【導語】收割機留學小編有話說：統計學（Statistics）是從應用數學領域分支出來成爲一門單獨的學科，主攻方向是結合概率論、數學模型、統計模型、計量模型等工具，對大量的數據進行整理、總結、分析，並從中做出歸納性推測，或者進行預測分析。

數據科學（Data Science）從學科角度出發，是在統計的數學基礎上，結合了模式識別、機器學習、數據可視化、數據庫、編程等高性能計算的交叉學科。

統計/數據科學專業人才有著巨大的市場需求和人才缺口，關注相關專業的同學也很多，申請非常熱門。今天收割機就跟大家詳細聊聊香港新加坡統計&數據科學專業申請解析~

01 專業簡介

收割機留學小編有話說：統計與數據科學（Statistics & Data Science）, 都是在數學的基礎上，對數據進行收集、處理、研究、分析的學科。由于它們的專業方向、背景、就業領域，以及對錄取者的背景要求都相對接近，所以一般來說，這兩個專業基本是可以放在一起混合申請的。

統計專業：

Statistics從應用數學領域分支出來成爲一門單獨的學科，主攻方向是結合概率論、數學模型、統計模型、計量模型等等工具，對大量的數據進行整理、總結、分析；並從中做出歸納性推測，或者進行預測分析。

統計專業的學科核心包括：數據挖掘、隨機過程、時間序列、生存分析、貝葉斯算法等等。可以說它可以爲一切需要依靠大數據進行決策的行業領域服務，應用範圍和就業範圍都非常廣：政府部門、金融、經濟、互聯網行業、醫藥等等。

數據科學專業：

從申請的角度來說，Data Science的難度應該是覆蓋了Statistics的。因爲Data Science相當于在統計的數學基礎上，再結合一定程度的計算機、編程知識。它的應用和就業領域同樣很廣，而且比統計更深入，可以從事比較前沿的，如AI、數據挖掘、算法、機器學習等熱門跨學科領域的工作。

Data Science的專業核心爲3塊：數據處理、數據模型分析和數據可視化。前兩塊與統計的專業有部分重合；額外的部分，是與計算機技術結合産生的可視化，以及結合高級編程産生的如機器學習等分支。

因此大部分的Data Science相關項目都開設在計算機學院、文理學院、工程學院下，也有少數設置于商學院。這個專業的基礎課程包括應用統計方法、計算機方法、數據挖掘、數據庫等課程，在這個基礎上學生可以自由地選擇自己想要深入的領域。

02 申請攻略與建議

1、專業背景要求

【Statistics】

收割機留學小編有話說：除了本科統計專業外，常見錄取的本科背景如：數學、應用數學、計算機、信息科學等數理背景較強的專業。轉專業的同學也可以申請，如：生物、物理、電子工程等專業。

普通商科轉申會比較困難，需要有大量的數理課程背景支撐，包括並不限于微積分、線性代數、概率論、統計、回歸分析、微分方程、多元微積分、計算機、R等，技能上最好也能熟練運用Excel、SPSS、SAS、C++、Python、R等相關軟件。

【Data Science】

常見錄取的背景爲：數學、統計、信息、計算機、數據、工程等專業背景。

基本上不適合商科等轉專業學生申請，除非選修足夠的數理課程，否則不建議申請DS，但可以嘗試申請統計，並且需要有相應的課程、技能、經曆作爲背景。數理背景等硬性條件要求比統計還要更高。軟性背景，基本上需要計算機和數據方向的項目經曆，或者業內頂級公司的相關崗位。

2、錄取偏好

【GPA】

根據申請難度，港三、NUS、NTU最好能有3.5+；注意補充自身的數理背景，大量高階數學、統計、Data、計算機編程課程，有益無害，相關課程分數不能太低。

【IBT/IELTS】

香港和新加坡普遍對于語言要求不高，大部分項目IELTS 6.5+/TOEFL 90+就能夠申請。申請名校建議：IELTS 7+/TOEFL 100+，沒有必要硬刷高語言成績，因爲對這些項目來說，語言成績不是考量的重點。

【GRE】

申請統計/Data項目，要考GRE，不要考GMAT。如NUS統計從20Fall開始要求必須提交GRE。分數建議能考到320+，高分加分。

【科研項目】

最關鍵/最有用的是某些大牛教授或者機構的高質量的科研項目，涉及數據、統計、建模、數據分析等內容的數據研究項目課題，能夠運用分析工具、模型、數據可視化等進行相關研究（如涉及SPSS、Eviews、Stata、Python、MATLAB等統計分析軟件使用），這樣的項目對申請幫助更大，甚至可以在大型期刊上發表論文的話也會很加分。

