学员背景
J同学
本科背景
暨南大学伯明翰大学联合学院
数学与应用数学
GPA：3.36 语言成绩：雅思6.5
录取学校
香港科技大学（广州） 大数据智能理学硕士
录取时间：2023年秋
主要经历
荣誉及获奖
夏季自律奖二等奖、微信公众号投稿人三等奖
科研经历
数据驱动智能系统实验室项目组员、“互联网+”大学生创新创业大赛先锋组员、数学建模竞赛组员
实习经历
艾瑞咨询(广州)事业部实习生、中信证券(广州)有限公司后台运营部研究生
学生活动
暨南大学图书馆志愿者队宣传部成员、暨南大学-伯明翰大学联合学院辩论队成员
（文末可领取免费香港科技大学纸质手册，获取最全面的留学申请信息！）
大数据智能理学硕士是香港科技大学（广州）设立在信息枢纽下的人工智能学域的一项为期两年的硕士学位课程。这个项目独特之处在于结合了一年的学术学习和一年的实习经历。
项目从2023年起正式开始招生。本次分享经验的学姐，就是首批入读该项目的学员。
一、项目申请相关信息
1. 生源背景
院校背景
大家好，我是J学姐，也是港科广该项目的首届学生。目前在我看来，该项目对转专业的学生非常友好。部分学生本科专业与人工智能基本甚至完全没有联系，项目甚至包含本科是化学和生物专业的学生。
第一年班级规模约为55人，根据开学招生情况显示，这个项目共有333人申请，最终只发放了55份录取通知书。学生背景较为多元，其中有31名来自985高校的学生，7名来自QS世界排名前100的大学，以及9名来自211高校的学生。
此外，18%的学生拥有海外学习经历，9%的学生来自中外联合办学机构。据我所知，目前班级中似乎没有来自双非的学生（这一点还未完全确定）。
同学们的均分
目前，我了解到的最低的均分是81，大部分学生基本都是绩点在83-87这样子，甚至有清北等名校的学生在工作几个月之后高绩进入该项目，由于这个项目开放的节点在考研之后，所以大部分主要是考研失利，但是绩点不是很低的985学生。
拍摄于9月9日的信息枢纽介绍
2. 项目相关
我是在2023年大四毕业的暑假看到了该项目，于是于2023年7月18日申请的该学校，最终在2023年8月29日拿到的offer。
项目要求
该项目要求有10分钟的面试，其中5分钟自我介绍+5分钟提问环节。面试是1对1，老师都是中国人，没有口音。
该项目主要区别于其他项目的是课程安排，它包含第二年一整年的实习，这意味着第一年我们的学习更偏向于实用目的，也因此在面试环节中考官大部分会针对你的实习经历提问。主要会涉及到实习中做了什么用了什么技术。
申请时的“特别注意事项”
第一特异点
这个专业的发邮件和面试时间非常近！！
就我个人而言，我是错过了一次面试机会的。它会在前一天的下午发信息通知你在第二天的某个时间面试，因此申请之后请勤查看邮箱。
因为不会留太多的准备时间，所以如果打算申请这个专业，需要提前准备好面试材料。
第二特异点
课程安排和实习经历非常满！！
由于第二年安排了长达一年的实习，第一年的课程安排相对紧凑。基本上，每天都有课程，上课期间的空闲时间非常有限。这意味着，你需要高效利用时间，合理安排学习和生活。
此外，为了更好地为第二年的实习做准备，第一年的下半学期会要求学生在学术导师和公司导师的指导下，完成一个合作性的个人项目。这个项目可以看做是为了进入公司做准备。
同时，专业的特殊决定了老师并不是很支持我们继续读博，这个专业更像是一个就业导向的项目。
二、就读体验
由于第二年需要实习，导致我们第一年的课业是较为紧张的，一共需要完成三门必修和四门选修，其中有两门必修是在下学期才开放的，上学期只开设一门必修。
所以，大家可以选择在上学期修完三门选修，这样下学期就会轻松很多，也可以上学期和下学期各自选修两门，会比较容易入门。
1. 选修与必修
该图片可从官网看到，课程信息：Data-Centric Artificial Intelligence Technology – HKUST FOK YING TUNG GRADUATE SCHOOL (GUANGZHOU) (hkust-gz.edu.cn)
必修与选修课表
这部分必修选修可从招生宣传查到。
此外，选课需要通过学校的选课系统，以下学期选课为例：
