数据科学与分析学域介绍 - 学域旨在通过统一统计学、机器学习、优化及相关技术来推进学科进步，扩展应用以解决现实世界问题，造福社会 [3] - 博士课程提供严谨科研训练，培养学生成为知识广博的科研工作者，使其能在学术或业界灵活运用逻辑、数学、算法与计算机技能检验分析数据，提供洞见并作出睿智决策 [3] 跨学科研究方向 - 研究方向包括数据驱动的人工智能和机器学习、统计学习、工业和商业分析与建模、高性能数据分析系统、数据可视化和信息图表、特定行业的数据分析、安全与隐私、以及面向科学的人工智能 [6][7][9] 博士课程培养模式 - 学习模式分为全日制和非全日制，授课语言为英语 [13] - 学习周期：全日制为3年（已具相关研究型硕士学位）或4年（无相关研究型硕士学位），非全日制为6年 [13] - 学分要求为21学分，包括6学分核心课程和15学分学域选修课程 [13] - 学位由香港科技大学授予 [13] - 学费：全日制博士生每年40,000人民币，非全日制自费博士生每年150,000人民币 [14] - 助学金为每年180,000人民币，仅限全日制博士生，上限4年，所有全日制博士生自动纳入考虑范畴，无需额外申请 [14] - 为正常学习周期内的学生提供住宿 [15] 课程设置 - 核心必修课程共6学分 [17] - 跨学科核心课程需二选一：跨学科研究方法（2学分）或跨学科设计思维（2学分） [18] - 枢纽核心课程包括信息枢纽核心课程：信息科学与技术:基本要素与趋势（2学分） [18] - 其他枢纽核心课程需三选一：功能枢纽导论（2学分）、社会枢纽课程（2学分）或系统枢纽课程（2学分） [18] - 学域专业课程示例共15学分，包括3学分的专业必修课程“面向数据科学的数据挖掘与知识发现” [18] - 专业选修课程示例为12学分，课程包括自动机器学习、面向数据科学的深度学习、高级数据库管理、高级机器学习、并行编程、数据科学与分析基础、数据科学计算、区块链中的数据分析与隐私保护、数据探索与可视化、时空数据分析、图学习导论、大语言模型:理论及实践、计算机视觉及其应用、凸优化和非凸优化I等，每门课程均为3学分 [18][19] 学习成果 - 毕业生将能够识别科学与工程的相关性、影响度和行业洞见 [22] - 掌握数据科学与分析的各种新模型、算法、工具、原理、框架、解决方案与技能 [22] - 表现出数据科学与分析角度的批判性思维与分析技能 [22] - 在数据科学与分析领域使用定性与定量研究方法 [22] - 将基础性研究技能转化为学术研究或业界数据科学实践的能力 [22] - 具备独立思维能力，在汇报与出版科研成果时彰显高效的沟通技巧 [22] - 能够独立地进行原创研究，在数据科学与分析领域具有深厚的知识储备 [23] 申请要求与流程 - 学位要求：需在入学前从受认可的大学或机构获得本科学位，成绩优异或有至少1年全职/2年兼职的研究生研究经历 [27] - 英语要求：需满足托福网考80分、托福pBT 550分、托福修订纸笔考试60分或雅思（学术类）总成绩6.5分（各项不低于5.5分）之一，母语为英语或学士/硕士阶段授课语言为英语的申请人可免 [29] - 2026-27秋季项目申请时间线：系统于2025年7月21日开启，中国籍学生截止时间为2026年7月15日，国际学生截止时间为2026年6月15日 [28] - 2025-26春季项目申请截止时间：中国籍学生为2025年12月26日，国际学生为2025年12月5日，招生采取滚动录取，建议尽早申请 [30] - 申请步骤包括创建网上申请账号、准备并提交申请材料、联系导师（博士项目申请人）、资格审核与面试、发放录取通知书 [31]