X

收割机留学项目解析|香港新加坡统计&数据科学研究报告

【导语】收割机留学小编有话说:统计学(Statistics)是从应用数学领域分支出来成为一门单独的学科,主攻方向是结合概率论、数学模型、统计模型、计量模型等工具,对大量的数据进行整理、总结、分析,并从中做出归纳性推测,或者进行预测分析。

数据科学(Data Science)从学科角度出发,是在统计的数学基础上,结合了模式识别、机器学习、数据可视化、数据库、编程等高性能计算的交叉学科。

统计/数据科学专业人才有着巨大的市场需求和人才缺口,关注相关专业的同学也很多,申请非常热门。今天收割机就跟大家详细聊聊香港新加坡统计&数据科学专业申请解析~

01 专业简介

收割机留学小编有话说:统计与数据科学(Statistics & Data Science), 都是在数学的基础上,对数据进行收集、处理、研究、分析的学科。由于它们的专业方向、背景、就业领域,以及对录取者的背景要求都相对接近,所以一般来说,这两个专业基本是可以放在一起混合申请的。

统计专业:

Statistics从应用数学领域分支出来成为一门单独的学科,主攻方向是结合概率论、数学模型、统计模型、计量模型等等工具,对大量的数据进行整理、总结、分析;并从中做出归纳性推测,或者进行预测分析。

统计专业的学科核心包括:数据挖掘、随机过程、时间序列、生存分析、贝叶斯算法等等。可以说它可以为一切需要依靠大数据进行决策的行业领域服务,应用范围和就业范围都非常广:政府部门、金融、经济、互联网行业、医药等等。

数据科学专业:

从申请的角度来说,Data Science的难度应该是覆盖了Statistics的。因为Data Science相当于在统计的数学基础上,再结合一定程度的计算机、编程知识。它的应用和就业领域同样很广,而且比统计更深入,可以从事比较前沿的,如AI、数据挖掘、算法、机器学习等热门跨学科领域的工作。

Data Science的专业核心为3块:数据处理、数据模型分析和数据可视化。前两块与统计的专业有部分重合;额外的部分,是与计算机技术结合产生的可视化,以及结合高级编程产生的如机器学习等分支。

因此大部分的Data Science相关项目都开设在计算机学院、文理学院、工程学院下,也有少数设置于商学院。这个专业的基础课程包括应用统计方法、计算机方法、数据挖掘、数据库等课程,在这个基础上学生可以自由地选择自己想要深入的领域。


02 申请攻略与建议


1、专业背景要求

【Statistics】

收割机留学小编有话说:除了本科统计专业外,常见录取的本科背景如:数学、应用数学、计算机、信息科学等数理背景较强的专业。转专业的同学也可以申请,如:生物、物理、电子工程等专业。

普通商科转申会比较困难,需要有大量的数理课程背景支撑,包括并不限于微积分、线性代数、概率论、统计、回归分析、微分方程、多元微积分、计算机、R等,技能上最好也能熟练运用Excel、SPSS、SAS、C++、Python、R等相关软件。

【Data Science】

常见录取的背景为:数学、统计、信息、计算机、数据、工程等专业背景。

基本上不适合商科等转专业学生申请,除非选修足够的数理课程,否则不建议申请DS,但可以尝试申请统计,并且需要有相应的课程、技能、经历作为背景。数理背景等硬性条件要求比统计还要更高。软性背景,基本上需要计算机和数据方向的项目经历,或者业内顶级公司的相关岗位。


2、录取偏好

【GPA】

根据申请难度,港三、NUS、NTU最好能有3.5+;注意补充自身的数理背景,大量高阶数学、统计、Data、计算机编程课程,有益无害,相关课程分数不能太低。

【IBT/IELTS】

香港和新加坡普遍对于语言要求不高,大部分项目IELTS 6.5+/TOEFL 90+就能够申请。申请名校建议:IELTS 7+/TOEFL 100+,没有必要硬刷高语言成绩,因为对这些项目来说,语言成绩不是考量的重点。

【GRE】

申请统计/Data项目,要考GRE,不要考GMAT。如NUS统计从20Fall开始要求必须提交GRE。分数建议能考到320+,高分加分。

【科研项目】

最关键/最有用的是某些大牛教授或者机构的高质量的科研项目,涉及数据、统计、建模、数据分析等内容的数据研究项目课题,能够运用分析工具、模型、数据可视化等进行相关研究(如涉及SPSS、Eviews、Stata、Python、MATLAB等统计分析软件使用),这样的项目对申请帮助更大,甚至可以在大型期刊上发表论文的话也会很加分。

