在计算机应用领域，科学计算是一个长久不衰的方向。该方向主要依赖于应用数学中的数值计算的发展，而数值计算的发展也受到来自计算机系统结构的影响。下面是我给大家推荐的大学计算机科学导论课论文，希望大家喜欢!
大学计算机科学导论课论文篇一
《计算机理论的一个核心问题》
摘要：我国计算机科学系里的传统是培养做学术研究，尤其是理论研究的人，但如今想要以最快的速度接受并利用新技术关键还是在于你对计算机科学地把握程度。
关键词：计算机理论;核心问题;教育
我国计算机科学系里的传统是培养做学术研究，尤其是理论研究的人(方向不见得有多大的问题，但是做得不是那么尽如人意)。而计算机的理论研究，说到底了，如网络安全学，图形图像学，视频音频处理，哪个方向都与数学有着很大的关系，虽然也许是正统数学家眼里非主流的数学。这里我还想阐明我的一个观点：我们都知道，数学是从实际生活当中抽象出来的理论，人们之所以要将实际抽象成理论，目的就在于想用抽象出来的理论去更好的指导实践，有些数学研究工作者喜欢用一些现存的理论知识去推导若干条推论，殊不知其一：问题考虑不全很可能是个错误的推论，其二：他的推论在现实生活中找不到原型，不能指导实践。严格的说，我并不是一个理想主义者，政治课上学的理论联系实际一直是指导我学习科学文化知识的航标(至少我认为搞计算机科学与技术的应当本着这个方向)。
我个人的浅见是：计算机系的学生，对数学的要求跟数学系不同，跟物理类差别则更大。对于非数学专业的学生来说，高等数学就是把数学分析中较困难的理论部分删去，强调套用公式计算。而对计算机系的学生来说，数学分析里用处最大的恰恰是被删去的理论部分。记上一堆曲面积分的公式，难道就能算懂了数学?那倒不如现用现查，何必费事记呢?再不然直接用Mathematica或是Matlab好了。退一万步。华罗庚在数学上的造诣不用我去多说，但是他这光辉的一生做得我认为对我们来说，最重要的几件事情：首先是它筹建了中国科学院计算技术研究所，这是我们国家计算机科学的摇篮。在有就是他把很多的高等数学理论都交给了做工业生产的技术人员，推动了中国工业的进步。第三件就是他一生写过很多书，但是对高校师生价值更大的就是他在病期间在病床上和他的爱徒王元写了《高等数学引论》(王元与其说是他的爱徒不如说是他的同事，是中科院数学所的老一辈研究员，对歌德巴赫猜想的贡献全世界仅次于陈景润)这书在我们的图书馆里居然找得到，说实话，当时那个书上已经长了虫子，别人走到那里都会闪开，但我却格外感兴趣，上下两册看了个遍，我的最大收获并不在于理论的阐述，而是在于他的理论完全的实例化，在生活中去找模型。这也是我为什么比较喜欢具体数学的原因，正如我在上文中提到的，理论脱离了实践就失去了它存在的意义。正因为理论是从实践当中抽象出来的，所以理论的研究才能够更好的指导实践，不用于指导实践的理论可以说是毫无价值的。
正如上面所论述的，计算机系的学生学习高等数学：知其然更要知其所以然。你学习的目的应该是：将抽象的理论再应用于实践，不但要掌握题目的解题方法，更要掌握解题思想，对于定理的学习：不是简单的应用，而是掌握证明过程即掌握定理的由来，训练自己的推理能力。只有这样才达到了学习这门科学的目的，同时也缩小了我们与数学系的同学之间思维上的差距。
