中文名称：香港大学
外文名称：The University of Hong Kong
简 称：港大（HKU）
创办时间：1911年
所属地区：中国，香港特别行政区，中西区
学校类型：综合研究型大学
学校属性：公立大学
学校特色：中国大学校长联谊会、松联盟成员、环太平洋大学联盟、Universitas 21成员、AACSB、EQUIS认证
现任领导：林郑月娥（校监）、张翔（校长）
知名校友：孙中山、朱光潜、简悦威、萧荫堂、黎子良、米耀荣、沈向洋、陆锦标、张爱玲、何鸿燊、林郑月娥
校 训：Sapientia Et Virtus（明德格物）
官 网：https://www.hku.hk/
学院介绍
为了满足21世纪计算机和人工智能素养日益增长的重要性，香港大学认识到有必要让学生掌握必要的技能，以在日益技术驱动的世界中取得成功。
香港大学新成立的计算及数据科学学院包括现有的计算机科学系及统计及精算科学系。学院有大约60名著名科学家和800名研究生，提供14个学术课程。
该学院将通过跨学科整合，在计算技术、数学建模和统计推理之间创造强大的协同效应，这些已成为现代数据科学和人工智能的基石。通过结合计算机科学和统计学课程的互补优势，毕业于该校的学生将具有较强的分析和计算能力。
该学院还将成为一个蓬勃发展的跨学科学术和研究合作中心，促进与所有其他院系的合作，以利用现代数据科学和人工智能的潜力。
学校提供的研究生课程将为学生提供计算和数据科学技术的最新知识和技能，并让他们为行业和就业市场的需求做好准备。
这些课程将涵盖各种主题，包括但不限于数据科学、人工智能、网络安全、统计和软件工程。学校与行业合作伙伴密切合作，以确保课程是最新的，并与行业当前需求相关。
学科排名
参考2024QS世界大学排名榜单中的数据科学（Data Science)学科排名，以下是香港地区的具体排名：
香港科技大学：世界排名第10
香港大学：世界排名第25
香港理工大学：世界排名第32
香港城市大学：世界排名第39
开设课程
1、数据科学硕士
课程英文：Master of Data Science
课程时长：1.5年
申请截止日期：
第一轮：2024年11月4日
第二轮：2025年1月13日
申请要求：
学术要求：
学士学位或同等学历
申请人应至少修读了以下三门学科（微积分与代数、计算机编程及入门统计学）或相关领域的大学或大专证书课程
语言要求：
托福：总分80+
雅思：总分6.0+
课程费用：309,000港元,约合人民币284,786元
2、计算机科学硕士
课程英文：Master of Science in Computer Science
课程时长：1年
申请截止日期：
第一轮：2024年12月31日
第二轮：2025年4月11日
申请要求：
学术要求：
申请要求学士学位或同等学历
语言要求：
托福：总分80+
雅思：总分6.0+
课程费用：281,000港元,约合人民币258,980元
3、电子商务与互联网计算硕士
课程英文：Master of Science in Electronic Commerce and Internet Computing
课程时长：1年
申请截止日期：
第一轮：2024年12月31日
第二轮：2025年4月11日
申请要求：
学术要求：
持有本大学的学士学位
或持有本大学或其他为此目的而接受的可比院校的同等水平的资格证书
语言要求：
托福：总分80+
雅思：总分6.0+
课程费用：281, 000港元,约合人民币258,980元
4、统计学硕士
课程英文：Master of Statistics
课程时长：1年
申请截止日期：
第一轮：2024年11月4日
第二轮：2025年1月13日
申请要求：
学术要求：
学士学位或同等学历
申请者应具备矩阵和微积分、统计学入门和线性建模的知识
语言要求：
托福：总分80+
雅思：总分6.0+
课程费用：281,000港元,约合人民币258,980元
5、金融技术与数据分析理学硕士
课程英文：Master of Science in Financial Technology and Data Analytics
课程时长：2年（非全日制）
申请截止日期：
第一轮：2024年12月31日
第二轮：2025年4月11日
申请要求：
学术要求：
持有本大学工程或科学学科的学士学位
或持有本大学或其他为此目的而接受的可比院校的同等水平的资格证书
语言要求：
雅思：总分6.0+，单项不低于5.5
托福：总分80+
注意事项
数据分析师应该掌握的7项重要技能
01、编程
编程语言，如Python或R，是数据科学家排序、分析和管理大量数据所必需的。作为一个刚刚起步的数据科学家，应该了解数据科学的基本概念，并开始熟悉如何使用Python。流行的编程语言包括：