高质量的数据处理、数据分析、数学等领域的经历非常有帮助,通过这些经历展示出自己的数据处理能力和对于数据处理软件的掌握。

【实习/工作经验】

没有强制要求,但是相关高质量实习/工作经验可加分;比如Google、腾讯、阿里巴巴等互联网公司数据挖掘、数据分析岗;TOP咨询、TOP投行等战略分析、数据处理、建模、股票分析;保险精算等岗位。

以下列举一些具体公司职位参考:

券商:直投部/投行部、量化岗、数据分析岗…

咨询公司:波士顿、贝恩、麦肯锡、埃森哲、尼尔森等数据分析岗、战略管理咨询岗…

互联网公司:阿里/腾讯/百度数据岗、Google数据岗、滴滴数据分析岗、去哪儿网数据分析…

电商:京东数据分析岗…

快消:欧莱雅、联合利华、宝洁市场数据分析岗…

大数据公司:如BBD数据分析岗…

【比赛】

数模竞赛:大型数学建模比赛如美赛、数模国赛,这两项比赛认可度较高,强烈建议参加。

计算机/数据竞赛:数据分析、数据挖掘、计算机类比赛建议参加。

以及其他的建模、统计建模竞赛等也可以参加,参加这些类型的比赛,可以加强并锻炼自身建模、代码编程、论文写作、数据处理分析等方面的能力,丰富背景为申请增加亮点。

【交换】

有机会的话也可以考虑参加交换项目,如2+2、学期交换、暑校等,参加这类交换项目可以丰富国际化教育背景,能够提前适应国外教育环境,还能够要国外教授推荐信,对申请有加分作用,但并非强制。

其中2+2的话因为有海外本科背景,对申请来说可以给自己更多元的学位背景,可以主修辅修相关专业课程,并且好好学的话能拿到不错的GPA。港新院校比较看重本科院校背景,一般而言对985/211、海本背景会优先考虑。


3、申请时间

收割机留学小编有话说:港新此类项目申请开放时间不太一致,有9月/11月/12月开放申请的,有批次/滚动录取,建议申请港新的同学尽早考出标化成绩、尽早准备好申请材料,及早申请;港新此类项目主申阶段9-12月都可,尽早申请,先申先录。


03 申请难度

收割机留学小编有话说:Statistics与Data Science一直都是热度比较平稳上升的专业,Data Science这几年随着AI等概念也越来越吸引申请者。但是由于门槛较高,所以申请的难度每年变化不算大。同时,由于大部分项目规模都比较小,所以申请难度并不小。

项目申请难度基本是与学校的排名高低和知名度成正比,港大、港科、NUS、NTU的申请难度大于其他院校。


04 就业情况

收割机留学小编有话说:Statistics与Data Science比较适合数理背景强,且对数学和编程有兴趣,有一定天赋的人。就业前景很好,工作待遇很高,由于地理位置原因,离国内比较近,无论是选择海外就业/回国内地工作都有比较多的选择。大多数最优的职位都出自各大知名IT公司,以及新兴互联网公司,如Facebook、Google、LinkedIn等;也有去金融投资行业做Quant,或者一些其他领域的公司(如药厂)做相关行业数据分析的。就业率比普通商科类专业高很多,基本都能够找到满意的Job offer。

1、职位分类

毕业生往往大多从事Data Analyst、Statistician、Machine Learning Engineer、Data Scientist、Research Scientist、Business Analyst等。主要根据自身所具备的专业技能,以及对什么方向比较感兴趣,想从事哪方面的工作。

一般而言Data Analyst、Statistician偏传统统计一些;Machine Learning Engineer、Data Scientist、Research Scientist偏现代Machine Learning一些;而Business Analyst则偏Business一些。

2、主要应用行业

数据支持行业: 对公司数据分析、决策分析、解决方法,如IBM

互联网行业:数据挖掘、客户数据分析、市场数据分析,如Amazon、Facebook

咨询,银行&投资&保险行业:行业分析、企业战略分析、决策分析,如McKinsey&Company

医药行业/医疗机构:生物统计分析、制药研究、生物科技,如Ellis Medicine

政府部门:人口社会保险数据统计、经济数据分析决策、气象研究;如DRC

保险行业:产品设计、产品分析;如Prudential

游戏娱乐部门:产品分析、游戏设计、数值策划;如Blizzard

物流相关行业:运筹分析、物流分析;如UPS

教学/科研:大学、专业研究机构


05 项目开设情况


1、香港

收割机留学小编有话说:香港主要申请的学校有6个,除了TOP3的港中科,港城、港理工、浸会大学对于很多同学来说也是保底的不二选择。这6个学校近年来都陆续开设了统计/DS相关专业。


【总体申请情况】

TOP3

最热门、竞争最激烈的项目毫无疑问是港大和港科的项目,学校对申请者的要求相差无几:GPA3.5+,建议提交GRE320+,相关专业背景,有数据相关的优质科研/实习,班级规模都不大。