关于计算机技术的学习我想是这样的：学校开设的任何一门科学都有其滞后性，不要总认为自己掌握的某门技术就已经是天下无敌手了，虽然现在Java，VB，C，C++用的都很多，怎能保证没有被淘汰的一天，我想.NET平台的诞生和X#语言的初见端倪完全可以说明问题。换言之，在我们掌握一门新技术的同时就又有更新的技术产生，身为当代的大学生应当有紧跟科学发展的素质。举个例子，就像有些同学总说，我做网页设计就喜欢直接写html，不愿意用什么Frontpage，Dreamweaver。能用语言写网页固然很好，但有高效的手段你为什么不使呢?仅仅是为了显示自己的水平高，unique?我看真正水平高的是能够以最快的速度接受新事物的人。高级程序设计语言的发展日新月异，今后的程序设计就像人们在说话一样，我想大家从xml中应是有所体会了。难道我们真就写个什么都要用汇编，以显示自己的水平高，真是这样倒不如直接用机器语言写算了。反过来说，想要以最快的速度接受并利用新技术关键还是在于你对计算机科学地把握程度。
总的来说，从教育角度来讲，国内高校的课程安排不是很合理，强调理论，又不愿意在理论上深入教育，无力接受新技术，想避开新技术又无法避得一干二净。我觉得关键问题就是国内的高校难于突破现状，条条框框限制着怎么求发展。我们虽然认识得到国外教育的优越性，但为什么迟迟不能采取行动?哪怕是去粗取精的取那么一点点。
大学计算机科学导论课论文篇二
《浅析计算机应用系统工程技术》
摘要：多年来，金融、电信、政府、制造、能源、交通和教育等是计算机应用系统工程最主要的市场，这些行业集中了许多国家重大信息化工程。今后数年，政府、交通、制造、能源和物流等方面的信息化建设仍将保持较快的增长;电信IT投入仍是信息化投入的主战场;金融信息化投入将保持较大的增长。
关键词：计算机应用工程技术
前言：我国信息化应用推动了我国国民经济的持续发展，经济发展又为信息化提供了良好的外部环境和资金投入。
一、计算机应用系统工程的发展情况
为了降低社会交易成本，推荐公共服务信息化将是我国当前和今后一个时期信息化建设的重点。企业信息的应用需求，如产业数据库管理、企业资源计划、客户管理系统等大中型企业信息化将从边缘应用进入核心业务系统。
中办、国办下发了“2006—2010国家信息化发展战略”，信息产业部“十一五”专项规划(征求意见稿)提出了建设农信工程、工信工程、安信工程、家信工程、城信工程和RFID工程等六大工程，这为“十一五”信息化建设持续发展提供了强大的推动力。
二、计算机应用系统主要技术
随着信息化的进展，越来越多的客户关注运用信息化手段提升其业务应用水平和效率，计算机应用信息系统需求日益增多，从包含一些应用软件开发的简单系统(如OA系统)到提供专用系统(如电信计费系统等)的全面解决方案、开发定制应用软件，逐步发展到面向行业的各类计算机应用系统。软件开发和集成成为计算机应用系统开发的主要内容。
1.一体化系统解决方案
计算机应用系统开发商必须在充分调研的基础上，确定客户应用需求。系统开发商必须与行业专家相结合，学习了解行业知识，把握和抽象行业用户的共性需求，进而准确了解客户的特定需求，为提出完整的一体化系统解决方案提供依据。
对于具有共性的以及行业应用的部分，尽可能采用成熟的系统和共性软件。选择应用系统支撑系统(网络平台、数据库平台和服务器平台等)，要确保满足应用需求，支撑平台之间要互连互通和协调一致地工作，软硬件产品、选型和配置要考虑性价比。
⒈应用软件开发
应用软件开发已成为计算机应用系统工程的核心内容。要采用软件工程方法，执行软件工程标准，使用CASE工具进行软件开发。
⒉支撑系统集成
支撑系统是为实现用户的应用需求和应用功能必须建立的支撑环境。支撑环境通常包括网络平台、数据库平台和服务器平台构建的基础支撑平台，以及为开发应用软件提供开发工具和环境的应用软件开发平台。
⒊系统安全
在政府、金融、电信等领域的信息化应用中，系统安全，特别是信息安全十分重要。
