自主选拔在线特整理2025年香港中文大学（深圳）数据科学学院“十问十答”，包含发展历程、人工智能相关专业、就业等一系列内容，一起来看下吧。

推荐阅读：重点高校2025年综合评价招生简章汇总

2025年香港中文大学（深圳）数据科学学院“十问十答”专场直播回顾

　　发展历程

　　数据科学学院成立于2020年，始终以“培养AI时代领航者”为使命。历经五年发展，目前在校生规模已突破2700人，涵盖本科生、硕士生、博士生(含156名国际学生)，并拥有80余位全职教授，其中超过35%为院士、国际学会会士或全球顶尖科学家。

　　科研与产学成果

　　2020年至今，数据科学学院共获批117个国家、省市、区级科研项目，其中国家自然科学基金项目共57项，与50余家行业领军企业(如腾讯、华为)建立深度合作，聚焦人工智能、金融科技等前沿领域。

　　专业布局：

　　◉本科：计算机科学与技术、数据科学与大数据技术、统计学、金融工程。

　　◉硕士：数据科学、人工智能与机器人、金融工程、生物信息学、统计学、计算机科学。

　　◉博士及博士后：数据科学、计算机科学博士项目，并设计算机科学博士后流动站。

温馨提示：为方便大家第一时间获取综合评价、强基计划、学科竞赛、少年班等升学政策，欢迎大家扫描下方二维码加入"2025强基综评交流群"，群内有老师将为大家线上答疑。

扫一扫即可进群

​

如果你还有其他疑问，或想了解最新招生政策、有升学规划需求、领取最新试题，可在企业微信联系人中 添加白杨老师（微信号：15321584637）好友，并备注“高考年份+省份+姓名”，老师会统一邀请大家进群~

　　Q：数据科学与大数据技术、统计学、计算机科学与技术、金融工程这四个专业的专业特色是什么?

　　数据科学与大数据技术专业是近年来为应对大数据时代需求而设立的跨学科本科专业，聚焦数据采集、分析到决策的全流程处理。课程体系以统计学、计算机科学和运筹学为核心，涵盖分布式计算、机器学习等理论课程，并设置四大应用方向——医疗(疾病预测、基因组学)、运营管理(供应链优化)、计算基础(高性能算法)、经济金融(量化投资)，兼顾学术纵深与就业导向。学生既可夯实理论基础为深造奠基，也能掌握行业热点技能(如AI、金融科技)，精准对接医疗、金融等领域的高端人才需求。

　　统计学专业与传统高校不同，我校统计学设立于数据科学学院，与计算机、大数据技术深度融合，以顺应人工智能与机器学习发展趋势。课程体系既夯实统计理论基础，更强化金融、医疗等领域的建模与推断实践，注重培养数据驱动决策能力。特色在于深度结合AI技术(如贝叶斯网络、深度学习)，学生不仅掌握传统统计方法，更能利用机器学习工具解决复杂场景问题(如金融风险预测、医疗影像分析)，契合行业对“统计+AI”复合型人才的需求。

　　计算机科学与技术专业以计算机运行原理、算法设计与应用开发为核心框架，课程体系覆盖“理论-算法-应用”全链条，可选择AI专修方向。教学紧跟AI技术革命与产业需求，采用全英文授课及国际前沿教材，确保内容实时更新(如分布式系统、深度学习等)。依托粤港澳大湾区科技资源，学生可参与腾讯、华为等企业实习，或加入实验室开展AI相关科研项目(如自动驾驶算法优化)。课程设计兼顾基础理论(计算机体系结构、复杂性理论)与实战技能(云计算、智能系统开发)，同步开发AI时代新兴领域课程(如边缘计算、AI伦理)，精准匹配产业升级催生的高价值岗位需求。

　　金融工程专业由数据科学学院、经管学院与理工学院联合打造。金融工程是金融、统计学和计算机科学的交叉学科。金融工程下面包含量化金融与金融科技两个分支。前者关注金融市场中的资产配置、风险管理和量化投资等，后者则是通过金融创新为传统金融赋能，引领范式转变。“工程”是金融工程的核心，本专业注重理论与实践的紧密结合，培养学生扎实的学术基础与卓越的实战能力，以应对瞬息万变的金融科技发展趋势，成为未来金融行业的创新驱动力。

　　Q：数据科学与大数据技术、统计学、计算机科学与技术、金融工程这四个专业与AI学科的关系是什么，分别扮演什么“角色”?