PS:其中港中文的DS为非全日制授课,可以考虑申请港中深的DS。港大的LIM设置于教育学院,并非传统意义上的DS项目,申请难度不算高。

港城、港理和浸会

港城、港理有比较纯正的DS项目,城大DS项目19年开设。大多数项目的申请条件都不算很高,只要背景与项目课程契合即可。


2、新加坡

新加坡大部分申请都围绕新加坡国立、南洋理工,少部分学生会加上新加坡管理大学。由于学校少,所以能选择的项目也少。

【总体申请情况】

NUS的Statistics和DS都开设于数学学院,其中DS项目20Fall新开设,这两个项目的申请开放时间较晚,都是12.1开放,3.15截止,数理背景强的同学均可申请;商科背景数理课程不错的同学也可以尝试Statistics项目申请。

NTU的Analytics偏向招收理工科背景的同学,商科跨专业申请的难度很高。

新加坡管理大学的IT in Business建议有工作经验,但卡得不严,项目申请难度总体来说要低一层。


06 部分热门项目介绍


香港大学 – Master of Statistics

收割机留学小编有话说:该项目开设于港大理学院统计与精算系,项目开设历史悠久,前身为1987年创建的Master of Social Sciences in Applied Statistics,项目开设已超过三十年。

致力于提供高级统计学理论与实践训练,培养强大的统计软件、统计方法、模型技术等实际应用技能。课程设置也比较灵活,可以根据自己的兴趣和研究方向,可以自己选课,或是选择特定的专业方向进行选课。根据自己的兴趣,专业方向可选择风险管理(Risk Management)或数据分析(Data Analytics)。

毕业生具备使用商业统计软件进行统计和风险分析的实践经验,并且能胜任需要高级计算技能的数据分析工作。

学制:1Y

学费:HK$186,000

课程设置:需修满60学分,其中必修课两门12学分,有风险管理(Risk Management)和数据分析(Data Analytics)两个分支,根据所选分支完成选修课24学分,其他公共选修课需修满18学分,还有6学分的顶点课程。具体课程如下:

Two compulsory courses (12 credits)

Fundamentals of statistical inference (6 credits)

Advanced statistical modelling (6 credits)

如果已有先前背景可选择替换同一领域的其他高阶课程,如:

Research methods in statistics (6 credits) or

Multivariate methods (6 credits)

Any other course

Theme-specific elective courses (24 Credits)

Risk Management theme

Financial data analysis (6 credits)

Advanced quantitative risk management and finance (6 credits)

Operational risk and insurance analytics (6 credits)

Time series forecasting (6 credits)

Statistical methods in economics and finance (6 credits)

Risk management and Basel Accords (6 credits)

Actuarial statistics (6 credits)

Data mining techniques (6 credits)

Quantitative strategies and algorithmic trading (6 credits)

Big data analytics (6 credits)

Data Analytics theme

Computational statistics (6 credits)

Spatial data analysis (6 credits)

Multivariate methods (6 credits)

Categorical data analysis (6 credits)

Programming for data science (6 credits)

Time series forecasting (6 credits)

Biostatistics (6 credits)

Data mining techniques (6 credits)

Marketing analytics (6 credits)

Big data analytics (6 credits)

Structural equation modelling (3 credits)

Bayesian statistics (3 credits)

Statistical methods for network data (3 credits)

Other elective courses (18 credits)

Research methods in statistics (6 credits)

Advanced probability (6 credits)

Design and analysis of sample surveys (6 credits)

Socio-economic statistics for business and public policies (3 credits)

Workshop on spreadsheet modelling and database management (3 credits)

Career development and communication workshop (Non-credit bearing)

Current topics in statistics (3 credits)

Capstone requirement (6 credits)

Project (6 credits)

Data mining techniques (6 credits)

Practicum (6 credits)

Capstone Project (6 credits)

20Fall申请截止期:

Main Round: 2019.11.1-2019.12.15

Clearing Round: 2019.12.16-2020.1.31

申请和录取要求:招生对象为希望提高定量和分析技能,以数据为重点的职业发展,希望从事统计领域研究的同学,本科背景如:科学、社会科学、工程学、医学、信息系统、商业和金融等。虽说鼓励多元化的学生群体,但申请者也需满足一定条件,先修课:矩阵微积分、统计、线性模型知识,录取学生多为统计、经济统计、数学、金数等数学背景强的。GPA建议3.5+,TOEFL 80 / IELTS 6(5.5),GMAT/GRE非强制,但最好能提交GRE。有面试和笔试,笔试多为统计基本知识。

19Fall全日制招生36人,班级规模小,申请难度和竞争非常激烈,录取要求高。

就业情况:该项目就业前景很好,工作待遇很高,可留在香港,也可回内地发展,工作领域主要为政府统计部门、经济管理部门,银行、证券公司、保险公司等金融机构,主要从事统计调查、统计信息管理、数据分析、数据开发、应用和管理工作,或者在教育、科研机构从事教学和研究工作。