高質量的數據處理、數據分析、數學等領域的經曆非常有幫助，通過這些經曆展示出自己的數據處理能力和對于數據處理軟件的掌握。

【實習/工作經驗】

沒有強制要求，但是相關高質量實習/工作經驗可加分；比如Google、騰訊、阿裏巴巴等互聯網公司數據挖掘、數據分析崗；TOP咨詢、TOP投行等戰略分析、數據處理、建模、股票分析；保險精算等崗位。

以下列舉一些具體公司職位參考：

券商：直投部/投行部、量化崗、數據分析崗…

咨詢公司：波士頓、貝恩、麥肯錫、埃森哲、尼爾森等數據分析崗、戰略管理咨詢崗…

互聯網公司：阿裏/騰訊/百度數據崗、Google數據崗、滴滴數據分析崗、去哪兒網數據分析…

電商：京東數據分析崗…

快消：歐萊雅、聯合利華、寶潔市場數據分析崗…

大數據公司：如BBD數據分析崗…

【比賽】

數模競賽：大型數學建模比賽如美賽、數模國賽，這兩項比賽認可度較高，強烈建議參加。

計算機/數據競賽：數據分析、數據挖掘、計算機類比賽建議參加。

以及其他的建模、統計建模競賽等也可以參加，參加這些類型的比賽，可以加強並鍛煉自身建模、代碼編程、論文寫作、數據處理分析等方面的能力，豐富背景爲申請增加亮點。

【交換】

有機會的話也可以考慮參加交換項目，如2+2、學期交換、暑校等，參加這類交換項目可以豐富國際化教育背景，能夠提前適應國外教育環境，還能夠要國外教授推薦信，對申請有加分作用，但並非強制。

其中2+2的話因爲有海外本科背景，對申請來說可以給自己更多元的學位背景，可以主修輔修相關專業課程，並且好好學的話能拿到不錯的GPA。港新院校比較看重本科院校背景，一般而言對985/211、海本背景會優先考慮。

3、申請時間

收割機留學小編有話說：港新此類項目申請開放時間不太一致，有9月/11月/12月開放申請的，有批次/滾動錄取，建議申請港新的同學盡早考出標化成績、盡早准備好申請材料，及早申請；港新此類項目主申階段9-12月都可，盡早申請，先申先錄。

03 申請難度

收割機留學小編有話說：Statistics與Data Science一直都是熱度比較平穩上升的專業，Data Science這幾年隨著AI等概念也越來越吸引申請者。但是由于門檻較高，所以申請的難度每年變化不算大。同時，由于大部分項目規模都比較小，所以申請難度並不小。

項目申請難度基本是與學校的排名高低和知名度成正比，港大、港科、NUS、NTU的申請難度大于其他院校。

04 就業情況

收割機留學小編有話說：Statistics與Data Science比較適合數理背景強，且對數學和編程有興趣，有一定天賦的人。就業前景很好，工作待遇很高，由于地理位置原因，離國內比較近，無論是選擇海外就業/回國內地工作都有比較多的選擇。大多數最優的職位都出自各大知名IT公司，以及新興互聯網公司，如Facebook、Google、LinkedIn等；也有去金融投資行業做Quant，或者一些其他領域的公司（如藥廠）做相關行業數據分析的。就業率比普通商科類專業高很多，基本都能夠找到滿意的Job offer。

1、職位分類

畢業生往往大多從事Data Analyst、Statistician、Machine Learning Engineer、Data Scientist、Research Scientist、Business Analyst等。主要根據自身所具備的專業技能，以及對什麽方向比較感興趣，想從事哪方面的工作。

一般而言Data Analyst、Statistician偏傳統統計一些；Machine Learning Engineer、Data Scientist、Research Scientist偏現代Machine Learning一些；而Business Analyst則偏Business一些。