　　数据科学与人工智能是互有重叠但各有侧重的领域：数据科学以数据的全流程处理(采集、清洗、建模)为核心，为AI提供高质量数据集及基础算法(如特征工程、统计推断)，AI则聚焦于利用数据构建智能模型(如深度学习、强化学习)，驱动自动化与高阶推理。两者互为支撑——数据科学通过定义现实问题，为AI落地指明场景，AI则反向推动数据科学在分布式计算、实时分析等技术的迭代。

　　统计学看似与AI疏离，实为AI的 理论支撑，提供模型。AI很多技术，它的底层理论是来自于统计学的。聚焦'概率建模与推断'，AI推断的可信性是是统计学来提供的。是AI算法背后的数学大脑，确保AI模型的可靠性与可解释性，同时告诉我们AI它的能力的边界在哪里。

　　AI是计算机科学的核心分支领域，其本质是通过计算机技术模拟人类理性思维与行为过程(如推理、学习、决策)。学科的门类来看从学科定义看，AI仍然是计算机的一个学科，始终以计算机为技术载体。AI的核心是它是用计算机来完成的，所以AI是离不开计算机的。

　　金融工程与AI之间的关系是高度融合且相辅相成的。一方面，AI为金融工程提供了强大的工具和创新能力，另一方面，金融工程也为AI提供了复杂且具有商业价值的应用场景。具体来看，在金融预测、高频交易、风险管理等领域，AI帮助金融工程解决非线性、高维度和复杂性问题。同时，金融工程也验证了AI技术在高噪声、高动态环境中的商业价值，推动了AI技术的不断优化与发展。

　　Q：数据科学学院毕业生就业方向如何，都可以在哪些领域工作或从事哪些职业?

　　在国家全力推动数字经济发展的背景下，数据科学作为数字经济的核心基础，涵盖了计算机科学、统计学、大数据、金融工程等专业，这些专业是支撑数字经济战略的关键学科。数字经济核心产业增加值已占深圳GDP的比重超过30%，全国范围内，到2035年，数字经济核心产业增加值占GDP比重达到10%是“十四五”规划的目标。目前，数字经济相关专业就业市场存在较大缺口，未来发展前景广阔。

　　从就业数据上看，我们这几年的就业情况非常理想，毕业生广泛服务于数字经济核心领域——互联网、金融、医疗、物流、教育等，覆盖传统产业数字化(如工业物联网、农业智能监测)与数字科技产业化(如卫星导航技术赋能滴滴打车、智能物流)两大方向。其职业发展深度契合国家战略，学院整体有7成以上的同学选择继续升学深造，其中近8成的同学前往全球前50高校深造(如斯坦福、MIT)，部分获全额奖学金，印证学科培养质量与国际认可度。学院通过前沿课程与产学联动，确保学生既能驾驭传统岗位(算法工程师、数据科学家)，更可抢占AI催生的新兴领域(如生物计算、材料智能设计)，成为数字经济时代的技术领航者。

　　AI的发展催生跨领域新兴岗位——从AI辅助药物开发(小分子设计、蛋白质结构预测)到材料智能发现(高分子性能优化)，计算机科学与AI专业人才成为行业转型的核心驱动力。除传统岗位(算法工程师、数据科学家)外，毕业生可涉足生物信息学工程师、计算化学家等前沿职位。学院动态调整课程体系，从AI制药、生物计算等方向，到深度融合产业实践(如药企联合实验室、材料数据集分析)，确保学生掌握强化学习、分子动力学模拟等关键技术，精准匹配智能制造、精准医疗等新兴领域需求，赋能产业升级与科技突破。

　　Q：数据科学学院有哪些特色课程，这些课程的独特优势是什么?