香港大学 – Master of Data Science

收割机留学小编有话说:该项目开设于港大理学院统计与精算系,与计算机科学系联合培养,旨在跨学科的提升学生的计算机技术、运筹学、统计建模、模拟决策和解决问题的能力,可应用于所有私营或政府部门的机构、公司。

教学将统计和计算概念与方法均衡展开,为不仅仅限于业务或单个领域的应用提供支持。培养学生统计和计算机分析的夯实基础,可以从计算机科学、数学、统计学相关领域中选修课程,课程涵盖了时下最热门的主题,培养强大的软件分析方法和实际操作能力。

学制:1.5Y

学费:HK$252,000

课程设置:需修满72学分,其中必修课程36学分,选修课程24学分,顶点课程12学分。具体课程设置如下:

Compulsory Courses (36 credits)

Computational intelligence and machine learning (6 credits)

Statistical inference for data science (6 credits)

Advanced database systems (6 credits)

Deep learning (6 credits)

Advanced statistical modelling (6 credits)

Time series forecasting (6 credits)

Disciplinary Electives (24 credits)*

with at least 12 credits from List A and 12 credits from List B

List A

Advanced topics in data science (6 credits)

Cluster and Cloud Computing (6 credits)

Multimedia technologies (6 credits)

Smart phone apps development (6 credits)

Visualization and visual analytics (6 credits)

Introduction to cyber security (6 credits)

Data science for business (6 credits)

List B

Topics in applied discrete mathematics (6 credits)

Topics in mathematical programming and optimization (6 credits)

Financial data analysis (6 credits)

Advanced quantitative risk management and finance (6 credits)

Spatial data analysis (6 credits)

Programming for data science (6 credits)

Data mining techniques (6 credits)

Marketing analytics (6 credits)

Statistical methods for network data (3 credits)

Natural language processing and text analysis (3 credits)

Capstone requirement (12 credits)

Data Science Project (12 credits)

20Fall申请截止期:

Main Round: 2019.11.1-2019.12.15

Clearing Round: 2019.12.16-2020.1.31

申请和录取要求:招生对象为对大数据分析/人工智能技能感兴趣的,本科背景如:科学、社会科学、工程学、医学、信息系统、计算机、数据分析等领域想在数据科学领域继续深造的同学。先修课:微积分、线性代数、计算机编程、统计。GPA建议3.5+,TOEFL 80 / IELTS 6(5.5),无G,全日制招生约45人左右。

就业前景:MDASC的毕业生将掌握数据科学家或相关岗位的基本技能,公共部门和私营部门的雇主对数据科学的需求巨大,该项目毕业生拥有很好的就业前景和丰厚的就业机会,由于对收集和评估大量数据的需求日益增长,对数据科学家和统计学家的需求也越来越高。根据招聘和人力资源公司任仕达(Randstad)的数据,数据科学家,尤其是数据分析师是香港十大最受欢迎的科技职位之一。金融科技、IT解决方案提供商、零售商、电信公司,以及商业领域的企业对这些人才有着很高的需求。



港科技-MSc in Big Data Technology

收割机留学小编有话说:大数据蓄势待发,它将改变企业运作和社会运作的方式,并正在改变工程和科学领域的实施方式。该项目旨在教授学生有关大数据和与大数据有关的问题。希望学生熟悉大数据系统的工作流程,以及大数据系统的对社会和社会影响的意义。项目由计算机科学与工程系和数学系联合提供,整合了不同学科内容,使学生能够了解大数据的所需的重要技能,以及在现实环境中的应用方法。

将学习大数据的主要组成部分,包括基础架构、数据集成、存储、建模和管理、计算系统、分析和挖掘系统、安全性、策略和社会影响,以及各个领域(数据科学)中的人为因素和大数据应用。

毕业生将具备识别、解释和使用大数据基础架构的能力,解决大数据集成和存储问题,使用大数据管理和计算机技术执行各种数据分析任务,从大数据分析中获取有效信息和策略,将其应用于隐私保护和政策制定,以及调查大数据现有问题并进行原始大数据研究的能力。

学制:1Y

学费:HK$210,000

课程设置:需完成30学分,必修课12学分+选修课18学分。

Core Courses 12 credits

Foundations of Data Analytics

Data Mining and Knowledge Discovery

Big Data Computing

Mathematical Methods for Data Analysis

Elective Courses 18 credits

Data Visualization

Quantitative Analysis of Financial Time Series

Optimization and Matrix Computation

Introduction to Social Computing

Parallel Programming

Image Processing and Analysis

Advanced Statistics: Theory and Applications

Machine Learning

Statistical Prediction

Independent Project

Artificial Intelligence

Special Topics

20Fall申请截止期:

