选课攻略
以下的信息都是你们的组爸组妈去找自己认识或者不认识的学长、学姐，查阅学校的各种信息以及对线AR收集到的关于选课的各种信息。 这份攻略的编者尽可能尝试客观理性中立的提供信息，希望大家能够得到帮助啦。
特别鸣谢：Mordred - 20 FM 张兆丰
基本信息
抢课时间
- 试抢课：9月1日15:00 -- 9月2日15:00
- 正式抢课：9月3日17:30
网站：
MIS：https://mis.uic.edu.cn/mis/login.jsp
进去之后页面长这样
MIS关于抢课的功能
在My Timetable里面可以看到已有的课程（专业必修课and国文、EAP）。选课之后也可以看到所选的课程
抢课界面（Course Selection）在 Course Registration 子目录里
点进去以后有个选课公告，里面有一些文件和说明。Test Run的时候可以看看，正式选课直接点页面最下方的Enter。
点进去以后会到下面这个界面
点击绿色的 Select Course/Item （就是上图那个位置，出现这个绿色加号说明能选），就可以进入选课界面（抢课时一般是好多门课同时抢）。
点击Select，然后用最快速度点击浏览器弹出的提示框里面的确定，提示框的位置因浏览器不同而异 (图片内容与本次抢课无关，仅展示界面)
选课完成后如果想修改，点击Replace按钮，即可更改。不要点击drop！*（Test Run 可以点着玩，正式选课直接火葬场）
Ps. 名额满了的课显示Full，可以选择Waiting List; 可选课程和已有课程时间冲突的课显示Time Clash，无法选择(直接变灰)。
关于Waiting List： 如果一门课已经被选满，那么你可以选择“Join The Waiting List”（跟绿色的Select一个位置），但不能选择别的课程（就是一直要在列表里等着），你会得到你的排队号码。 Waiting 人数因课而异，有可能排个大几十的也说不定 有人可能排二三十位也能排上，有人可能前面就仨但死活排不上。各位自己权衡吧~
Waiting List示意图：
注意：如果有多轮抢课机会（比如上午第一轮抢课，下午第二轮抢课），那么第一轮如果没抢到心仪的课程，可以先排上waitinglist，下午在第二轮抢课开始时再抢一次（每一轮开放时会有新的名额）。
大一上学期课程设置及需要选择的课程
| 微积分1 | Calculus 1 |
| 线性代数 1 | Linear Algebra I |
| 会计学原理 1 | Principle of Accounting 1 |
| AI素养导论（直译） | Introduction to AI Literacy |
| 学术英语 1 | English for Academic Purpose I |
| 健康生活方式（体育课） | Healthy Lifestyle |
| 通识课程-量化思维（直译） | GE - Quantitative Reasoning |
| （斜体加粗的课程是需要选的课程） |
可能用到的简称：
- TA = Teaching Assistant 助教
- LA = Linear Algebra 线性代数
- EAP = English for Academic Purpose 学术英语
- POA = Principle of Accounting 会计学原理
- MR = Major Require 专业必修课
- ME= Major Elective 专业选修课
- FE = Free Elective 自由选修课
- GE = General Education 通识教育课程
每周课程：
体育课2h； AI、EAP、POA各2+1h； LA、calculus各2+1+1h；
GE 可能2+1h或者2+1+1h。
Ps. 2+1指一次2小时的课+一次1小时的课； 2+1+1 指在2+1的基础上再加一节TA课。 TA课一般不标注在课表上，在第一周的课上助教们会与大家协商TA课的时间。 TA课可以选择不出席，但是听总比不听好（线代和微积分的TA课一般是讲点作业and考试题，也有可能用中文把知识点再讲一遍）
待选课程信息
体育课
这些是今年给FM开设的体育课。有些课程今年没开或者没给我们专业开班，这些课程在以后也是有机会选的。
通识教育 (General Education, GE)
本学期GE课的主题是Quantitative Reasoning（直译的话叫量化思维），共有四门课程可供选择：
A Journey with Data：
Pre-requisite(s): None (3 units)
Course Description: The purpose of this course is to help students realise how data is transformed into a valuable asset and how living in a data-driven society changes their daily life. This course introduces the four stages of data evolution: data, information, knowledge, and insight. Each stage explains different characteristics of data, so students will be able to handle data and interpret data analysis (data literacy) in a way that enriches their lives in a big data era. At each stage, data-related social issues related to data will be discussed in a way that broadens students’ point of view. Contrary to the overall perception of students, being data literacy is not difficult. In this course, students will learn how to use a very easy but powerful data handling tool rather than learning complex coding and mathematical formulae. Using the data handing tools, students will learn the process of transforming data into a meaningful asset, to actively experience the benefits of data literacy.
