留学中介

数据科学（Data Science）是一门利用数据学习知识的学科，其目标是通过从数据中提取出有价值的部分来生产数据产品。作为新兴的交叉学科，数据科学结合了诸多领域中的理论和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库、以及高性能计算等。数据科学可以帮助我们如何正确高效地处理数据，并协助我们在商业竞争、医疗、社会科学、人类学等领域进行研究调研。

身为香港排名第一的香港大学，也跟上时代的步伐，在2017年下半年开设了MSc in Data Science专业，首批学生于2018年秋季入学。香港中文大学深圳校区2018年也迎来了第一批学生。新加坡国立大学2019年底新增了数据科学与机器学习专业，下面让我们一起来了解一下吧。

University of Hong Kong：Master of Data Science

香港大学的数据科学专业是统计精算学系与计算机系共同开设的。

培养目标和课程设置

作为交叉学科，该项目旨在提升计算机技术、运筹学、统计模型的运用能力，为公司企业机构进行决策模拟，解决问题的能力。

该项目时长一年半，共需修读72学分，其中36学分的核心课程，24学分的选修课程和12学分的毕业设计组成。

必修课六门：计算智能与机器学习，统计推断，高级数据库系统，深度学习，高级统计建模及时间序列预测；除此之外，学生还必须选择courses with at least 12 credits from List A and 12 credits from List B。课程设置均衡、全面，包含统计与计算机的概念及运用方法。

List A

List B

项目费用：HK$252,000

开学时间：2020年9月1日/2021年1月18日

申请要求：该项目要求申请者修读过微积分、统计学、线性代数、以及计算机编程课程。

面试情况：有2h笔试（高数+编程+逻辑）+15min群面

笔试有10道选择题和1道编程(不限语言)。

面试问题：首先是轮流着自我介绍和回答问题

常见的问题：将来的打算（是想做professor还是出来工作）

ds在应用中的advantage和disadvantage

为什么选择HKU的该项目

最后问申请者有没有想提的问题

总结：本科学习理科、社科、工科、医学、信息系统、数据分析等都可以申请，录取院校以985为主，建议学生GPA 3.6+。

香港中文大学（深圳）：M.Sc. in Data Science

培养目标是统计编程分析+商科行业应用的复合型人才

港中深MDS项目提供了

• 商科+统计编程的复合背景
• 深圳市的互联网大厂和创业企业实习环境
• 以及足够的学校品牌知名度和就业资源

课程设置：数据科学理学硕士项目时长1年半到两年。学生也可以在就读期间参与到业界实习、实验室科研、海外交换，亦或修读更多课程，从而将学制延长至最多36个月。 

.

数据科学理学硕士项目2019届毕业生中，100%的学生在毕业的前两个月拿到工作录取通知书，且平均年薪为人民币27.44万，超过广东省研究生平均薪酬水平102.7%，超过深圳平均薪酬水平141.7%（根据南方人才市场发布的《南方人才年度广东地区薪酬调查报告》显示，广东省研究生平均薪酬为11279元/月，深圳市平均薪酬水平为9458元/月）。其中，最高薪酬为41万人民币/年，最低薪酬为19万人民币/年。

在选择就业的学生中，39%的学生进入了金融机构工作（微众银行、深圳证券交易所、交通银行总行、招商银行深圳分行等），分别有23%的学生选择了自己喜爱的科技型企业（蚂蚁金服、平安科技等）和科研机构（深圳市大数据研究院和中国移动雄安产业研究院西安分院），另外有15%的学生选择了快消和汽车行业。

NUS新加坡国立大学MSc in Data Science and Machine Learning

新加坡国立大学数据科学与机器学习理学硕士学位课程由理学院的数学系和统计与应用概率系、计算机学院的计算机科学系联合提供，工程学院和公共卫生学院也参与其中。

新加坡国立大学数据科学与机器学习理学硕士学位课程，旨在赋予学生特定行业/领域的数据科学与机器学习基础原理以及综合数据分析能力，以满足金融、医疗、制造业、电子商务和新能源等关键行业对大数据专业人才日益增长的需求。

本课程共计40学分，其中20学分为核心模块，20学分为选修模块，需1-2年完成。

核心模块课程包括：行业大数据概论、大规模数据驱动型推理的优化、机器学习基础、云计算、行业咨询和应用项目；

选修模块课程需要在下列2个或2个以上研究生证书类别中至少完成5个选修模块，这里可选择的专业方向有面向数据科学家的深度学习、行业数据挖掘、行业大数据、计算机视觉数据科学、定量金融数据科学、物联网数据科学、医疗保健数据科学课程组合、数学课程组合、统计课程组合、计算课程组合。

