握：财务管理基本概念、货币时间价值与投资风险价值、企业筹资的方式与技术、企业长期投资决策方法、企业营运资金管理、企业收益与分配管理、企业财务分析与评价方法、企业并购与重组、破产与清算等基本理财知识和理财技能。

讲授用数值方法求解常见数学问题的理论和算法，包括插值与拟合、数值微分与数值积分、线性方程组的直接和迭代解法、非线性方程（组）求解、矩阵特征值和特征向量求解以及常微分方程初值问题数值解法等，培养编制科学计算程序的能力和技巧。

最优化计算方法是在生产实践和科学实验中选取最佳决策，研究在一定限制条件下，选取某种方案，以达到最优目标的一门学科，广泛应用与空间科学、军事科学、系统识别、通讯、工程设计、自动控制、经济管理等各个领域，是工科院校高年纪学生、研究生、应用数学专业学生和搞优化设计的工程技术人员的一门重要课程。通过本课程教学，使学生掌握最优化计算方法的基本概念和基本理论，初步学会处理应用最优化方法解决实际中的碰到的各个问题，培养解决实际问题的能力。

时间序列分析是推断统计学的一个重要分支，是利用随机数学的方法分析随时间变化的随机数据序列的统计规律性，其内容包括构建模型、参数估计及最佳预测与控制等。时间序列分析在经济学、社会科学领域以及自然科学领域均得到了十分广泛的应用。随着计算机技术的发展与普及，时间序列分析将日益发挥更加重要的作用。学好时间序列分析已成为对统计学专业本科生的基本要求，同时也将为学生后续的学习与实践打下重要的方法论基础。

数据可视化是人们使用计算机创建图形图表，可视化提取出来的数据，将数据的各种属性和变量呈现出来。 本课程的主要介绍数据可视化的一般原理和处理方法， 数据可视化工具，对数据进行可视化处理。此外，本课程还介绍数据可视化的基础理论和概念，针对实际应用中遇到的不同类型的数据介绍相应的可视化方法，并介绍可视化综合应用及实用系统。

数理统计学是应用广泛的基础性学科，主要研究对随机样本进行科学分析与处理的方法，包括如何有效地收集数据，如何估计参数，如何做检验，如何研究变量之间的关系以及如何进行统计决策等内容。作为统计学方向最基础的专业课程，主要目的是通过教学，使学生掌握本学科的基本概念和基本统计思想，具备使用常用的统计方法并结合利用先修课程中的数学、概率论知识来解决一些实际问题的能力，初步了解数理统计研究的新进展并初步建立统计思维方式。

《人力资源管理》课程是阐述开发人力资源，提高人力资源素质以及如何合理使用人力资源的理论、原则、方法的科学。它是为培养学生的人力资源管理的基本理论、知识和能力设置的一门专业基础课。主要内容包括人力资源管理概述；人力资源管理战略与规划；工作分析；员工招聘；人力资源绩效评估与考核；薪酬管理；员工关系等。

本课程系统地介绍了数据库的基本理论，并以目前比较流行的大型关系型数据库 SQL Server为载体，向学生讲述了大型关系数据库的概念、管理、设计和开发。通过本课程的学习，要求学生能从实用性的角度出发理解并掌握数据库的安全性、并发控制和恢复技术，能熟练的编写基本的SQL语句，掌握索引、数据完整性、视图、存储过程、触发器等概念及使用方法，并能进行数据库的设计、开发与管理。

运筹学研究人类对于资源的运用及筹划的基本规律，从而发挥有限资源的最大效益，达到优化的目标。作为一门优化与决策的学科，运筹学在经济、科技、工业、管理、军事等方面都能发挥巨大的作用，也因此获得了国内外高等教育机构和人员的高度重视。本课程通过线性规划、运输问题、整数规划、图与网络分析、动态规划、决策分析、博弈论、预测、最优化方法等内容，讲授运筹学的基础知识，培养学生今后在运筹学领域进行深入学习和研究的兴趣。 本课程介绍运筹学的基本思想和方法，期望使学生能够运用运筹学的思想方法解决问题，在面临千差万别的实际情况的时候，能够从容地确定目标、制定方案、建立模型、求得解答，从而在信息时代的激励竞争中立于不败之地。

1．从ADT角度介绍常用的数据结构和算法分析的基本方法。使学生从数据结构的逻辑结构、相应的一组基本运算、实现以及对实现的评价等方面去掌握线性表、栈、队列、串、数组、树、图等常用的数据结构，并对算法的时间和空间复杂性有一定的分析能力。 2．介绍排序技术。使学生掌握插入排序、选择排序、交换排序、基数排序、归并排序等常用的排序算法，并讨论他们的时间和空间开销。 3．通过本课程的学习，学生将掌握常用的数据结构和算法的设计和分析方法，提高程序设计的能力；针对简单的求解问题，选择合理的数据结构解决之。

回归分析是与实际应用紧密结合的课程。通过本门课程的学习，掌握回归分析的理论与方法，并能正确解释回归结果;同时掌握应用统计的一些基本理论与技巧，并能使用统计软件解决实际问题。

本课程以数据挖掘为主要内容，讲述实现数据挖掘的各主要功能、挖掘算法和应用，并通过对实际数据的分析更加深入地理解常用的数据挖掘模型。掌握大型数据挖掘软件SAS Enterprise Miner的使用，培养学生数据分析和处理的能力。通过《数据挖掘》课程的教学，使学生理解数据挖掘的基本概念和方法，学习和掌握SAS Enterprise Miner中的数据挖掘方法。学生能够借助SAS Enterprise Miner软件工具进行具体数据的挖掘分析。

线性模型是一类统计模型的总称，它包括了线性回归模型、方差分析模型、协方差分析模型和线性混合效应模型（或称方差分量模型）等，因此线性模型成为现代统计学中应用最为广泛的模型之一。通过本课程的学习，使学生掌握线性模型统计推断的基本理论、方法及其应用，其中包括理论与应用的近期发展。

本课程是学习和研究近代数学的重要基础，在自然科学、社会科学、经济领域都有重要应用。本课程使学生学习和了解多项式、线性空间和线性变换等基本知识。通过学习，培养学生具有数学的思维方式、创新精神，以及解决实际问题的初步能力。

大学物理是为工科各专业开设的一门重要的基础课，是工科学生的必修课，在大学基础教育中占有重要地位。物理学是研究物质的基本结构、相互作用和物质最基本最普遍的运动形式（机械运动、热运动、电磁运动、微观粒子运动等）及其相互转化规律的学科；它的基本理论渗透在自然科学的一切领域，应用于生产技术的各个部门，它是自然科学的许多领域和工程技术的基础。《大学物理》课程的作用，一方面为学生系统地打好必要的物理基础，另一方面使学生初步学习科学的思想方法和研究问题的方法。这将开阔学生思路、增强其适应能力、提高人才素质；同时对学生以后的工作以及对新理论、新知识、新技术的进一步学习有着重大的影响。

高等数学是高等学校理工科专业重要的基础理论课，是培养学生掌握科学思维能力、掌握数学知识和数学技术的重要基础课程。该课程所论及的科学思想和方法论，在自然科学、工程技术、经济和社会科学等领域中具有广泛应用和强劲的活力。