香港中文大学（深圳）人工智能（科学应用）理学硕士研究生申请要求-排名-学费-就业-语言要求

<p>香港中文大学（深圳）理工学院人工智能（科学应用）理学硕士项目 (MSc. AIS) 是围绕人工智能与前沿自然科学及工程的交叉领域开设的为期两年的全日制硕士项目，旨在培养兼具人工智能技能与相关科学素养的跨学科复合型创新人才。项目课程涵盖人工智能、数学、物理、化学、材料、新能源与工程、机器人等多个学科知识，突出跨学科融合，并以前沿科研为驱动。学生将系统学习人工智能核心方法，包括机器学习、深度学习、生成式模型以及科学计算，并通过跨学科以及实际科研项目深入接触和理解其在前沿科学问题中的应用。</p>

展开全部

申请要求

毕业于认可的大学并获得学士学位，通常荣誉等级不低于二等，或成绩不低于 “B”；或<br>在高等教育机构完成课程学习，并获得与学士学位相当的专业资格或类似资格

语言要求

雅思

总分要求

6.5

托福

总分要求

申请时间

{{ `${per_time.year}年${per_time.enroll_time}季入学${per_time.children.length == 1 && per_time.children[0].head == 1 ? '（提前批）' : per_time.children.length == 1 && per_time.children[0].head == 2 ? '（夏令营）' : ''}` }}

on hold

国际生

夏令营

提前批次

进行中

on hold

申请量过大，相应的申请有延迟或者无法拿到offer的风险。

国际生

本条是指国际生截止日期

课程设置

科学人工智能：理论和实践

AI for Science: Theory and Practice

生成式模型的科学基础

Science Foundation for Generative Model

数据分析

Data Analytics

机器学习

Machine Learning

国情教育课程

Civic Education Courses

大型语言模型

Large Language Models

人工智能工业应用实践

Practical AI in Industry

图像处理与计算机视觉

Image Processing and Computer Vision

优化理论与算法

Optimization Theory and Algorithms

增强学习

Introduction of Reinforcement Learning

深度学习基础及其应用

Selected Topics in Deep Learning Foundations and Their Applications

机器人与智能系统

Robotics and Intelligent Systems

国情教育课程

Civic Education Courses

智能材料

AI for Materials

人工智能的高等统计物理基础

Advanced Statistical Physics Foundation of AI

人工智能驱动的计算化学

AI Driven Computational Chemistry

人工智能驱动的计算物理

AI Driven Computational Physics

科学人工智能研讨会

AI in Science Discussion Seminar

量子力学和量子计算的原理

Principles of Quantum Mechanics and Quantum Computation

科学研究项目（一）

Scientific Research Project I

科学研究项目（二）

Scientific Research Project II

科学研究项目研讨会

Scientific Research Project Discussion Seminar

高等数值方法

Advanced Numerical Methods

计算材料

Computational Materials

国情教育课程

Civic Education Courses

展开全部

录取报告

录取指南|该方向录取高度集中于985/211背景，典型录取者GPA集中在80-90分区间，中位数约84.9分，雅思中位数为6.5分，但建议目标设定在GPA 85+、雅思7.0+以增强竞争力。强背景申请者应重点准备与计算机相关的科研或项目经历，以在同类申请者中脱颖而出。普通本科等弱背景申请者录取概率极低，需通过高含金量论文、顶级竞赛奖项或强相关实习来弥补院校背景劣势，并需接受录取风险极高的现实。本科专业高度匹配是录取关键，计算机、电子工程、数据科学等强相关专业申请者录取率显著更高。建议申请者优先选择与自身本科课程体系最契合的子项目，以体现学术连贯性。跨专业申请者必须通过补充计算机核心课程（如数据结构、算法、操作系统）、参与相关科研项目或积累工业界实习经历，来证明具备完成该方向学业所需的基础能力与潜力。从历史数据来看，申请量在9月至11月达到高峰，该时段投递的录取者数量也最多，建议申请者将材料准备重点放在8月前，争取在9月至11月的窗口期内尽早提交。延迟投递至次年1月后，申请量虽仍有一定规模，但录取机会可能因名额减少而降低，且等待周期较长（中位数约70天），因此尽早完成投递是更稳妥的策略。