Round 1:2020.01.01

Round 2:2020.03.01

Round 3:2020.05.01

申请和录取要求:本科为计算机工程、计算机科学、数学相关专业,具备很想的数学和计算机背景;若本科非以上3个学科,则需要有在IT或数学领域工作经验。TOEFL 80 / IELTS 6.5(5.5),无G。



香港中文大学(深圳) – MSc in Data Science

收割机留学小编有话说:该项目2019届招收第一届学生,由香港中文大学(深圳)理工学院与经管学院共同开设,并与深圳市大数据研究院和深圳高等金融研究院合作,来自两所学院及研究院的师资将共同担任项目授课教师。

毕业生将活动尖端大数据处理技术,并接触支撑大数据技术的前沿理论与方法。毕业前将参与一个实际研究课题项目来展示在商业、政府、安全、医疗、生物、自然科学、环境等领域中能够熟练运用数据科学的基本概念来设计创新的方法及应用。

为培养期望在数据科学领域深入学习的学生而设计,旨在使学生具备专业的知识和技能,用于解决大数据的采集、管理及分析等方面的问题。完成该专业的学习后,学生将掌握:

• 大数据及商业分析方面的基础理论知识

• 统计学、机器学习及数据挖掘的关键方法和工具

• 各领域中大数据分析的解决方法与模型

• 商业数据分析的概念及技巧

• 有效的沟通及人际技巧(写作及口语)

• 理解数据科学相关的职业道德要求

项目分两个专业方向,两个专业方向的毕业学分要求一致,可以选择最符合个人职业规划的方向进行学习;也可以不选择专业方向(如未选择方向,则不受特定方向修课要求的限制):①大数据分析方向 ②商业分析方向

学制:2Y(待定)

学费:25.2万人民币

课程设置:9月开学,需完成42学分(待定),也可以在就读期间参与到业界实习、实验室科研、海外交换,亦或修读更多课程,学制延长至最多36个月。

9-12月:第一学期

1-5月:第二学期

6-7月:暑假学期

9-7月:毕业项目+4个选项(业界实习、在大学实验室或研究中心开展科研、海外交流/交换、修读课程)

Required Courses

Python Programming (Provisional)

Theory of Statistics

Database Principles and Development

Time Series Analysis

Machine Learning

Introduction to Data Mining

Capstone project

Elective Courses

● Applied Regression Analysis

● Applied Multivariate Methods

● Introduction to Bayesian Analysis

● Analysis of Numerical Algorithms

● Artificial Intelligence

● Introduction to Optimization

● Information Theory and Coding

● Image Processing and Computer Vision

● Introduction to Distributed Systems

● Applied Parallel Programming

● Big Data Modeling and Management

● Web Analytics

● Data-Driven Experimentation and Measurement

● Data Visualization

● Operations Management and Analytics

● Marketing Management and Analytics

● Financial Analytics

● Economic Analytics

● Design Thinking for Innovation

● Dynamic Programming

● Deep Learning and Their Applications

● Optimization Theory and Algorithms

● Microstructure and Algorithm Trading

● Credit Risk Modeling and Products

● Corporate Governance and Social Responsibility in China

● Game Theory and Auction Theory

● Artificial Intelligence: Law and Policy

● Blockchain

● Big Data Marketing

● Derivatives and Risk Management Techniques

● Fintech Theory and Practice

● Introduction of Reinforcement Learning

● Deep Learning

● Stochastic Process

● Internet Finance

● Accounting Data Strategy and Visualization

● Credit Rating and Credit Risk Management

● Text Analytics in Financial Market

● Cloud Computing

Note: Above course list is subject to change.

20Fall申请截止期:

申请和录取要求:理工和经济金融等专业的毕业生,并掌握扎实的数理及编程基础知识。成绩B等(3.0/4.0或80/100分),TOEFL79 / IELTS 6.5 / GMAT V21,无G。每年招生约60人,有笔试、面试。

就业前景:企业合作伙伴包括百度风投、晨星、CMCRC(悉尼)、大疆创新、恒生电子、华为、嘉实基金、金蝶软件、蚂蚁金服、Paraclete Fund(新加坡)、平安集团、商汤科技、深圳启元信息服务公司、腾讯、WeLab集团、衍盛资产、中兴力维、中国移动、中国工商银行、中国建设银行。学校就业指导中心将不定期提供职场咨询、就业指导、企业招聘、特色讲座等活动帮助学生就业。

2019届毕业生于毕业前2个月实现100%就业,首次就业平均薪资为RMB27.44万/年,28%继续攻读博士,其中27%选择本校升学;72%毕业后直接就业,其中54%选择深圳就业,26%选择上海就业,剩余23%区域主要集中于杭州、西安、新加坡等地。