⒋系统产品集成
系统集成，是指将系统应用功能、管理功能(系统管理软件)和安全保密功能(防火墙、防病毒软件及其它信息安全措施)集成到系统中，最后进行系统的协调和优化，以便充分发挥系统的作用和效益。
三、目前国内标准情况
有关计算机产品方面的标准多，关于计算机应用系统工程建设标准不多，不系统，不能满足计算机应用系统工程建设的需要。与计算机应用系统工程相关的标准有以下几个方面：
1基础标准
1)相关的信息技术标准
词汇：图形符号、字符集和编码、中文通用标准、电子数据交换(EDI)
2)软件和软件工程标准
软件工程标准
——软件工程过程
——软件工程方法
——软件工程工具
——程序设计语言
——软件质量及测试认证
应用支撑软件标准
——操作系统
——数据库
——多媒体和图形图像
——地理、气象、水文
3)计算机网络标准
协议标准、设备标准
4)计算机设备和接口标准
主机、外设、存储设备及媒体、总线与接口、耗材
5)系统安全
——物理安全
——设备安全
——场地安全
信息安全标准
——密码算法标准
——信息安全技术标准
——信息安全管理标准
6)其它标准
可靠性标准、环境标准、电磁兼容标准
⒉国家信息化工程支撑标准和面向行业应用的信息系统标准
1)国家信息化工程支撑标准
电子政务、电子商务、信息安全、企业信息化
2)面向行业应用信息系统标准
面向行业应用的各行业，大部分已制定了本行业的信息系统标准，可针对具体的行业应用引用相关的标准。
⒊相关工程标准
1)信息系统机房规范
电子计算机场地通用规范
电子信息系统机房设计规范
电子信息系统机房施工与验收规范
2)用户布缆和综合布线规程
用户建筑群通用布缆
建筑与建筑群综合布线系统工程设计规范
建筑与建筑群综合布线系统工程验收规范
这些标准多数为国家标准，个别为行业标准用，个别标准在修订中。
四、计算机应用工程标准体系概述
⒈计算机应用系统工程建设标准体系范围是：
1)计算机应用系统工程包括总体策划、设计、开发、实事、服务及保障全过程。
2)按质量管理体系产品实现过程要求，包括计算机应用系统工
程实现的全过程。
3)从计算机应用系统工程技术方面考虑，包括一体化系统解决方案、应用软件开发、支撑系统集成、系统安全和系统产品集成(系统功能的全面实现、系统的协调和优化)等。
⒉计算机应用系统工程标准体系与相关标准的关系：
1)系统方案设计和应用软件开发必须执行的面向行业应用的信息系统标准，直接引用面向行业的相关信息系统标准;
2)应用支撑系统执行计算机和信息处理系列标准，在“计算机应用系统工程”中重点突出软件开发过程的软件工程标准和系统安全标准;在系统安全标准中以信息安全为重点，直接引用相关的信息技术标准;
3)计算机机房设计和施工、综合布线设计和施工等工程标准，直接引用相关的工程标准;
⒊本标准体系分专业基础标准、专业通用标准和专业专用标准三个层次。军用、涉密等特殊应用信息系统的专业专用标准本应是本标准体系中的一部分，但按有关要求，不列入本体系。
五、计算机应用系统工程文档管理通用标准
本规范规定计算机应用系统工程建设各阶段应有的文档，包括工程过程的策划、设计、实施以及维护全过程的各种文档、施工文档、质量文档、技术文档等，各种文档的内容与要求，以及这些文档的管理等内容。本规范适用于计算机应用系统工程的文档管理。
六、结语
信息化的核心是计算机应用系统工程。每年都有大量的与计算机应用系统有关的基本建设和技术改造项目在实施中。
内容如下：
1、大数据对商业模式影响
2、大数据下地质项目资金内部控制风险
3、医院统计工作模式在大数据时代背景下改进
