📘 第六学期 · 大三春季课程与工程前沿大集成手册

大三第六学期（大三春季）是整个大学阶段专业工程化落地、前沿技术（人工智能/机器学习）探索的“集大成期”！

在本学期中，你将面临多达 9 门科目 的融合性挑战。专业课的重心全面偏向“网络与分布式系统工程”以及“数据科学与智能计算”。以《计算机网络》为底层基石，结合《机器学习》《大数据导论》两大数据科学课程，辅以《Python程序设计》《拓展实验》等工程实操，逐步训练网络工具开发与智能分类模型搭建能力。本手册将带你全面盘点第六学期真实资料，拆解工程备考与项目完成建议。

📋 课程学分与学业总览

大三春季学期共包含 9 门课程/实践环节。以下为各课程核心内容与难度一览表：

学分(约)	课程名称	主要内容	课程性质	难度评估	核心备考与学习建议
3.0	计算机网络	TCP/IP协议栈、三次握手、拥塞控制、子网划分	🟢 专业核心	⭐⭐⭐⭐⭐	协议细节多，三次握手、拥塞控制与子网划分是高频重点；大作业为基于 Tkinter + Scapy 的网卡抓包工具。
0.5	计算机网络实验	Cisco Packet Tracer仿真（VLAN/链路聚合/NAT配置）	🟢 专业核心	⭐⭐⭐⭐	Cisco Packet Tracer 网络拓扑仿真。涵盖 VLAN 划分、链路聚合、单臂路由、NAT 配置等 6 次实验。
2.0	机器学习	贝叶斯/Logistic/SVM算法、SMS诈骗短信分类大作业	🟢 专业核心	⭐⭐⭐⭐⭐	深度拥抱算法！大作业为基于 SMS 真实数据集的诈骗短信多分类识别（含朴素贝叶斯、Logistic及SVM评估）。
2.0	大数据导论	Hadoop/Spark大数据组件、文本特征提取与分类系统	🟢 专业核心	⭐⭐⭐⭐	大数据核心组件课件与超大复习笔记，大作业包含垃圾短信分类与文本特征提取系统。
1.0	大数据导论实验	KNN/决策树/SVM训练、聚类分析与综合大数据分析	🟢 专业核心	⭐⭐⭐⭐	李默老师实验项目。包含 KNN 分类、朴素贝叶斯决策树、SVM 训练、聚类分析及学生表现综合大数据分析。
1.0	拓展实验	C语言实现模拟退火/蚁群/遗传算法（背包问题/TSP）	🟢 专业选修	⭐⭐⭐⭐	贾大宇老师指导。利用 C 语言实现启发式算法（模拟退火解决背包、蚁群算法解背包、遗传算法解 TSP）。
2.0	Python程序设计	Python基础、多线程爬虫、数据库读写、Matplotlib可视化	🟢 专业选修	⭐⭐⭐	杜岳峰老师课程。大作业为豆瓣电影爬虫，包含多线程抓取、本地数据库读写与 Matplotlib 评分趋势分析。
2.0	课程设计II 📭	综合系统开发大作业（网络/大数据技术方向项目）	🟢 专业核心	⭐⭐⭐⭐	系统级综合大作业课程，融合本学期课程网络或大数据技术完成项目实现。
0.5	大学生就业指导	职业规划、简历设计、求职模拟与生涯路线规划	⚪ 通识必修	⭐	职业规划与求职模拟。完成简要简历设计及职业生涯路线规划即可完成课程要求。