Python
R
SAS
SQL
02、统计与概率
为了写出高质量的机器学习和算法，数据科学家需要学习统计学和概率。对于机器学习来说，使用线性回归等统计分析概念是必不可少的。数据科学家需要能够收集、解释、组织和呈现数据，并完全理解均值、中位数、模式、方差和标准差等概念。以下是不同类型的统计技术：
概率分布
过采样和欠采样
贝叶斯与频率统计
降维
03、数据管理和数据库管理
数据管理是清理和组织复杂的数据集，使其更易于访问和分析的过程。操作数据以按模式和趋势对其进行分类，并纠正任何输入数据值可能会很耗时，但对于做出数据驱动的决策来说是必要的。
这与理解数据库管理有关，需要从不同的源提取数据，并将其转换为合适的格式以供查询和分析，然后将其加载到数据仓库系统中。数据管理的有用工具包括：
Altair
Talend
Alteryx
Trifacta
Tamr
数据库管理工具包括：
MySQL
MongoDB
Oracle
04、机器学习和深度学习
作为一名数据科学家，需要沉浸在机器学习和深度学习中。纳入这些技术有助于提高作为数据科学家的能力，因为将能够更有效地收集和合成数据，同时还能预测未来数据集的结果。
例如，可以根据前一个月的数据，使用线性回归预测公司将有多少客户。之后，可以提高知识，包括更复杂的模型，如随机森林。一些机器学习需要了解的算法包括：
线性回归
逻辑回归
朴素贝叶斯
决策树
随机森林算法
K近邻
K均值算法
05、数据可视化
不仅需要知道如何分析、组织和分类数据，而且还需要培养数据可视化方面的技能。能够创建图表和图形对于成为一名数据科学家非常重要。
凭借强大的可视化技能，您可以向利益相关者展示您的工作，从而让数据讲述令人信服的商业洞察故事。熟悉以下工具应该能让你做好充分准备：
Tableau
Microsoft Excel
PowerBI
06、云计算
作为一名数据科学家，您最有可能需要使用云计算工具来帮助您分析和可视化存储在云平台中的数据。一些认证将特别关注云服务，如:
Amazon Web Service (AWS)
Microsoft Azure
Google Cloud
这些工具为数据专业人员提供了访问基于云的数据库和框架的机会，这些数据库和框架对于技术进步至关重要。它们现在被用于许多行业，所以在数据科学中熟悉云计算背后的概念是很重要的。
07、人际交往能力
培养沟通等职场技能，以便与团队成员建立牢固的工作关系，并能够向利益相关者展示你的发现。正如数据可视化对于传达作为数据科学家发现的数据洞察力非常重要一样，能够成功地与团队协作也是如此。以下是可以建立的人际关系技巧：
主动倾听
有效的沟通技巧
分享反馈
注重细节
领导
公众演讲
数据科学的方向
数据科学的常见方向：
分析和建模
分析管理
应用程序
人工智能
大数据信息学
业务分析
计算智能
数据工程
技术创业
数据科学的申请要求
要获得数据科学硕士项目的资格，通常需要在认可机构获得学士学位。最好是数据科学或相关领域的学士学位，如计算机科学、网络安全、数学或统计学，但并非总是必需的，许多项目接受来自不同背景的学生。
每个程序设置不同的规定。例如，有些人可能希望在开始之前对数学和计算机科学有一定的了解。
根据申请的项目，可能还需要简历、意向书、推荐信和最低GPA。其他课程可能要求完成一门或多门硕士级课程，并取得最低成绩后才能报名参加完整课程。
数据科学工作
数据科学家
数据科学家从数据分析师和工程师那里收集数据，并使用高级工具进行进一步分析。在这个角色中，使用统计学和概率的原理来发现数据中的模式，并做出预测，以便企业能够做出明智的决策。
数据分析师
作为数据分析员审查数据以查找客户群的趋势和特征，并创建可快速处理和解释的数据集。作为一名数据分析师，需要寻找可用于公司和组织解决方案的模式。
数据架构师
数据架构师负责设计用于处理信息的策略、模型、技术和系统。
数据工程师
作为数据工程人员准备用于分析和操作的数据。构建数据管道，将数据集传送给分析人员和科学家，然后进行处理。
数据科学与分析经理
数据分析经理将团队中的多项任务合并为一个更广泛的数据项目而进行协同工作。该专业研究并构建数据收集、信息分析和解决问题的方法。
商业智能分析师
一个业情报分析师审阅数据，并编制金融和市场情报报告。这些报告是用于模式识别和发现市场趋势，用于公司的财务决策。
机器学习工程师
机器学习的工程师创建数据过滤器和软件解决方案。需要高水平的编程和数学分析技能以及设计、构建和维护机器学习系统和软件的能力。
统计员
统计员的工作是收集、分析和解释数据，以发现趋势和识别模式，供上级决策和确定优先次序。
【竞赛报名/项目咨询请加微信：mollywei007】