数据之旅：
先修要求（无）（3学分）
课程描述：本课程旨在帮助学生理解数据如何转化为宝贵资产，以及数据驱动社会如何改变日常生活。课程将系统讲解数据演进的四个阶段：原始数据、信息、知识与洞察力。每个阶段都会解析数据的不同特性，使学生能够以更高效的方式处理数据并解读分析结果（即数据素养），从而在大数据时代提升生活品质。课程还将探讨与数据相关的社会议题，拓宽学生的认知视野。与普遍认知不同，掌握数据素养并非难事。本课程将教授一款简单易用的数据处理工具，而非复杂的编程代码和数学公式。通过该工具，学生将亲身体验数据如何转化为实用资产，切实感受数据素养带来的实际效益。
Hands on Data Analytics for Everyone：
Pre-requisite(s): None (3 units)
Course Description: This course provides students with basic knowledge and skills to manipulate and analyze quantitative data. Basic concepts of the whole life cycle of data processing from data acquisition, data cleansing, and data mining to data interpretation/visualization will be covered. Emphasis will be given to the learning modern computer software to handle both small and big data. By walking through real world examples from various disciplines, students will learn skills on how to understand, interpret, critique and make decisions based on facts and data. Theories on mathematical modeling and statistics will be mentioned when necessary but not emphasized. Students from all majors would benefit from the course by relating data analytics skills to problems in their own field of interest.
数据分析实战初阶：
先修要求：无（3学分）
课程描述：本课程旨在培养学生处理和分析定量数据的基础知识与技能。课程将系统讲解从数据采集、清洗、挖掘到解读/可视化等数据处理全生命周期的基本概念，重点培养运用现代计算机软件处理小规模与大规模数据的能力。通过跨学科真实案例教学，学生将掌握基于事实数据进行理解、解读、批判性分析及决策制定的技能。课程将适时涉及数学建模与统计学理论，但非重点内容。各专业学生均可通过将数据分析技能应用于自身感兴趣的领域问题，从中获益匪浅。
Statistics in Our Daily Life:
Pre-requisite(s): None (3 units)
To make students realize that we are surrounded by data and the importance of statistical literates to interpret these data and make informed decisions based on data. Statistical methods will be presented with a focus on understanding both the suitability of the method and the meaning of the result. Critical thinking and interpretation will be stressed and statistics concepts and controversies will be discussed in depth. Students are required to use Excel to solve real problem in group projects and present the related results.