港城市-MSc in Data Science

收割机留学小编有话说:该项目于2019年开设,设置于城大数据科学学院,该学院目前仅此一个授课型研究生项目,旨在培养具有数据分析和商业意识的毕业生,以满足对高级数据科学技能日益增长的需求,并为毕业生在组织决策中应用数据科学技术进行知识储备和传播做好准备。也可以帮助现有的数据分析专业人员提高他们的技术管理和开发技能,并为学生提供一个坚实的道路,从不同的领域迅速过渡到数据科学职业。

学制:1Y,最长2.5Y

学费:HK$261,000

课程设置:需修满30学分,核心课程15学分5门+选修课程15学分5门。

Core Courses (15 credit units)

Exploratory Data Analysis and Visualization

Research Projects for Data Science

Statistical Machine Learning I

Statistical Machine Learning II

Storing and Retrieving Data

Electives (15 credit units)

Information Security for eCommerce

Machine Learning: Principles and Practice

Privacy-enhancing Technologies

Natural Language Processing

Bayesian Data Analysis

Data Analytics for Smart Cities

Dissertation

Dynamic Programming and Reinforcement Learning

Experimental Design and Regression

Machine Learning at Scale

Optimization for Data Science

Time Series and Panel Data

Topics in Financial Engineering and Technology

20Fall申请截止期:2020.05.31,滚动录取,早申早录

申请和录取要求:要求申请人必须持有工程、科学或其他相关学科的学位,或同等学历。TOEFL 79 / IELTS 6.5 / CET6 450,无G,计划招生100人。

就业情况:随着全球就业市场对数据科学家和分析师的强烈需求,完成课程后,学生具备以下能力:

运用数据处理技能来处理各种格式和大小的数据;

运用各学科的集成技术进行全面的数据分析,以在组织决策中提出解决方案;

利用各种数据可视化技术来解释数据分析结果;

展示出强大的量化能力以及沟通技巧;

开发描述性、规定性和预测性分析解决方案,以解决当代问题中的新挑战。

数据科学专业的毕业生将服务于以下领域:金融和银行业、创新产业、信息技术、学术界、智慧城市与系统、零售和营销、医疗及医学研究、政府及公共机构等。



港城市-MSc in Financial Mathematics and Statistics

收割机留学小编有话说:课程设置于港城数学学院,着重培养学生评估和发展金融业务以及统计建模能力。为学生提供复杂的金融和保险业务所需的理论知识,以及提高在金融数学和风险管理方面的数学和计算机能力。

毕业生具备为各种现代金融和保险产品定价,并能够评估和管理金融和保险风险。该计划将大大提高毕业生在就业市场上的竞争力。适合金融工程、精算、数学、统计、物理、工程、计算机、信息技术等专业背景的学生,以及金融和保险业的专业人士,均可受惠于此硕士课程。

学制:1Y

学费:HK$171,000

课程设置:需修满30学分,核心课程15学分5门+选修课程15学分5门。

Cores

Financial Mathematics in Derivative Markets

Statistical Data Analysis

Stochastic Analysis in Finance

Advanced Stochastic Analysis in Finance

Statistical Modelling for Data Mining

Electives

Applied Partial Differential Equations

Numerical Partial Differential Equations

Dissertation (6 credit units)

Statistical Methods and Calibration in Finance and Actuarial Science

Stochastic Interest Rate Models

Programming and Computing in Financial Engineering

Introduction to Statistical Learning

Special Topics

Statistical Analysis of Financial Big Data

Corporate Finance (Department of Economics and Finance)

Credit Risk Management (Department of Economics and Finance)

Statistical Modeling in Risk Management (Department of Management Sciences)

20Fall申请截止期:2020.01.31,滚动录取,早申早录

申请和录取要求:理工科背景,如:数学、物理、统计学、计算机科学、工程等专业背景,或经济学、金融学、精算相关学科背景。TOEFL 79 / IELTS 6.5 / CET6 450,无G,计划招生40人。



新加坡国立大学-MSc in Statistics

收割机留学小编有话说:NUS统计学在QS 2020世界最佳统计与运筹研究(Statistics & Operational Research)排名中位列第11位。该项目设置于理学院Department of Statistics and Applied Probability统计与应用概率系(成立于1998年4月),分为Coursework Programme(课程导向)及Research Programme(研究导向)。Coursework每个学年只有8月入学。项目内的教授背景十分优异,有取得北美和欧洲顶级大学PhD学位的教授,部分教授更在Duke-NUS Medical School任职。另外,NUS也最新设立了Data Analytics Consulting Centre,让学生有机会参与到各个组织/企业的数据分析和咨询项目。