申请总结：数学、应用数学、计算数学、统计学和物理学等专业背景优先，工科其次；建议GPA3.7。

金融科技主要是指由大数据、区块链、云计算、人工智能等新兴前沿技术带动，对金融市场以及金融服务业务供给产生重大影响的新兴业务模式、新技术应用、新产品服务等。在金融领域，AI的侵入也导致大批金融公司开始争抢Fintech人才。为了适应市场需求，越来越多的高校开设Fintech相关专业。香港科技大学，香港中文大学相继开设了MSc in FinTech项目。在新加坡，南洋理工大学也开设了本国第一个金融科技硕士项目。下面要给大家介绍这些项目。

香港中文大学：MSc in Financial Techology

培养目标

通过香港中文大学金融科技理学硕士项目的系统学习，学生将掌握网络安全、分布式总帐系统、数据科学及人工智能等应用于金融及电子商务领域的专业知识，并广泛了解金融市场、金融工程、监管政策、合同和技术知识产权等金融法律领域的细节内容，从而具备解决实际问题的能力，为金融科技行业的健康发展做出贡献。

该项目开设在工程学院下，项目时长为1年，至少修8门课程，总共完成24学分才能毕业每年招生数量大约50人,要求理工科、金融商科等相关专业背景，数学基础扎实且至少掌握一门现代编程语言，学费250,000港币

课程提供三种学习模式供学生自由选择：

课堂模式：3门必修课+5门选修课

实习模式：3门必修课+4门选修课+3学分实习

论文模式：3门必修课+3门选修课+2学期2学分的论文项目

开设课程有：金融市场及工具，先进金融基础设施，应用区块链和加密货币，关于数据库系统的高级议题，计算金融概论，机器学习算法及其应用，用于机器学习和优化的在线算法，大数据分析，量化和算法交易，密码学、信息安全和隐私，网络系统中的安全与隐私，数字取证，电子商务的计算机模型，基本面衍生品交易策略

申请总结：偏好录取理工科背景学生，商科及管理背景学生希望面较小。

香港科技大学 MSc in Financial Technology

香港科技大学Master of Science in Financial Technology项目，是一个由工商管理学院，工学院和理学院联合运营的金融科技项目。科大是把该项目定位到一个新兴的多学科多领域的专业，专业主要的目的是利用新技术和金融创新来改善传统金融服务。

招生规模50-60人；学制方面，Full-time一年，Part-time两年，学费是30万港币。

毕业前要完成30个学分，课程设置如下：

必修课涵盖面比较广泛，从数据分析，机器学习，区块链等计算机领域的课程，到金融领域的证券股票估值，投资分析等。

选修课程从三个学院中选，在每个学院至少选修一门课程

申请总结：计算机、数学、物理等理工科学生会比较占优势，建议经济、金融专业的商科学生补课，会计、工管、市场、人力等常规偏管理背景的学生不占优势，建议GPA3.6+。

NTU MSc in FinTech

该项目由最负盛名的物理与数学科学学院和计算机工程学院共同开设，享受两个学院的师资力量与就业资源。同时来自金融界的资深高管也会带来第一手的业界信息。

课程以数据科学，人工智能和信息技术为基础，帮助学生掌握金融领域的领先技术，包括金融自动化（例如智能投顾）和金融密码学（例如区块链技术）。

南洋理工大学金融科技理学硕士项目全日制时长为1年,课程共33个学分，必修课程21个学分。

选修课程12个学分，其中6学分从Artificial Intelligence和Operations and Compliance两个分支中选择，另外6学分从其他选修课中选择。

面试常见问题

1 分钟自我介绍（老师会强调主要说说自己的职业目标）

之后就是非常 behavioral 的问题了，比如（包括但不限于）：有特别想去的公司吗？
未来的职业目标是什么？（自我介绍提了financial data analyst）学过哪些数学课程？金融学上过的课有哪些呢？学过 programming language都是哪些？怎么用的呢？

最后就是个人提问。

申请总结：量化、商科、工程等专业的学生都可以申请，2年以上相关工作经验会优先被考虑，优秀的GRE/GMAT是加分项，建议GPA3.7。