日常生活中的统计：
让学生意识到我们被数据所包围，以及统计素养在解读这些数据并基于数据做出明智决策方面的重要性。我们将重点介绍统计方法，着重理解方法的适用性及结果的意义。课程将强调批判性思维与解释能力，并深入探讨统计学概念及其争议。学生需要使用Excel在小组项目中解决实际问题，并展示相关结果。
Data analytics for business：
Pre-requisite(s): None
Course Description: This is an introductory data analytics course designed to give students the ability to evaluate business problems using descriptive and inferential statistics. Topics will encompass sampling techniques, descriptive statistics and data analysis, hypothesis testing, regression and forecasting. Learning objectives for each topic are reinforced with business problems and/or small case studies. On successfully completing this subject, students from different disciplinary will be able to: (1) Demonstrate a basic understanding of theories and concepts of statistics especially in business scenarios. (2) Emphases on what, how, when and why certain statistical methods can and cannot be applied for business problems. (3) Solving real business problems by statistics software SPSS. (4) Fostering knowledge in statistics and awareness of some phony statistics around us and the problem of credibility of some claims
商业数据分析：
课程简介：本数据分析入门课程旨在培养学生运用描述性统计与推断性统计分析商业问题的能力。课程内容涵盖抽样方法、描述性统计与数据分析、假设检验、回归分析及预测模型等核心模块。每个主题的学习目标均通过实际商业案例或小规模案例研究进行强化。完成本课程后，跨学科学生将能够：(1)掌握统计学理论与概念的基础知识，尤其关注商业场景中的应用；(2)理解各类统计方法的适用场景、实施方式、时机选择及适用限制；(3)运用SPSS统计软件解决实际商业问题；(4)提升统计学素养，识别统计学领域的虚假数据，并理解某些声明的可信度问题。
以上内容摘自Course Description
课程点评
体育课的的测评，都是根据我或者身边朋友的上课体验总结而来，并未覆盖到全部课程，仅供大家参考。GE课的部分，由于近年来承教老师的变化较大，仅凭我个人力量难以收集全面详实的信息，大家可以参考FM专业学生会收集的测评。
关于体育课
所有体育课都有技能考核，但占比不会超过课程总成绩的30%，所以纯小白也不用太担心。
所有体育课都有20小时运动打卡。
关于体育打卡：一般来说，20小时运动打卡要求：每周至少1.5小时，上限6小时，且必须连续打卡（即从第一次打卡到打满时长这段时间内，每周都必须有至少 一次打卡记录，如果出现间断，即重新开始累计时长）。具体打卡要求还要看第一节课老师的说法，每种课甚至每个班都可能有所差异。
TIP：打卡也可以很轻松，比如去机厅打舞萌，可以在手环上留下高强度运动记录的同时还能轻松打够时长（）几乎所有体育课都要求800m/1000m测试（大部分课程会占到课程总成绩的10%）。 现存仅有两门课不需要800/1000：Outdoor Leadership and Kayaking（有条件）
