香港中文大学（深圳）数据科学硕士【录取】
发布时间：2024-12-19
录取详情
| 录取专业中文名称 | 录取专业英文名称 |
|---|---|
| 香港中文大学（深圳）数据科学硕士 | Master of Science in Data Science |
| 收到结果 | 录取时间线 |
| 录取 | TL：10.7—12.19推研 |
| 录取背景 | 985，大四在读，统计学，GPA 87.29/100，雅思6.5（6）。其他申请优势：五段科研经历，两段实习经历 |
专业介绍
随着社会的不断发展，对能够有效利用，处理，分析并深入剖析大数据的专业人才的需求正快速增长。因此，数据科学专业已在商业，自然科学，生命与医疗科学，以及其它科研领域受到广泛的关注。本硕士课程项目旨在融合数据科学的基本理论、数据采集与管理、数据分析及高可扩展性的知识发现等专业知识和技能，为学生在大数据科学及其分析领域打下扎实基础。
数据科学理学硕士项目学制1.5年，毕业生将习得最尖端的大数据处理技术，并接触到支撑大数据技术的前沿理论与方法。 此外，学生将在毕业前参与一个实际研究课题项目来展示他们在商业、政府、安全、医疗、生物、自然科学、环境等领域中能够熟练运用数据科学的基本概念来设计创新的方法及应用。
专业相关信息
| 专业名称 | 2026 Fall 申请时间 | 学费（当地货币） |
|---|---|---|
| 香港中文大学（深圳）数据科学硕士 | 第一轮 2025年9月10日 - 2025年11月30日 第二轮 2025年12月1日 - 2026年2月28日 第三轮 2026年3月1日 - 2026年4月30日 | 288000元 |
| 语言要求 | 2025 Fall 申请时间 | 学制 |
| 雅思6.5，托福79 | 第一轮：2024年10月1日—2024年11月30日 第二轮：2024年12月1日—2025年2月28日 第三轮：2025年3月1日—2025年4月30日 | 2年 |
| 更多内容 | GMAT/GRE 要求 | 关注 "Mastermate" 官方公众号（详见页面底部二维码）, 回复关键词【指导书】免费获取最新留学申请手册 | 不要求 |
课程内容
| 序号 | 课程中文名称 | 课程英文名称 |
|---|---|---|
| 1 | 机器学习 | Data Mining |
| 2 | ||
| 3 | 数据挖掘 | Machine Learning |
| 4 | ||
| 5 | 优化理论与建模 | Optimization and Modeling |
| 6 | ||
| 7 | 统计学理论 | Theory of Statistics |
| 8 | ||
| 9 | -Python编程 | -Python Programing |
| 10 | ||
| 11 | -数据库原理与开发 | -Database Principles and Development |
| 12 | ||
| 13 | -高级时间序列分析 | -Advanced Time Series Analysis |
| 14 | ||
| 15 | -医学影像与人工智能 | -Artificial Intelligence in Medical Imaging |
| 16 | ||
| 17 | -自然语言处理 | -Natural Language Processing |
| 18 | ||
| 19 | -图像处理与计算机视觉 | -Image Processing and Computer Vision |
| 20 | ||
| 21 | -应用回归分析 | -Applied Regression Analysis |
| 22 | ||
| 23 | -数值算法分析 | -Analysis of Numerical Algorithms |
| 24 | ||
| 25 | -人工智能 | -Artificial Intelligence |
| 26 | ||
| 27 | -应用并行编程 | -Applied Parallel Programming |
| 28 | ||
| 29 | -大数据建模与管理 | -Big Data Modeling and Management |
| 30 | ||
| 31 | -网络分析 | -Web Analytics |
| 32 | ||
| 33 | -数据可视化 | -Data Visualization |
| 34 | ||
| 35 | -区块链 | -Blockchain |
| 36 | ||
| 37 | -云计算 | -Cloud Computing |
| 38 | ||
| 39 | -金融科技理论与实践 | -Fintech Theory and Practice |
| 40 | ||
| 41 | -动态规划 | -Dynamic Programming |
| 42 | ||
| 43 | -随机过程 | -Stochastic Process |
| 44 | ||
| 45 | -深度学习及其应用 | -Deep Learning and Their Applications |
| 46 | ||
| 47 | -强化学习 | -Reinforcement Learning |