2、主要應用行業

數據支持行業: 對公司數據分析、決策分析、解決方法，如IBM

互聯網行業：數據挖掘、客戶數據分析、市場數據分析，如Amazon、Facebook

咨詢，銀行&投資&保險行業：行業分析、企業戰略分析、決策分析，如McKinsey&Company

醫藥行業/醫療機構：生物統計分析、制藥研究、生物科技，如Ellis Medicine

政府部門：人口社會保險數據統計、經濟數據分析決策、氣象研究；如DRC

保險行業：産品設計、産品分析；如Prudential

遊戲娛樂部門：産品分析、遊戲設計、數值策劃；如Blizzard

物流相關行業：運籌分析、物流分析；如UPS

教學/科研：大學、專業研究機構

05 項目開設情況

1、香港

收割機留學小編有話說：香港主要申請的學校有6個，除了TOP3的港中科，港城、港理工、浸會大學對于很多同學來說也是保底的不二選擇。這6個學校近年來都陸續開設了統計/DS相關專業。

【總體申請情況】

TOP3

最熱門、競爭最激烈的項目毫無疑問是港大和港科的項目，學校對申請者的要求相差無幾：GPA3.5+，建議提交GRE320+，相關專業背景，有數據相關的優質科研/實習，班級規模都不大。

PS：其中港中文的DS爲非全日制授課，可以考慮申請港中深的DS。港大的LIM設置于教育學院，並非傳統意義上的DS項目，申請難度不算高。

港城、港理和浸會

港城、港理有比較純正的DS項目，城大DS項目19年開設。大多數項目的申請條件都不算很高，只要背景與項目課程契合即可。

2、新加坡

新加坡大部分申請都圍繞新加坡國立、南洋理工，少部分學生會加上新加坡管理大學。由于學校少，所以能選擇的項目也少。

【總體申請情況】

NUS的Statistics和DS都開設于數學學院，其中DS項目20Fall新開設，這兩個項目的申請開放時間較晚，都是12.1開放，3.15截止，數理背景強的同學均可申請；商科背景數理課程不錯的同學也可以嘗試Statistics項目申請。

NTU的Analytics偏向招收理工科背景的同學，商科跨專業申請的難度很高。

新加坡管理大學的IT in Business建議有工作經驗，但卡得不嚴，項目申請難度總體來說要低一層。

06 部分熱門項目介紹

香港大學 – Master of Statistics

收割機留學小編有話說：該項目開設于港大理學院統計與精算系，項目開設曆史悠久，前身爲1987年創建的Master of Social Sciences in Applied Statistics，項目開設已超過三十年。

致力于提供高級統計學理論與實踐訓練，培養強大的統計軟件、統計方法、模型技術等實際應用技能。課程設置也比較靈活，可以根據自己的興趣和研究方向，可以自己選課，或是選擇特定的專業方向進行選課。根據自己的興趣，專業方向可選擇風險管理（Risk Management）或數據分析（Data Analytics）。

畢業生具備使用商業統計軟件進行統計和風險分析的實踐經驗，並且能勝任需要高級計算技能的數據分析工作。

學制：1Y

學費：HK$186,000

課程設置：需修滿60學分，其中必修課兩門12學分，有風險管理（Risk Management）和數據分析（Data Analytics）兩個分支，根據所選分支完成選修課24學分，其他公共選修課需修滿18學分，還有6學分的頂點課程。具體課程如下：

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選擇替換同一領域的其他高階課程，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申請截止期：

Main Round: 2019.11.1-2019.12.15

Clearing Round: 2019.12.16-2020.1.31

申請和錄取要求：招生對象爲希望提高定量和分析技能，以數據爲重點的職業發展，希望從事統計領域研究的同學，本科背景如：科學、社會科學、工程學、醫學、信息系統、商業和金融等。雖說鼓勵多元化的學生群體，但申請者也需滿足一定條件，先修課：矩陣微積分、統計、線性模型知識，錄取學生多爲統計、經濟統計、數學、金數等數學背景強的。GPA建議3.5+，TOEFL 80 / IELTS 6(5.5)，GMAT/GRE非強制，但最好能提交GRE。有面試和筆試，筆試多爲統計基本知識。

19Fall全日制招生36人，班級規模小，申請難度和競爭非常激烈，錄取要求高。

就業情況：該項目就業前景很好，工作待遇很高，可留在香港，也可回內地發展，工作領域主要爲政府統計部門、經濟管理部門，銀行、證券公司、保險公司等金融機構，主要從事統計調查、統計信息管理、數據分析、數據開發、應用和管理工作，或者在教育、科研機構從事教學和研究工作。

香港大學 – Master of Data Science

收割機留學小編有話說：該項目開設于港大理學院統計與精算系，與計算機科學系聯合培養，旨在跨學科的提升學生的計算機技術、運籌學、統計建模、模擬決策和解決問題的能力，可應用于所有私營或政府部門的機構、公司。