所有具有中国学籍的学生都要参加每年11月的体质测试，如果不想跑800/1000，不建议本学期就选800/1000 free 的课，海本随意。
下面是一些课程内容和老师评价：
羽毛球（Badminton）: 上课学一些基础动作，发高远球，发小球，高远球对打（如果时间足够也会教一些进阶动作）；考试也是考这些内容
啦啦操（Cheerleading）期末要自己排动作然后跳出来 选课的大多是女生，男生选可能有奇效（也不一定）每节课学四个八拍内容有考试个人+小组（小组要编排队形有要求）老师很好 有舞蹈基础更佳
中国气功（Chinese Health Qigong）：认真上课，能记得住动作，会如何发力（学过舞蹈武术啥的比较推荐），就给分ok，平时强度挺低的 健身（Fitness）：相当于每周两小时免费健身房，考试有跳绳和立定跳，平时如果没有撸铁的习惯慎选 考试（800/1000+跳绳+仰卧起坐+）
定向越野（Orienteering）：会有定向越野的理论知识和实践部分，对体力有要求，因为要跑来跑去
橄榄球（Rugby）：适合完全没有基础的小白，长传短传还有踢球都会详细教学，不用担心没有学过，课堂上的氛围很好，会组织比赛，课下基本不会有额外的练习 考试就是长传球短传球和踢球，每节课都会练习
皮划艇（Kayaking）：巴哥的课值得信赖！既有理论又有实践，但是巴哥很看重参与度，就好好表现吧。
户外领导力（Outdoor Leadership）：会教一些户外的基础知识，户外决策，山地行进，急救这些东西；期末考核要自己规划路线，然后走完。
萨尔萨舞（Salsa）：比 reggaeton 更优雅一点，在 final 会有舞会，要邀请舞伴一起来跳舞。听说老 师人还不错。以上过zumba课的经验来说，salsa 比reggaeton 的点难踩的多。有拉丁 基础或者节奏感比较好有优势。考试：打节拍+双人（自己编）+小组（自己编排）（有一学期可以仰卧起坐和八百二选一，现在不知道）
乒乓球（Table Tennis）：有一定基础更好，但老师会从 0 开始教。期末考就是定点发球和左推右攻，记得找个好一点的队友。（难抢） P.s. 乒羽足篮排这些球类运动都是建议有点基础再报，虽然不一定会拿低分，但是体验感会差一些。
高尔夫（golf）：费用980，要去外面的地方学（路程有点远）但是老师很好给分也很 好不建议在这门课前后安排课上会回不去
极限飞盘（Ultimate frisbee）：比较有趣，但是拿高分的话可能有点基础的或者上课有天赋一下就会的 更容易拿高分;注意这个飞盘并非来回扔着玩的那种飞盘，而是竞技飞盘，需要在半个足球场大的场地3V3来回跑。期末考核有两项：一是长传，就是扔一个盘超过35米女生就满分（没记错的话）还有折返接盘传盘 9个还是10个满分
网球（Tennis): 朋友们觉得这门课上起来氛围挺好的，大家一起学一起约着打球，没有那种跑跳的动作就不累，可以几乎一直站着打球。没有基础也可以拿高分。从我的角度看，这门课认真上课、课下认真练习就可以满分，给分有量化的标准，达到了多少就能拿多少分。
自卫（Self Defence):给M准备的课程比较硬核但只需要技巧不怎么吃力量的一门课，期末考试项目主要是逃脱、翻滚、揍假人、擒拿等等，但是学习技巧的过程中比较痛苦（以逃脱为例，最简单的一项是用粗胶布把你的双手扣在背后缠紧20圈，然后靠你自己的技巧挣脱），但只要技巧得当，期末拿高分就很轻松。而且女生力气小，老师对女生打假人的力度要求会比较低。
普拉提（Pilates):给分一般，大概率B+，但课程很轻松，巨轻松，不累,期末考试也简单
瑜伽（Yoga):同上
关于GE课
本学期Quantitative Reasoning系列的四门课程总共开了16个班。按照每班六七十人的配置，也有将近一半的新生在上这些课。因为这些课程是面向全体同学的，所以涉及数学和统计的部分不会特别困难，尤其是对于我们理科生来说。所以大家可以按照个人喜好来选择课程。至于说各位老师风格怎样给分如何，大家可以看FM专业学生会整理的测评。同一门课不管哪个班都会布置同样的任务，遵循同样的评分细则（Rubric）。至少在给分方面，各个老师之间主观因素的差异也不会特别大。
一个个看：