4、大数据时代下线上餐饮变革
5、基于大数据小微金融
大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
过去几年，“数据科学”和“大数据”的概念被媒体炒得热火朝天。对于这种现象，人们一开始难免疑惑，甚至怀疑。事实上，这就是Cathy和我当时的反应。
对于这些概念，Cathy和我在很长一段时间里都感到迷茫，直到我们俩相识。我们一般会在星期三共进早餐，每当谈起这种现象，都有一种不安的感觉，总觉得在这喧嚣背后确然有一股新潮流在涌现，这股潮流或许是意义深远的，代表着我们整个文化范式在数据的影响下都会产生深刻的改变。Cathy和我都是干这行的，觉得应该发挥我们的强项，去探索这些现象背后的原因，而不是置之不理。
在深入探索之前，我们有必要先介绍一下媒体所炒作的大数据时代，也许你和我们一样，也认为那些概念难以理解、语焉不详。然后，本章会进一步讲解我们是如何拨开迷雾发现背后的真相，以至于Rachel决定在哥伦比亚大学开设数据科学导论课程，而Cathy则在她的博客上同步记录该课程的内容，乃至上述所有内容终于结集成书送到你手中。
1.1 大数据和数据科学的喧嚣
让我们抛开炒作，因为很多人可能和我们一样，都对数据科学心存怀疑。之所以一上来就讲这些，是想让你知道：我们也和你一样！假如你也心存疑虑，说明你也很可能会贡献一份力量，推动数据科学的健康发展，使其对社会产生积极的影响，也使数据科学这门学科趋于正统，在众多学科中能占有一席之地。
让我们先来细数大数据和数据科学之所以这样让人如坠云里雾里的原因。
1. 大多数基本的术语都缺乏严格定义。究竟什么是大数据？数据科学又是什么意思？大数据和数据科学之间有什么关系？数据科学就是关于大数据的科学吗？只有像谷歌和Facebook这样的高科技企业才用得到数据科学吗？为什么有人认为大数据是一个交叉学科（比如天文学、金融学、科技等），但数据科学却只是科技界的事儿？大数据，多大才是大？这些术语及概念如此含混不清，简直毫无意义。
2. 对于数据科学领域的研究者，不管是在学术界还是工业界，公众都缺乏敬意。事实上，他们在这一领域内辛勤工作了很多年，而这些工作是继承了各个领域的前辈们数十年甚至数百年的工作成果，这些领域包括统计学、计算机科学、数学、工程学以及其他学科。而媒体传播给公众的信息却是这样的：机器学习算法是上个礼拜才发明出来的，谷歌出现之前都不存在所谓的大数据。这简直荒谬，很多正在使用的方法和技术，还有我们面临的挑战，都不过是在过去已有的方法、技术和挑战上演变而来的。我们并不否认新事物和新技术的出现，只是觉得应该对历史和前人的研究成果保持必要的敬意。
3. 媒体疯了。人们将各种各样的桂冠加诸数据科学家的头上，人们形容他们是掌握了宇宙奥秘的魔法师，其疯狂程度堪比金融危机之前。天花乱坠的宣传很容易掩盖真相、歪曲事实。这些宣传的噪声越多，真正有效的信息就越少。因此，若“大数据”被媒体吹得越久，公众越容易被误导，越难获知这一概念背后真正有益于社会的一面（如果有的话）。
4. 统计学家觉得他们正在干的事就是数据科学。换句话说，这本来就是他们的饭碗。亲爱的读者们，请设身处地替统计学家们想想，有人抢自己的饭碗是什么感受。媒体也常常将数据科学轻描淡写为统计学和机器学习在科技界的简单应用。我们会在书中阐明，不是说将统计学和机器学习这些“旧酒”装进新瓶里，就叫作数据科学。它绝对有资格作为一个独立的学科存在。
5. 所有自称为科学的都不是真正的科学。这句话或许有些道理，但不代表数据科学这一术语毫无意义，它代表的可能不是科学，而是某种技术。