教學將統計和計算概念與方法均衡展開，爲不僅僅限于業務或單個領域的應用提供支持。培養學生統計和計算機分析的夯實基礎，可以從計算機科學、數學、統計學相關領域中選修課程，課程涵蓋了時下最熱門的主題，培養強大的軟件分析方法和實際操作能力。

學制：1.5Y

學費：HK$252,000

課程設置：需修滿72學分，其中必修課程36學分，選修課程24學分，頂點課程12學分。具體課程設置如下：

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申請截止期：

Main Round: 2019.11.1-2019.12.15

Clearing Round: 2019.12.16-2020.1.31

申請和錄取要求：招生對象爲對大數據分析/人工智能技能感興趣的，本科背景如：科學、社會科學、工程學、醫學、信息系統、計算機、數據分析等領域想在數據科學領域繼續深造的同學。先修課：微積分、線性代數、計算機編程、統計。GPA建議3.5+，TOEFL 80 / IELTS 6(5.5)，無G，全日制招生約45人左右。

就業前景：MDASC的畢業生將掌握數據科學家或相關崗位的基本技能，公共部門和私營部門的雇主對數據科學的需求巨大，該項目畢業生擁有很好的就業前景和豐厚的就業機會，由于對收集和評估大量數據的需求日益增長，對數據科學家和統計學家的需求也越來越高。根據招聘和人力資源公司任仕達(Randstad)的數據，數據科學家，尤其是數據分析師是香港十大最受歡迎的科技職位之一。金融科技、IT解決方案提供商、零售商、電信公司，以及商業領域的企業對這些人才有著很高的需求。

港科技-MSc in Big Data Technology

收割機留學小編有話說：大數據蓄勢待發，它將改變企業運作和社會運作的方式，並正在改變工程和科學領域的實施方式。該項目旨在教授學生有關大數據和與大數據有關的問題。希望學生熟悉大數據系統的工作流程，以及大數據系統的對社會和社會影響的意義。項目由計算機科學與工程系和數學系聯合提供，整合了不同學科內容，使學生能夠了解大數據的所需的重要技能，以及在現實環境中的應用方法。

將學習大數據的主要組成部分，包括基礎架構、數據集成、存儲、建模和管理、計算系統、分析和挖掘系統、安全性、策略和社會影響，以及各個領域（數據科學）中的人爲因素和大數據應用。

畢業生將具備識別、解釋和使用大數據基礎架構的能力，解決大數據集成和存儲問題，使用大數據管理和計算機技術執行各種數據分析任務，從大數據分析中獲取有效信息和策略，將其應用于隱私保護和政策制定，以及調查大數據現有問題並進行原始大數據研究的能力。

學制：1Y

學費：HK$210,000

課程設置：需完成30學分，必修課12學分+選修課18學分。

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申請截止期：

Round 1：2020.01.01

Round 2：2020.03.01

Round 3：2020.05.01

申請和錄取要求：本科爲計算機工程、計算機科學、數學相關專業，具備很想的數學和計算機背景；若本科非以上3個學科，則需要有在IT或數學領域工作經驗。TOEFL 80 / IELTS 6.5(5.5)，無G。

香港中文大學(深圳) – MSc in Data Science

收割機留學小編有話說：該項目2019屆招收第一屆學生，由香港中文大學（深圳）理工學院與經管學院共同開設，並與深圳市大數據研究院和深圳高等金融研究院合作，來自兩所學院及研究院的師資將共同擔任項目授課教師。

畢業生將活動尖端大數據處理技術，並接觸支撐大數據技術的前沿理論與方法。畢業前將參與一個實際研究課題項目來展示在商業、政府、安全、醫療、生物、自然科學、環境等領域中能夠熟練運用數據科學的基本概念來設計創新的方法及應用。

爲培養期望在數據科學領域深入學習的學生而設計，旨在使學生具備專業的知識和技能，用于解決大數據的采集、管理及分析等方面的問題。完成該專業的學習後，學生將掌握：

• 大數據及商業分析方面的基礎理論知識

• 統計學、機器學習及數據挖掘的關鍵方法和工具

• 各領域中大數據分析的解決方法與模型

• 商業數據分析的概念及技巧

• 有效的溝通及人際技巧（寫作及口語）

• 理解數據科學相關的職業道德要求

項目分兩個專業方向，兩個專業方向的畢業學分要求一致，可以選擇最符合個人職業規劃的方向進行學習；也可以不選擇專業方向（如未選擇方向，則不受特定方向修課要求的限制）：①大數據分析方向 ②商業分析方向