A journey with data： JEONG是韩国老师，人还不错，但会考勤，pre 占30%，report 占20% Fong 同时有担任计算机的课程（但好像不会说国语）Ms.Yan-YanJI是lecturer，评价有点两极分化，好的 说她人很好（很耐心温柔的女老师），也有说不好的（我觉得她教我的数据结 构一般般）。她这门课的pre听说占50%，有点口音。听说没期末quiz也很简单 课程不难 没有final 课堂会有一次小测考
Data Analytics for Business Qiong Li得到的好评比较多，ELSAWAH会有口音，宋老师属于讲课有点喜欢对着ppt读但是私底下人确实很好很有耐心。
Hands on data：课是好课，能学到东西，老师人很好，期末有个project要认真做，final也不难，都有考纲。都为DS的老师，其中ChenDonglong大量推荐（DS新晋系主任）(人非常好， 就是你有什么问题再简单他也会很耐心的解答），LiZhijian也不错，老师很温柔，有什么问题都很好说话。 HuYijia评价有好 有坏要学Knime不难 gpa是：小组pre+小测+期末考+日常作业 都为统计的老师，Qiong Li得到的好评比较多，
保留Mordred学长的建议： 按一个班50个人算，24x50=1200，将近有一半的新生都要在这学期上这门 课，而FST 的学生应该是没有这么多的。也就是说，会有别的学部的同学和我 们一起上课。众所周知，一旦‘statistics’或者‘data analytics’带上非 DST 学部的学 生，往往这门课的难度或者数学浓度就不会过高（相对 FM课程难度）。按去 年经验，就是一些基础的统计课程。大家可以放心选择。而且会参入一定比例 的概念或者文字性的东西。 但毕竟是3分的课程，请认真对待 今年大家handbook里在后面有‘Probability Theory’ 和 “Mathematical Statistics”。 而统计是在 FM 本科阶段的其中一个重点，所以就相当于这门课是 四年统计相关课程里的基础中的基础课，大家还是好好学吧，后面会反复用到滴。
另一位不愿意透露姓名的学长：注意，商业数据分析这门课虽然不会很难，但是跟其他三门GE课比起来难度是明显要高不少的（其他三门课一学期压根学不到什么数学知识）。此外每周会有两次作业，一学期还有三场考试（其他GE课好像很多压根没有作业）。适合想提前了解大二知识的同学们选，确实可以起到一个预习的作用，但是一定也会累的多。
GE课一定一定要组队抢！所有GE课都有小组课题要做，在期末中占比很高！如果没有靠谱的人跟你组队，很可能会被其他专业的野排队友坑的很惨！建议至少三个熟人一起抢一门GE课
关于FE课
FE即自由选修课（Free Elective），根据handbook，大家会在大二下学期，大三上/下学期各有一门自由选修课，在大四学年两个学期各有两门，这个学期是没有滴。自由选修包罗万象，像是python还有各种小语种都属于FE。编者相信大家到大二下的时候已经建立起自己完善的信息网络，也就不需要在这里浪费笔墨了。
抢课的一些方法论
收集信息：几个常用的渠道
- 学长\学姐、组爸\组妈
- 微信公众号：例如HardCore硬核精进者
- 校园墙（上面内容多且杂，一般抢课前几天会有人集中询问课程）
- 小红书上也能搜到一些课程相关的信息
毕竟是为了自己将来一个学期的幸福，该打听就打听，don’t be shy
使用Google Chrome或Firefox或Microsoft Edge浏览器还不错
关于抢课顺序：由于大家就只需要抢两门，顺序大家可以自行决定。但通常来说，热门的Healthy Lifestyle 会比 GE 更早被抢完， 大伙儿可以根据自己的喜好决定。
课程在列表中的位置是定死的不会变的，一般是按编号顺序依次排下来的；仔细观察每一门你想抢的课在什么位置，心里有个数。
准备plan的方法介绍（展示一些以往学长学姐的plan）：
抢课时的操作流程
选课前 15-20 分钟可以进入MIS Course Selection界面，点击进入；
在浏览器中打开 4到5个 选课界面（右击链接，选择“在新标签页中打开链接”，重复多次）注意是点了Select Course/ Items之后，可以看到课程名单的页面，千万不要在显示Select Course/ Items的页面死等
将以上网页按你的抢课顺序（自己决定）从左到右依次排列好，课程是按首字母顺序排序的；
把界面中的选课列表，上下拖动到要抢的课附近（刷新不会改变清单的位置）；