课程旨在使学生具备优秀的统计原理和统计方法知识,并注重发展应用统计学的技能。为持有相关专业学士学位及对统计学应用有兴趣的专业人士而设。

学制:1Y,最长3Y完成

学费:S$37,300

课程设置:Level 4000课程将在上午/上午进行教学,Level 5000课程将在晚上进行教学。

Track 1 (40MC programme,1-3年):4年本科相关专业背景,必须在高等微积分、线性代数和概率课程取得好的成绩,高等微积分、线性代数需要在成绩单上显示。共需完成10门课程,2门必修+8门选修(选修课程可从两个院系中选择)。

Track 2 (80MC programme,2-4年):至少3年本科相关专业背景,必须在高等微积分、线性代数和概率课程取得好的成绩,高等微积分、线性代数需要在成绩单上显示。需首先完成40学分的Level 4000课程,包含6门课程(24 MC)+Project (16 MC);然后完成40学分的Level 5000课程(跟Track 1要求相同)。

项目中涵盖了很多实用课程,如产品设计及流程改进实验设计、质量控制及生产率改进分析、人口抽样、统计咨询、健康科学统计方法等,让学生提前准备将统计工具应用在各个具体领域。另外,学生可以选择Advanced Level的课程(PhD先修课),为进入学术道路做准备。除了必修,选修课程均需得到部门批准。

Compulsory Modules

ST5201 Statistical Foundations of Data Science (4MC)

ST5202 Applied Regression Analysis (4MC)

Elective Modules

ST5198 Graduate Seminar Module (4MC)

ST5199 Coursework Track II Project (16MC,Track2必修)

ST5203 Design of Experiments for Product Design and Process Improvements (4MC)

ST5204 Experimental Design 2 (4MC)

ST5205 Probability Theory II (4MC)

ST5206 Generalized Linear Models (4MC)

ST5207 Nonparametric Regression (4MC)

ST5208 Analytics for Quality Control and Productivity Improvements (4MC)

ST5209 Analysis of Time Series Data (4MC)

ST5210 Multivariate Data Analysis (4MC)

ST5211 Sampling From Finite Populations (4MC)

ST5212 Survival Analysis (4MC)

ST5213 Categorical Data Analysis II (4MC)

ST5214 Advanced Probability Theory (4MC)

ST5215 Advanced Statistical Theory (4MC)

ST5217 Statistical Methods for Genetic Analysis (4MC)

ST5218 Advanced Statistical Methods in Finance (4MC)

ST5219 Bayesian Hierarchical Modelling (4MC)

ST5220 Statistical Consulting (4MC)

ST5221 Probability and Stochastic Processes (4MC)

ST5222 Advanced Topics in Applied Statistics (4MC)

ST5223 Statistical Models: Theory/Applications (4MC)

ST5224 Advanced Statistical Theory II (4MC)

ST5225 Statistical Analysis of Networks (4MC)

ST5226 Spatial Statistics (4MC)

ST5227 Applied Data Mining (4MC)

ST5241 Topics I (4MC)

ST5242 Topics II (4MC)

ST5244 Topics in Data Science and Analytics (4MC)

ST5318 Statistical Methods for Health Science (4MC)

申请和录取要求:Track1:四年制,统计、数学、经济、金融等数理量化背景强的专业背景,先修课:高等微积分、线性代数和概率;Track2:三年制,先修课:高等微积分、线性代数和概率。GPA建议85+,IELTS 6 / TOEFL 85(W22);

从20Fall起,所有国际学生都必须提供GRE成绩,新加坡本地大学毕业非强制(GRE is required starting academic year 2020/2021 admission; GRE is not compulsory for those candidates who graduated from Singapore local universities)。不需要推荐信,申请后需要邮寄材料,该项目发录取时间比较晚,根据往年情况5月左右录取发放录取结果,每年招收160人左右。

收割机留学部分录取案例:

①西财-数学与应用数学,GPA 3.54,IELTS 7,GRE 328,银行+数据公司实习、美赛H

②西财-经济统计,GPA 3.9,TOEFL 95,GRE 310,滑铁卢交换一年

就业情况:NUS统计专业学生就业去向包括政府部门、制造业、金融、医药业、IT、市场研究、咨询等。近年来,NUS的毕业生有进入高盛分析师、慕尼黑保险精算师、亚马逊客户经理、国防科技局工程师、Singtel投标经理、Scoot收益分析师、人力部统计专家、美光数据科学工程师、Garena数据分析师、Sanofi-Aventis预测高管、风险管理研究所信用风险分析师等,前景非常不错。



新加坡国立大学 – MSc in Data Science and Machine Learning

收割机留学小编有话说:该项目设立于NUS理学院数学系下,20Fall第一届招生,由数学系、统计与统计与应用概率系、工程学院计算机系、Saw Swee Hock公共卫生学院联合培养,集合了四大系部资源优势。

