1. <center id="ypkuj"><wbr id="ypkuj"></wbr></center>

        1. <legend id="ypkuj"><input id="ypkuj"></input></legend>

            項目簡介
            課程設置
            顧問解析
            錄取報告
            視頻講座
            留學資訊
            成功案例
            預約咨詢
            大數據科技理學碩士
            Master of Science in Big Data Technology
            工科
            計算機
            項目簡介
            課程設置
            顧問解析
            錄取報告
            視頻講座
            留學資訊
            成功案例
            預約咨詢
            項目簡介
            專業方向
            計算機
            專業排名
            1
            入學時間
            9月
            項目時長
            1年
            項目學費
            220000港幣/年
            <p> 大數據科技的興起,正在改變我們的社會與商業模式,以及工程與科學的發展。理學碩士(大數據科技)課程由香港科技大學工學院計算機科學及數學系合辦,把不同的學科整合起來,讓學生了解大數據科技的所有重要特點,以及如何把它應用在現實社會中。 香港科技大學理學碩士(大數據科技)課程旨在教導學員了解大數據和其相關方面,使學員熟悉大數據系統的作業流程和其對社會的影響。 </p>
            申請要求
            具有計算機工程,計算機科學,數學或相關領域背景,其他專業背景需要具備信息技術或數學相關領域相關工作經驗
            語言要求
            類型
            總分要求
            小分要求
            雅思和托福語言考試分為閱讀、聽力、口語、寫作4個部分,除總分以外,每個部分會有單獨的小分。部分專業除對雅思和托福有總分要求外,會有單獨的小分要求。其中L代表聽力,R代表閱讀,W代表寫作,S代表口語。
            雅思
            6.5
            L:5.5 | R:5.5 | W:5.5 | S:5.5
            托福
            80
            /
            申請時間
            2023Fall
            2022-09-01
            開放時間
            2022-12-01
            Round1
            2023Fall Round1

            開始時間:2022-09-01

            結束時間:2022-12-01

            申請已結束

            2023-03-01
            Round2
            2023Fall Round2

            開始時間:2022-09-01

            結束時間:2023-03-01

            距申請截止還剩85天

            課程設置
            序號
            課程介紹
            Curriculum
            1
            數據分析基礎
            Foundations of Data Analytics
            2
            數據挖掘與知識發現
            Data Mining and Knowledge Discovery
            3
            大數據計算
            Big Data Computing
            4
            數據分析數學方法
            Mathematical Methods for Data Analysis
            5
            數據可視化
            Data Visualization
            6
            金融時間序列的定量分析
            Quantitative Analysis of Financial Time Series
            7
            優化和矩陣計算
            Optimization and Matrix Computation
            8
            社會計算概論
            Introduction to Social Computing
            9
            并行程序設計
            Parallel Programming
            10
            成像:數據分析和模式識別
            Imaging: Data Analytics and Pattern Recognition
            11
            高級統計學:理論和應用
            Advanced Statistics: Theory and Applications
            12
            機器學習
            Machine Learning
            13
            統計預測
            Statistical Prediction
            14
            獨立研究項目
            Independent Project
            顧問解析
            <p>港科大工學院在2022年QS的CSIS方向排名中位列全球29,香港第2,而BDT是港科大工學院(SENG)的王牌專業,由工學院下屬的CSE系(Computer Science and Engineering)和理學院的數學系合辦。就授課型碩士項目來說,全港的計算機與數據科學相關的項目中,BDT和港大的DS項目對標,屬于Tier1。</p> <p><b>課程設置</b>:BDT修滿30個學分即可畢業,一門課3個學分,即要修滿10門課即可申請畢業。大多數同學都選擇一年分兩個學期上完,也有小部分同學選擇1.5-2年畢業。項目的課程涉及到的基本是數據科學方向的課程,不過畢竟是由計算機系來主導的項目,所以整體不會太偏數學,而是將CS作為主導的概念貫徹到項目里,這點和港大有所區別,港大DS是由數學/統計學院主導的,所以BDT相對會更偏實踐、代碼導向。</p> <p><b>就業服務</b>:BDT作為授課型項目,整體以就業為主。CSE很注重和工業界的接觸,校內有很多和著名企業合作的實驗室,比如微信-港科大人工智能聯合實驗室、港科大-迅雷區塊鏈聯合實驗室等等,合作項目也有很多。此外,港科大的廣州校區近兩年也開始招生,機會還是有很多。當然,也有不小一部分同學選擇尋找深造的機會,大家可以通過Independent Project選心儀的老師和課題方向,做出成績后進一步“套瓷”,也可以通過課程以及其他活動接觸老師。</p> <p><b>招生特點</b>:生源方面,BDT的學生絕大多數來自三種類型的本科:大陸985或211高校,大陸的中外合辦學校以及境外本科,大部分為大陸的985或211高校學生。其中985和211的比例大概為4:1左右,均分大多在85左右。從本科和標化成績等來看,同學們都比較優秀。就大陸學生申請而言,985/211在85左右會比較有把握,如果均分稍差,在實習/科研/競賽三方面成績不錯也有一定的加分。招收的學生主要來自計算機相關專業和數學統計相關專業,對于計算機的同學,在BDT課程中可以學到很多Data Science技術并且夯實Machine Learning和Deep Learning方面理論基礎;對于數學統計的同學,BDT的課程可以讓你得到很多AI和DS方向的實踐經歷,提升代碼能力。</p>
            展開全部
            留學資訊
            預約咨詢
            預約咨詢
            關注指南者留學公眾號
            下載指南者留學App
            預約咨詢
            登錄
            立即領取
            亚洲图片A片
            1. <center id="ypkuj"><wbr id="ypkuj"></wbr></center>

                1. <legend id="ypkuj"><input id="ypkuj"></input></legend>