鼠标停留在目标课程的放大镜按钮附近，但不要点击放大镜；
抢课前五分钟用开始有节奏地刷新，可以用 F5快捷键或Fn+F5 也可以直接右键刷新。曾经有过抢课比通知时间提前两分钟开始的情况，如果有务必把握住千载难逢的机会
抢课前两分钟逐渐开始增加刷新频率，若出现卡顿或潜在卡顿，立即切备用页待命， 同时观察原页面加载出来所耗的时间；
抢课前15s开始连续刷新不要停（可能比准点早几秒）。看到一整排绿色按钮出现立马开抢，千万别按错，点击select，再点击确认按钮；
抢完某个类别的那一门课后，千万不要有任何的犹豫或喜悦， 也不要有任何多余操作，化身无情的抢课机器，立即切换到下一个网页（我们不是开了4-5个网页嘛，这个时候派上用场咯）抢下一门课。一定注意：不需要点击第一门选课成功的提示框回到上一界面，这样我们通过操作赚取的宝贵时间差。 在下一界面直接刷新开抢，和之前一样点击 select+确认按钮完成选课，然后同理进入下一门。
***心态稳住，平常心对待！***如果没抢到Plan A别气馁，时不时登到MIS上，新生bb们 经常来回切换课程，所以很有可能捡到漏 而且还有add & drop阶段（又是一个非常好玩的系统）可供我们调整课程！
可以选择在宿舍（WIFI至少50M，最好100M且自信），图书馆或者去学校机房抢课哦
【4G/5G说不定有惊喜，大家各显神通叭】
【还有用校园Wi-Fi抢到Plan A的呢，别问，问就是信任】
（机房要早一点点去，不然没位置，带个充电宝，带本书消磨时间都可以考虑）
机房的坏处也很明显，他不能保存密码，且可能会有很多怀揣着同样想法的朋友们提前把机房占了，有一定的风险！而且那天网速大家有目共睹，dddd 登录机房电脑所用的账号是你带字母的学号（和 MIS 一样），密码也是嗷！ 机房地点：T6-103 , 金数实验室T8-304 (金数实验室开机无需账号密码)
最后：
附常用网站：
- Portal：https://sso.uic.edu.cn/#/login
- MIS：https://mis.uic.edu.cn/mis/login.jsp
- ISpace：https://ispace.uic.edu.cn
- 教务处（AR）官网：https://ar.uic.edu.cn/
（FM专学推出了常用网站使用导览，很全面！很方便！很实用！扫码关注FM专学谢谢喵）
Jinsui, Laura and Ryan authored on September 1, 2025
后记
写下来这么多，只是打个样板，以后自己选课时可以怎么做，可以按照我的思路去做（时间合适-内容合适-老师合适），也可以自己去摸索。找什么资料，问什么人，作什么考虑，哪里有资料，哪里可以问到人，都是要学会去做的。当然了，我相信你的组爸组妈都会很热心的帮助你，但也不应当去依赖他们。收集信息是在BNBU的必备技能。毕竟BNBU没有烦人的辅导员，没有人天天盯着你，当不再有一个媒介特意帮你转达信息的时候，学会自己做准备和留意各种信息才是最好的方法。
关于选课方面，无非就两种考虑，“GPA”与“学到东西”。当然啦，前者后者 也无高低之分，两全其美当然最好，组爸也没有办法给你们答案。就好比说 Python 有必要吗，不同的人给的答案可能会不一样。在我看来，如果这一门课 能对自己有帮助，且他给我带来的风险在我的可承受范围之内，我都可以接 受。Minor，转系也是，两者既要平衡也要抉择，人生不就是在权衡机会成本中 度过的吗。
我希望，大家既然来到了金数，不妨先好好感受一下这个专业，对这个专业有没有感觉，符不符合你的认知，能不能学下去，能不能赚钱。毕竟路还挺长的，大一还可以多多尝试一下。
读到这里，不知道你有没有好奇，这位Mordred究竟是何许人也。他是这个抢课指南的首创者。在这份选课指南问世之前，他已经编写了三版选课指南，为新加入FM大家庭的小伙伴们提供帮助，而这份指南的几位现任编者也曾是其中的一员。刚来到BNBU的时候，身边的一切都是新鲜而陌生的。对于一名新生，在这种信息极度匮乏的条件下做出择课的选择，确实要冒着很大的风险。但是当时有一份保姆级的选课指南被递到手中，确实帮我从一团浆糊中梳理出来了一条比较清晰的主线。在此，编者们再次向Mordred学长致敬！
文件列表
下载说明
- 点击文件旁边的 "下载" 按钮下载单个文件
- 点击文件夹旁边的 "下载文件夹" 按钮下载整个文件夹（ZIP格式）