　　计算机科学专业：机器学习是人工智能的核心课程。学院为此设计了涵盖从入门到科研导向以及专业深度学习的完整课程体系。这门课程每学期都吸引了大约400名学生选修，广受学生欢迎。课程设计强调理论学习与实践操作相结合，通过丰富的实践环节，帮助学生加深对理论知识的理解。这种教学模式也吸引了众多希望在课程中积累实践经验的学生。

　　统计学正在发展的新课：人工智能的统计学基础。旨在从数理和直观两个角度帮助学生理解人工智能模型的原理、可靠性及其能力边界，包括统计推断、决策边界、置信区间等内容，让学生更深入地掌握人工智能的本质。

　　数据科学大数据的专业必修课：优化方法。优化(Optimization)课程在数据科学与大数据专业中虽不常见于国内多数学校的专业课设置，但在我们学校却特别受欢迎，每年需开设7~8个班级来满足学生热情。这门课主要教大家求解各种优化问题，其与人工智能算法的数学原理密切相关，几乎所有人工智能模型的训练算法在数学上都是求解优化问题。通过学习这门课，学生能了解人工智能算法的核心，且优化本身在工业、商业等众多领域也有广泛应用，是一门实用性很强的课程。

　　金融工程方向开设了一门特色课程：因子投资。这门课程聚焦于当前中国乃至全球量化投资的主流范式，系统讲解因子模型的理论基础与实际应用。课程强调理论与实践的紧密结合，学生不仅能够深入理解因子投资的核心逻辑，还能通过分析工业级数据，掌握解决实际金融问题的能力。在学习过程中，学生将全面培养金融工程的两大核心能力，即“数量化思维”与“工程化体系”，为未来从事量化投资与金融科技相关工作奠定坚实基础。

　　Q：学生能参加哪些对外交流交换项目，毕业后可以到国外去学习吗?有哪些“王炸组合”路径可供学生们选择?

　　学院为学生提供了多种国外学习路径。在大学层面，与100多所国外高校合作，支持学生在大学期间去国外交流一个暑假、一个学期或一个学年，并带回学分。例如，去年有100多人去加州大学伯克利分校交流。在学院层面，与11所国外大学有更深入合作，提供“3+1+1”等项目，学生前3年在国内学习，第4年去国外读一年，转学分后可获得国内本科学位，同时在国外读一年可获得对方硕士学位，5年即可拿到双学位。

　　哥大3+2项目是与哥伦比亚大学工学院深度合作的精英班项目，哥伦比亚大学在亚洲地区仅与我校合作。哥大班从我们学院开始试点，今年扩散到全校的好几个学院。学生在本校读三年本科，满足条件后去哥伦比亚大学工学院读两年硕士，最终获得我校本科学位和哥伦比亚大学硕士学位。哥伦比亚大学工学院久负盛名，其金融工程、数据科学、计算机等王牌项目竞争激烈，以往多为清华、北大、中科大等顶尖高校学生进入，而该项目学生满足条件后有专业选择优先权，相当于国内保研，优势很大。哥大认可我校办学和学生水平，学生适应能力强，符合其开放竞争的学习环境，我校教学理念也注重面向国际人才培养，后续会有专门宣讲，背景不错的学生可尝试申请。大家可以关注一下各个学院的讲座。同时高考前后，跟学校的各省招生组联系，了解具体申请办法。

　　Q：学院从哪些方面鼓励和支持学生做科研或项目，在科研方面学院能为学生提供哪些帮助?

　　学院的教授们科研成果出色，学院也鼓励教授们向本科生开放实验室。学院拥有两个广东省重点实验室和两个深圳市重点实验室，承担了很多项国家课题，为学生提供了科研平台。绝大多数教授都接受本科生进组做科研，教授们并不期望本科生发表大量论文，但科研对学生的未来发展非常重要。同学有机会获得院士、IEEE Fellow直接指导，参与国家级科研项目。

　　许多毕业生申请全球前50名大学的研究生时，需要教授写推荐信。如果学生没有与教授进行深入的科研交流，很难获得一封好的推荐信。因此，学院从多个层面鼓励学生参与科研，包括提供实习机会、体验科研过程、帮助学生找到感兴趣的课题，以让教授更好地了解学生，从而写出更有针对性的推荐信。