- 第一步：通过选课系统寻找DSAA分类下的课程，然后选择自己感兴趣的课程。这里需要注意，有些显示你可以选的学科，但是没有出现在上面那个选修名单中的，要注意询问老师该门课选择的话能不能算成选修学分。
- 第二步：选择自己感兴趣的科目，加入购物车，这里以5002为例：
- 第三步：就可以看到enroll中已经加入该门课，由于现在不是选课时段，在选课时段，可以直接进行下一步，就可以成功选课。
2. 选课建议
选修课
由于上学期一共开设了三门选修，我选择了5002数据挖掘和5020数据科学基础两门。
5002数据挖掘
5002由陈雷授课。陈雷是这个项目的主要负责人，有较高的学术成就，因此第一学期大部分学生都选择了他的课程。他的课程要求是所有课最高的，需要对课程有较高的理解。
课程难度较高，主要介绍了一些基础算法的底层逻辑，老师很和善，课程节奏较快，对这门课的学术成果要求也较高。
教学较为基础的知识点
这门课的考核也是最复杂的，包括期中考试（纸笔考试）占比25%，期末考试（三天的线上代码考试）占比15%，平时作业（30%），最终个人项目（代码作业）占比（30%）
5020数据科学基础
5020是机器学习的入门课程，为了照顾到专业匹配度不是很高的学生，这门课程设置较为简单，课程理解也不难，主要是数据集的预处理和一些基础的机器学习知识，例如随机森林、时序分析。
考核主要是平时考勤（20%）两次代码作业（30%）和最终的2-3人的小组pre和小组作业（50%）。
我没有选择的5021据说考核方式是几次小组pre，也是没有考试。
必修课
6100
课程难度不高，但是课程作业较多。这门课主要是理论+代码，老师会介绍基本专业知识，剩下的时间用于理解代码。
考核标准就是基本每周一次代码作业，没有任何其他的考核方法，也没有考试。代码作业有引导，也能独立完成，但是数量较多。
总体来说，为了方便专业匹配度较低的学生入门，所有课程难度都不是很高，可以根据自己的需求选择课程。同时有部分学生为了减轻下学期的压力，上学期选择了三门选修，但老师推荐的方法是上下学期各选两门选修。
同时，老师承诺所有的打分都是真实的，不会故意设置正态分布，因此主要看你的学习能力。
最喜欢的老师与课程
我个人最喜欢陈雷老师的课，首先老师很擅长专业知识的传授，其次，这门课虽然考核较多导致课程压力大，但是也能保证你能掌握这门课基础知识，对自身能力有较高的提升。
但是给分并不是很高。大家慎重选择！
3. 入学时间线
由于我入学较晚，基本办理完入学就开学，大概在9月5号就开始正式上课了。第一周和第二周属于试课环节，在这个时间段，你可以选择对感觉不是很合适的课程进行退课处理。
课程在13周结束，有考试的话后续就是考试周。其中期中考试（有的话）一般是在第七周。
三、专业特有的个人项目
学校部门分工明确，基本都会在学期开始提供各个部门的联系方式，学术方面：
拍摄于信息枢纽项目介绍会
这个个人项目老师强调很重要，应该是直接和第二年的实习公司相关联的。同时我也询问了老师，老师表示在这个项目的初期要做好选择，因为项目一旦开始，中途要是做不下去，也不会有足够的机会让我们更换项目了。
四、主旋律：求职招聘
学校会组织很多公司的宣讲，其中有部分是Msc项目自己组织的，因此这些工作宣讲会算考勤。基本都是来自大厂。
学生将作为实习生在工业界导师的实验室、团队或公司如阿里巴巴集团、微软亚洲研究院、三星、NAVER等，进行独立或合作的各种项目，通过将大数据和人工智能的先进理论和实践结合在一起，应用所学的知识来解决现实世界的问题。
以下是几个宣讲会例子，这种宣讲会基本每周都有。
每周的大厂宣讲
名企宣讲会，校外人员也可参加
需要注意的是，我们第二年的实习一般也就是和这些来宣讲的公司中选择几家进行合作，而且工作的选择也是主要考察能力，是学生和公司之间的双向选择。
而就业去向方面，目前是有以下的第二年实习方向提供：
五、新开专业的入读建议
该专业是一项较为创新的专业，独特点主要在提供了第二年的大厂实习上。目前我了解到的信息是，第一年能提供的岗位比学生的数量还要多，所以能保证我们基本都可以进入大厂实习。
在这个前提下，我认为第一年可以避免不必要的卷科研。在学习了课程知识之外没有太多不必要的工作量，可以选择去精进自己某一方面的技能或者就是去丰富自己的喜好，可能会拥有更好的研究生体验。