📦 资料清单速览

📄 历年试卷｜ 📑 PPT/课件｜ 💻 代码/大作业｜ 🔬 实验报告｜ 📓 笔记/复习资料｜ ✅ 有｜ ➖ 暂无｜ 📭 空文件夹

学分	课程	主要内容	📄	📑	💻	🔬	📓
3	计算机网络	TCP/IP协议栈、拥塞控制、子网划分	✅	✅	✅	➖	✅
2	机器学习	贝叶斯/SVM算法、诈骗短信分类大作业	➖	✅	✅	➖	➖
2	大数据导论	Hadoop/Spark、文本特征提取	➖	✅	✅	➖	✅
2	Python程序设计	多线程爬虫、数据库读写、可视化	➖	✅	✅	➖	➖
2	课程设计II 📭	综合系统开发大作业	➖	➖	➖	➖	➖
1	大数据导论实验	KNN/决策树/SVM/聚类分析	➖	➖	➖	✅	➖
1	拓展实验	C语言启发式算法实现	➖	➖	✅	✅	➖
0.5	计算机网络实验	Cisco Packet Tracer仿真	➖	➖	➖	✅	➖
0.5	大学生就业指导	职业规划、简历设计	➖	➖	➖	➖	✅

📚 核心专业大课真实资料盘点与备考攻略

1. 🟢 计算机网络 & 实验（3 + 0.5 学分）

本课程探讨计算机节点间如何通过七层/五层协议栈实现跨物理介质的数据包传递、路由寻址与端到端流控。

📂 理论课文件夹真实资料盘点：
- 教学课件与材料：
  - 官方大纲课件 PPT（第 1 章到第 3 章，覆盖物理层、链路层、网络层及传输层核心内容）。
  - 湖科大名师版分章复习背诵手册（第 1 章到第 6 章独立 Word，针对计网高阶知识点归类极好）。
- 考前归纳资料：
  - 计网名解释与简答题总结 PDF、选择题整理 PDF 以及大题综合训练空白/带答案版本。
  - 曲大鹏老师、刘建老师 11级至14级历年期末真题及标准详尽答案。
- 计网开发大作业项目（Packet Sniffer GUI）：
  - 项目介绍：基于 Python + Scapy + Tkinter 开发的图形化网卡数据包捕获、过滤与查看工具。
  - 源码核心架构：
    - main.py：程序入口，创建 Tkinter 主窗口。
    - ui_main.py：GUI 界面与交互逻辑，负责协议过滤、列表展示和详情查看。
    - sniffer.py：利用 Scapy 进行数据包捕获，并将结果交给解析逻辑处理。
    - parser.py：解析源 IP、目标 IP、协议类型、包长度与数据包详情。
📂 实验课文件夹真实资料盘点 (Cisco 拓扑拓扑网络搭建)：
- 系统总报告：计网实验.docx。包含了 6 个大型网络仿真的配置指令、路由表解析和网络拓扑截图：
  - 实验一：虚拟局域网 VLAN 划分：利用 Cisco Packet Tracer 规划 8 台 PC 主机、2 台 2960 交换机，验证同一 VLAN 直接通信与不同 VLAN 广播隔离。
  - 实验二：交换机链路聚合：实现端口通道（Port Channel）绑定以拓宽带宽。
  - 实验三：静态路由与默认路由配置：配置多路由器跳转表。
  - 实验四：单臂路由实现跨 VLAN 通信：利用子接口技术连接不同广播域。
  - 实验五：网络地址转换 NAT 技术配置：将私网 IP 映射转换至公网 IP，解决公网 IP 不足问题。
  - 实验六：Web服务文档与 HTTP 协议抓包分析：基于 HTML/CSS/JS 建立简单网页并抓包分析 HTTP 会话。
💡 备考建议：
1. 数据链路层与网络层寻址（计算题重点）：
  - 掌握滑动窗口协议（后退 N 帧 GBN 与选择重传 SR）的窗口边界计算；
  - 熟练进行无分类域间路由选择 CIDR 子网划分（求子网掩码、网络前缀、地址范围）；
  - 掌握路由器的路由表匹配逻辑（最长前缀匹配原则）。
2. 传输层可靠传输与拥塞控制（期末压轴大题，分值超15分）：
  - 重点分析 TCP 的滑动窗口、拥塞控制机制：慢开始 (Slow Start)、拥塞避免 (Congestion Avoidance)、快重传 (Fast Retransmit) 和 快恢复 (Fast Recovery)；
  - 根据拥塞窗口大小（ $c w n d$ ）随传输轮次的变化趋势画出拥塞演变曲线（需要熟记发生超时重传和 3 个冗余 ACK 时的不同处理逻辑，必考！）。
3. 应用层协议工作过程：理解 DNS 域名解析的过程（递归与迭代查询的区别）；掌握 HTTP 报文格式（请求方法、状态码含义）以及邮件发送与接收协议。