學制：2Y（待定）

學費：25.2萬人民幣

課程設置：9月開學，需完成42學分（待定），也可以在就讀期間參與到業界實習、實驗室科研、海外交換，亦或修讀更多課程，學制延長至最多36個月。

9-12月：第一學期

1-5月：第二學期

6-7月：暑假學期

9-7月：畢業項目+4個選項（業界實習、在大學實驗室或研究中心開展科研、海外交流/交換、修讀課程）

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申請截止期：

申請和錄取要求：理工和經濟金融等專業的畢業生，並掌握紮實的數理及編程基礎知識。成績B等（3.0/4.0或80/100分），TOEFL79 / IELTS 6.5 / GMAT V21，無G。每年招生約60人，有筆試、面試。

就業前景：企業合作夥伴包括百度風投、晨星、CMCRC（悉尼）、大疆創新、恒生電子、華爲、嘉實基金、金蝶軟件、螞蟻金服、Paraclete Fund(新加坡)、平安集團、商湯科技、深圳啓元信息服務公司、騰訊、WeLab集團、衍盛資産、中興力維、中國移動、中國工商銀行、中國建設銀行。學校就業指導中心將不定期提供職場咨詢、就業指導、企業招聘、特色講座等活動幫助學生就業。

2019屆畢業生于畢業前2個月實現100%就業，首次就業平均薪資爲RMB27.44萬/年，28%繼續攻讀博士，其中27%選擇本校升學；72%畢業後直接就業，其中54%選擇深圳就業，26%選擇上海就業，剩余23%區域主要集中于杭州、西安、新加坡等地。

港城市-MSc in Data Science

收割機留學小編有話說：該項目于2019年開設，設置于城大數據科學學院，該學院目前僅此一個授課型研究生項目，旨在培養具有數據分析和商業意識的畢業生，以滿足對高級數據科學技能日益增長的需求，並爲畢業生在組織決策中應用數據科學技術進行知識儲備和傳播做好准備。也可以幫助現有的數據分析專業人員提高他們的技術管理和開發技能，並爲學生提供一個堅實的道路，從不同的領域迅速過渡到數據科學職業。

學制：1Y，最長2.5Y

學費：HK$261,000

課程設置：需修滿30學分，核心課程15學分5門+選修課程15學分5門。

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申請截止期：2020.05.31，滾動錄取，早申早錄

申請和錄取要求：要求申請人必須持有工程、科學或其他相關學科的學位，或同等學曆。TOEFL 79 / IELTS 6.5 / CET6 450，無G，計劃招生100人。

就業情況：隨著全球就業市場對數據科學家和分析師的強烈需求，完成課程後，學生具備以下能力：

運用數據處理技能來處理各種格式和大小的數據；

運用各學科的集成技術進行全面的數據分析，以在組織決策中提出解決方案；

利用各種數據可視化技術來解釋數據分析結果；

展示出強大的量化能力以及溝通技巧；

開發描述性、規定性和預測性分析解決方案，以解決當代問題中的新挑戰。

數據科學專業的畢業生將服務于以下領域：金融和銀行業、創新産業、信息技術、學術界、智慧城市與系統、零售和營銷、醫療及醫學研究、政府及公共機構等。

港城市-MSc in Financial Mathematics and Statistics

收割機留學小編有話說：課程設置于港城數學學院，著重培養學生評估和發展金融業務以及統計建模能力。爲學生提供複雜的金融和保險業務所需的理論知識，以及提高在金融數學和風險管理方面的數學和計算機能力。

畢業生具備爲各種現代金融和保險産品定價，並能夠評估和管理金融和保險風險。該計劃將大大提高畢業生在就業市場上的競爭力。適合金融工程、精算、數學、統計、物理、工程、計算機、信息技術等專業背景的學生，以及金融和保險業的專業人士，均可受惠于此碩士課程。

學制：1Y

學費：HK$171,000

課程設置：需修滿30學分，核心課程15學分5門+選修課程15學分5門。

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申請截止期：2020.01.31，滾動錄取，早申早錄

申請和錄取要求：理工科背景，如：數學、物理、統計學、計算機科學、工程等專業背景，或經濟學、金融學、精算相關學科背景。TOEFL 79 / IELTS 6.5 / CET6 450，無G，計劃招生40人。