1.2 冲出迷雾
Rachel取得统计学博士学位到她在谷歌工作的这段经历，或许能帮我们解答一些疑惑，她说：
进入谷歌之后，我很快就意识到工作中用到的东西和我读统计学博士学位时学到的东西差别很大。并不是说我的统计学知识毫无用武之地，相反，我在学校学到的东西为我思考问题提供了一个框架，统计学的很多知识都为我的日常工作提供了坚实的理论和实践基础。
工作期间，我发现必须掌握很多在学校没学到的东西，比如计算、编程、数据可视化技能和许多领域知识。这种经验既特殊又普遍，我拥有统计背景，因此需要补充前面提到过的那些知识，而若换作一位计算机、社会学或者物理学背景的人，他们也需要根据自己的知识缺陷去补充相应的知识。每个人都拥有自己独特的知识结构，重要的是大家能够紧密合作，取长补短，组成一个团队去解决数据问题。
一般人对上述故事肯定会有这样一种想法：你走上工作岗位后就会发现，在学校学到的知识，远远不能满足实际工作的需要。因此，本书中教授的统计学知识与业界所应用的统计学方法，肯定也是不尽相同的。对此，我们有一些自己的看法。
为什么学校里的统计要和工业界的统计如此不同？为什么很多学校的课程要和现实如此脱节？
这种差异不仅存在于学校里的统计和工业界的统计之间。很多数据科学家的一个共同感受是，工作时他们需要接触更多的知识、方法论和工序（详见第2章），而这些东西都是以统计学和计算机科学为基础的。
抛却这些媒体给予数据科学的光环，只有一件事是实在的：数据科学是一个新生事物。它刚刚诞生，却被赋予了太多荣耀，使人们对其充满了很多不切实际的幻想，而幻想最终是会破灭的。我们要保护数据科学，过分吹捧可能会让这个新兴领域过早夭折。
Rachel决定去研究数据科学这一文化现象，她想了解其他人对数据科学的感受。她开始和谷歌的人接触，和很多创业公司和高科技公司的人接触，和大学（特别是统计系）里的老师们接触。
从这些接触中，Rachel觉得数据科学的轮廓渐渐清晰起来，她进一步深入，决定在哥伦比亚大学开设一门数据科学导论课程，与此同时Cathy在博客上连载了该课程的讲义。我们期望在这门课程结束时，我们和学生们能对数据科学的本质有一个清晰的理解。现在我们把课程的内容集结成书，也是希望帮助更多的人去了解数据科学。
数据科学是利用科学方法、流程、算法和系统从数据中提取价值的跨学科领域。
数据科学家综合利用一系列技能（包括统计学、计算机科学和业务知识）来分析从网络、智能手机、客户、传感器和其他来源收集的数据。
数据科学揭示趋势并产生见解，企业可以利用这些见解做出更好的决策并推出更多创新产品和服务。数据是创新的基石，但是只有数据科学家从数据中收集信息，然后采取行动，才能实现数据的价值。
自1946年第一台通用计算机发明以来，科学研究的实验模拟产出了大量数据，并依靠算法发现其中规律。当马云发自肺腑地宣告“DT时代”到来时，这一切的背后是数据科学的发展。
1974年，着名计算机科学家、图灵奖获得者Peter Naur在其着作《计算机方法的简明调研（Concise Survey of Computer Methods）》的前言中首次明确提出了数据科学（Data Science）的概念。
“数据科学是一门基于数据处理的科学”，并提到了数据科学与数据学（Datalogy）的区别——前者是解决数据（问题）的科学（the science of dealing with data）。
而后者侧重于数据处理及其在教育领域中的应用（the science of data and of data processes and its place in education）。