2. 🟢 机器学习 & 大数据导论（2 + 2 学分）

大三下最亮眼的数据科学双星，将统计数学与高级算法应用在真实海量数据集上。

📂 机器学习大作业与资料盘点：
- 名师大纲与作业：施瀚老师教学大纲.doc、平时课堂随堂测试题。
- 课程核心项目《基于机器学习的诈骗短信识别系统》：
  - 内容：针对 SMS Spam Collection 公开数据集，进行数据预处理（类别分布、短信长度分布可视化、高频词 TF-IDF 特征提取）。
  - 分类模型：用 Python 实现了多项式朴素贝叶斯 (Naive Bayes)、支持向量机 (SVM) 与 逻辑回归 (Logistic Regression) 三种机器学习算法。
  - 评估表现：包含混淆矩阵（Confusion Matrix）、召回率（Recall）分析、ROC 曲线与性能对比柱状图的绘制代码和文档。
📂 大数据导论课件与作业盘点：
- 名师教案课件 Ch1-Ch5：覆盖大数据基本概念、Numpy 数据处理、数据采集（网络爬虫框架）、机器学习算法库以及经典深度神经网络。
- 大数据导论笔记整理（大 PDF）：约 54MB 的系统级大数据复习手写整理笔记，适合考前系统回顾。
- 大数据导论课程设计：选题为《短信垃圾分类与文本特征分析研究》，包含 2MB 规格的系统开发论文与 PPT 汇报大纲。
📂 大数据导论实验课（李默老师指导）：
- 包含从 01 到 06 完整的 6 项数据分析报告与 Python 绘图结果：
  - 实验一：网络爬虫数据采集、清洗并存为 Excel 文件。
  - 实验二：感知机二分类与 K-近邻（KNN）算法分类评估。
  - 实验三：朴素贝叶斯与决策树分类实践。
  - 实验四：支持向量机 (SVM) 核函数分类评估。
  - 实验五：无监督学习（K-Means 聚类与系统级层次聚类）。
  - 实验六：利用真实的 StudentsPerformance.csv 成绩数据集，对学生表现、备考情况与最终成绩进行多维度关联分析与可视化呈现。
💡 备考建议：
1. 统计概率与贝叶斯定理：理解条件概率，熟练利用贝叶斯公式计算文本垃圾分类概率。
2. 分类器优化核心公式：
  - 感知机与 SVM：求解最佳划分超平面，理解拉格朗日乘子与核函数（高斯核/线性核）的选择；
  - K-Means 聚类：掌握欧氏距离计算及聚类中心迭代更新算法步骤。

3. 🟢 拓展实验（1 学分）

这门实验课以高级启发式智能搜索算法求解经典组合优化问题为核心，极具挑战。

📂 文件夹内真实资料盘点：
- 实验大作业报告：大作业.docx。课题为《旅行商问题的求解分析》，详细展示并实现了三种经典算法解决 TSP 问题：
  - 算法一：最邻近算法 (NNA)：近似贪心思想，快速生成可行解。
  - 算法二：动态规划算法 (DP)：自底向上进行状态缓存，精确求解小规模 TSP。
  - 算法三：遗传算法 (GA)：设计基因编码、选择（轮盘赌）、交叉（双点交叉）与变异操作，实现大规模城市下的全局最优路线寻优，并进行路径与收敛曲线的可视化。
- 启发式 C 语言源码库：
  - 模拟退火算法解决0_1背包问题.c：定义温度衰减系数，引入 Metropilis 准则跳出局部最优。
  - 蚁群算法解决背包问题.c：初始化信息素矩阵，模拟蚂蚁寻优行为。
  - 遗传算法解决TSP问题.c：纯 C 语言高效实现选择、杂交和突变操作。