　　学院为本科生提供了多种科研机会，如独立研究项目(independent study)和大学研究助理(UA)项目。学院还鼓励学生直接加入教授的实验室，长期参与科研项目。通过这些方式，学生不仅可以锻炼科研能力，还可能找到自己感兴趣的课题，为未来读研究生打下基础。

　　2024年，学院共有46名本科生发表论文，其中23位是第一作者，显示出本科生参与科研的深度和成果。例如，一位同学因发表论文成功申请到加州大学伯克利分校的EECS博士项目。许多老师也积极指导本科生发表高质量论文，如李海洲教授去年指导4名本科生发表了4篇论文，其中3篇本科生为第一作者。

　　Q：学生是不是一定要编程基础，没有编程基础的学生可以报考数据科学学院吗?

　　学院的本科生课程设计考虑到了完全没有编程基础的同学，提供了多种入门课程，涵盖Python、Java和C/C++等流行编程语言。这些课程通过配套的作业和活动，帮助学生快速上手编程，并参与实验室科研，进而增强编程能力。课程重点在于培养面向计算机科学(CS)的逻辑思维能力，而非单纯强调编程基础。

　　Q：数据科学学院如何帮助学生应对快速变化的技术行业需求，让学生能够成为新时代真正需要的人才?

　　数据科学学院拥有一支年轻的师资队伍，也有部分年长的教授。大多数老师都从海外归来，不仅有海外大学的学术背景，还在国外大企业工作多年，积累了丰富的行业经验。他们将这些亲身经历融入教学，帮助学生了解行业的最新发展。

　　学院的课程设计注重与行业需求接轨，采用全英文教学，使用最新的原版英文教材。课程不仅紧跟行业变化，还注重学生的实践能力培养。学院设置了类似毕业设计的“capstone”项目，帮助学生掌握进入业界所需的基本技能，如面试中常见的技能考核。此外，学院还安排业界导师指导学生，并通过举办大湾区计算机编程大赛激发学生对编程的兴趣，参赛学生涵盖计算机、大数据、统计、金融等多个专业。

　　学院非常鼓励学生到相关企业实习，学校专门设有部门推进实习事宜，帮助学生做好准备并对接企业。实习是了解行业需求、应对快速变化的重要途径，学院为学生提供了大量实习机会，帮助他们积累实际工作经验。

　　学院的许多老师与企业有合作项目，通过这些项目不断了解行业现状，并将新知识、新技术融入课堂教学。学院还发挥老师在业界的广泛人脉，为学生提供企业实践项目(如capstone项目)，这些项目虽是学院课程，但内容都是企业实际需求。学院鼓励学生走出象牙塔，了解行业痛点，发挥创新能力和解决问题的能力。这些项目已在学院的四个专业方向全面推广，体现了学院对标国际化的教育理念。

　　Q：数据科学学院在招生时，会更青睐“竞赛大神”还是“跨界鬼才”?

　　对于有中学竞赛经历的“竞赛大神”和有其他非数据科学直接相关经历的“跨界鬼才”，学院秉持“有教无类”的理念，欢迎所有对数据科学感兴趣的学生报考。不过，数据科学学院的课程较为硬核，希望学生具备较强的逻辑思维能力、较高的学习积极性和主动性，以及一定的自学能力，这样的学生会更适合报考数据科学学院。

　　Q：给非理科背景但想冲击AI领域的学生一句“定心丸”?

　　非理科背景的同学可以学习数据科学专业。虽然文科生不能直接报考理科专业，但大学入学后可以转到理科学院，包括数据科学学院。实际上，学院已经录取了不少非理科背景的同学。数据科学是一个跨学科领域，需要文科、商科等多方面的知识，文科背景的同学所学内容也有用武之地。此外，学习计算机相关专业并不一定要求数学和物理非常好，更重要的是具备逻辑思维能力，而逻辑思维是文理科都涉及的。

　　因此，非理科背景的同学如果对数据科学感兴趣且有信心，学习该专业应该没有太大的问题。关键是要喜欢这个学科，才能学好。