为满足市场对于大数据专业人士的不断增长需求,帮助本科具有定量学科背景如数学、应用数学、统计、物理等专业背景同学转换到数据科学专业方向。课程涵盖了跨学科学习内容,包含计算机、数学、统计学相关内容;并且将数据分析和机器学习相结合。除了学习数据知识技能外,还将有机会整合探索金融、医疗保健、政府部门等行业部门所需要的机器学习与数据分析技能。

学制:1Y,最长2年

学费:S$45,000

课程设置:8月开学,需修满40学分,必修5门20学分+选修5门20学分。

Core Modules

Introduction to Big Data for Industry

Optimisation for Large-Scale Data-Driven Inference

Foundations of Machine Learning

Cloud Computing

DSML Industry Consulting and Applications Project

Elective Modules

可从7门Graduate Certificate (GC) Tracks和3门Clusters中选择,至少两门来自GC Tracks/Clusters中。

GC in Deep Learning for Data Scientists

GC in Data Mining for Industry

GC in Big Data for Industry

GC in Data Science in Computer Vision

GC in Data Science in Quantitative Finance

GC in Data Science in Internet of Things

GC in Health Informatics

Clusters in Mathematics

Clusters in Statistics

Clusters in Computing

20Fall申请截止期:2019.12.1-2020.03.15,以后年的申请时间为10.15-次年1.31

申请和录取要求:数学、应用数学、统计、物理学、工程学、计算机科学等具有量化科学相关专业背景。GPA建议3.5/85+,TOEFL 85(W22) / IELTS 6,无G(建议能提交)。

以下几个录取者背景供大家参考(数据来源于网络):

①985-数学与应用数学,GPA 3.5+,TOEFL 90+,GRE 315+,美赛H,几个科研+一个数据岗实习

②985-微电子科学与工程+金融双学位,GPA 85+,IELTS 7,两个实习

③985-探测制导与控制技术,GPA 3.6,IELTS 6.5,GRE 319

④211-职能运输工程,GPA 3.76/4.0,TOEFL 110,GRE 323

⑤985-材料科学与工程,GPA 83,IELTS 6.5,GRE 322,有工作经验

⑥985-生物信息与统计,GPA 84,TOEFL 100+,GRE 320+



南洋理工大学 – MSc in Analytics

收割机留学小编有话说:该项目设置于NTU物理与数学学院,是一项跨学科课程,适用于寻求在各自领域中利用业务分析的专业人士,以及期望进入数据科学行业发展的毕业生。

分析学是一门寻找数据模式以帮助决策的科学学科,是基于应用数学的跨学科领域,在商业、金融和工业环境中应用广泛。现代企业正在寻求日趋复杂的分析方法,为消费者提供更好的购物建议,瞄准以前被忽略的市场数据,并提高内部物流流程和工作流程的效率。该课程提供将尖端数据科学技术应用于现代经济业务中的技能和知识。

学制:1Y

学费:S$52,500

课程设置:三个学期,需修满30学分,必修课11门24学分+选修课6学分;1个分析实习模块(自学实习)、分析软件工具特设研讨会、行业专家的临时研讨会。课程强调在现实环境中的数据分析应用技能,包含一门6学分的Practicum必修课程,全日制学生在下列企业中找到实习机会完成此Practicum,包括:APL, BreadTalk, Charles & Keith, DHL, Experian, Grab, UPS, Shopee, Lazada, DBS, UOB, Johnson & Johnson, JR Group, Lenovo, MSD, PSA, and PwC。

学期安排:

COMPULSORY COURSES

MH8101 Operations Research I (1.5AU)

MH8102 Operations Research II (1.5AU)

MH8111 Analytics software I (1.5AU)

M8112 Analytics Software II (1.5AU)

MH8121 Analytics Workshop I (1.5AU)

MH8122 Analytics Workshop II (1.5AU)

MH8131 Probability and Statistics (1.5AU)

MH8141 Time Series Analysis (1.5AU)

MH6142 Database Systems (3AU)

MH6151 Data Mining (3AU)

MH6191 Practicum I (6AU)

ELECTIVE COURSES

MH6301 Information Retrieval and Analysis (3AU)

MH8311 Stochastic Processes for Data Science (1.5AU)

MH8321 Statistical Modelling and Data Analysis (1.5AU)

MH8322 Uncertainty and Dependence (1.5AU)

MH8331 Financial and Risk Analytics I (1.5AU)

MH8332 Financial and Risk Analytics II (1.5AU)

MH8341 Data Management and Business Intelligence (1.5AU)

MH8351 Web Analytics (1.5AU)

20Fall申请截止期:2019.11.01-2020.01.31

申请和录取要求:每年招收40人,数学、统计学、工程学、计算机科学等具备良好量化学科专业背景。GPA建议3.5+,TOEFL 92 / IELTS 6.5,GRE 315+ / GMAT 650+(新加坡本科免G)。