4. 🟢 Python程序设计（2 学分）

杜岳峰老师授课，重在掌握 Python 的高级应用，包含数据采集、清洗、持久化存储与分析展示。

📂 文件夹内真实资料盘点：
- 豆瓣电影爬虫系统 (crawler 目录)：
  - spider.py：实现对豆瓣电影多类型数据的多线程抓取与防爬规避（Header 伪装）。
  - database.py：建立 SQLite/MySQL 数据库连接，实现抓取数据的去重与持久化插入。
  - analysis.py：利用 Pandas 进行清洗过滤，并使用 Matplotlib 绘制豆瓣电影评分分布图（ratings_distribution.png）。
  - main.py：Python主程序入口，调度爬取与分析流。

📊 URP 成绩深度解析（课程数据对比）

「样本成绩」为维护者本人当届成绩，对比数据取自 URP 教务系统，仅供参考。

课程名	学分	课程最高	课程最低	课程平均	样本成绩	绩点	超出平均
计算机网络	3	96	36	72.53	96	3.97	+23.47
大数据导论	2	98	72	89.28	97	3.98	+7.72
Python程序设计	2	98	77	92.28	97	3.98	+4.72
机器学习	2	99	78	90.52	92	3.88	+1.48
课程设计Ⅱ	2	98	70	88.37	88	3.73	-0.37
大数据导论实验	1	100	83	98.27	99（优秀）	4.00	+0.73
拓展实验	1	99	61	79.90	91	3.85	+11.10
计算机网络实验	0.5	95	75	88.84	95（优秀）	4.00	+6.16
大学生就业指导	0.5	100	0	90.74	93	3.91	+2.26

📊 学期难度与备考精力分配模型

计算机网络 (理论与实验)★★★★★

协议细节多，期末拥塞控制与抓包项目难

机器学习 & 大数据导论实验★★★★★

数学原理深，实验分析报告图文量极大

拓展实验★★★★☆

遗传算法、模拟退火 C 语言实现繁琐

Python程序设计★★★☆☆

多线程爬虫与数据可视化项目耗时

其他通识与就业指导★☆☆☆☆

简历制作与职业规划，按要求完成即可

💡 学长寄语

“计网不仅要背，更要动手抓包”：计算机网络考点多而杂，容易记混。建议优先阅读可运行版本 Packet Sniffer GUI 源码，了解网卡如何捕获以太网帧、如何解析出 IP 头和 TCP 头部序列号。再配合曲大鹏老师的真题集自测，复习会更有针对性。
“打通 Python 爬虫到机器学习的闭环”：把 Python 爬虫大作业跟大数据的实验一（爬虫）、实验六（大数据关联分析）、机器学习大作业（垃圾短信分类）结合起来。当你掌握“爬取数据 -> 清洗存储 -> 模型训练 -> 结果分析”这一整套闭环后，后续做数据科学或机器学习方向项目会更顺手。
“启发式算法是大型项目寻优的利器”：拓展实验中的遗传算法（GA）、模拟退火（SA）解决 TSP 和背包问题，代码逻辑相当庞大。好好阅读我们的遗传算法解TSP大作业报告，搞懂轮盘赌选择和交叉互换是如何一步步迭代逼近全局最优解的，这对于以后解决高维度工业寻优问题非常有启发！
把项目经历整理好：网络、数据和机器学习相关大作业都适合沉淀成简历项目。建议保留代码、报告、截图和复盘说明，便于后续求职、保研或考研复试展示。

⬅ 第五学期 | 🏠 返回主页 | 第七学期 ➡

📘 第六学期 · 大三春季课程与工程前沿大集成手册 ​

📋 课程学分与学业总览 ​

📦 资料清单速览 ​

📚 核心专业大课真实资料盘点与备考攻略 ​

1. 🟢 计算机网络 & 实验（3 + 0.5 学分） ​

2. 🟢 机器学习 & 大数据导论（2 + 2 学分） ​

3. 🟢 拓展实验（1 学分） ​

4. 🟢 Python程序设计（2 学分） ​

📊 URP 成绩深度解析（课程数据对比） ​

📊 学期难度与备考精力分配模型 ​

💡 学长寄语 ​