新加坡國立大學-MSc in Statistics

收割機留學小編有話說：NUS統計學在QS 2020世界最佳統計與運籌研究（Statistics & Operational Research）排名中位列第11位。該項目設置于理學院Department of Statistics and Applied Probability統計與應用概率系（成立于1998年4月），分爲Coursework Programme（課程導向）及Research Programme（研究導向）。Coursework每個學年只有8月入學。項目內的教授背景十分優異，有取得北美和歐洲頂級大學PhD學位的教授，部分教授更在Duke-NUS Medical School任職。另外，NUS也最新設立了Data Analytics Consulting Centre，讓學生有機會參與到各個組織/企業的數據分析和咨詢項目。

課程旨在使學生具備優秀的統計原理和統計方法知識，並注重發展應用統計學的技能。爲持有相關專業學士學位及對統計學應用有興趣的專業人士而設。

學制：1Y，最長3Y完成

學費：S$37,300

課程設置：Level 4000課程將在上午/上午進行教學，Level 5000課程將在晚上進行教學。

Track 1 (40MC programme，1-3年)：4年本科相關專業背景，必須在高等微積分、線性代數和概率課程取得好的成績，高等微積分、線性代數需要在成績單上顯示。共需完成10門課程，2門必修+8門選修（選修課程可從兩個院系中選擇）。

Track 2 (80MC programme，2-4年)：至少3年本科相關專業背景，必須在高等微積分、線性代數和概率課程取得好的成績，高等微積分、線性代數需要在成績單上顯示。需首先完成40學分的Level 4000課程，包含6門課程(24 MC)+Project (16 MC)；然後完成40學分的Level 5000課程（跟Track 1要求相同）。

項目中涵蓋了很多實用課程，如産品設計及流程改進實驗設計、質量控制及生産率改進分析、人口抽樣、統計咨詢、健康科學統計方法等，讓學生提前准備將統計工具應用在各個具體領域。另外，學生可以選擇Advanced Level的課程（PhD先修課），爲進入學術道路做准備。除了必修，選修課程均需得到部門批准。

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)

申請和錄取要求：Track1：四年制，統計、數學、經濟、金融等數理量化背景強的專業背景，先修課：高等微積分、線性代數和概率；Track2：三年制，先修課：高等微積分、線性代數和概率。GPA建議85+，IELTS 6 / TOEFL 85(W22)；

從20Fall起，所有國際學生都必須提供GRE成績，新加坡本地大學畢業非強制（GRE is required starting academic year 2020/2021 admission; GRE is not compulsory for those candidates who graduated from Singapore local universities）。不需要推薦信，申請後需要郵寄材料，該項目發錄取時間比較晚，根據往年情況5月左右錄取發放錄取結果，每年招收160人左右。

收割機留學部分錄取案例：

①西財-數學與應用數學，GPA 3.54，IELTS 7，GRE 328，銀行+數據公司實習、美賽H

②西財-經濟統計，GPA 3.9，TOEFL 95，GRE 310，滑鐵盧交換一年

就業情況：NUS統計專業學生就業去向包括政府部門、制造業、金融、醫藥業、IT、市場研究、咨詢等。近年來，NUS的畢業生有進入高盛分析師、慕尼黑保險精算師、亞馬遜客戶經理、國防科技局工程師、Singtel投標經理、Scoot收益分析師、人力部統計專家、美光數據科學工程師、Garena數據分析師、Sanofi-Aventis預測高管、風險管理研究所信用風險分析師等，前景非常不錯。

新加坡國立大學 – MSc in Data Science and Machine Learning

收割機留學小編有話說：該項目設立于NUS理學院數學系下，20Fall第一屆招生，由數學系、統計與統計與應用概率系、工程學院計算機系、Saw Swee Hock公共衛生學院聯合培養，集合了四大系部資源優勢。

爲滿足市場對于大數據專業人士的不斷增長需求，幫助本科具有定量學科背景如數學、應用數學、統計、物理等專業背景同學轉換到數據科學專業方向。課程涵蓋了跨學科學習內容，包含計算機、數學、統計學相關內容；並且將數據分析和機器學習相結合。除了學習數據知識技能外，還將有機會整合探索金融、醫療保健、政府部門等行業部門所需要的機器學習與數據分析技能。

學制：1Y，最長2年

學費：S$45,000

課程設置：8月開學，需修滿40學分，必修5門20學分+選修5門20學分。

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

可從7門Graduate Certificate (GC) Tracks和3門Clusters中選擇，至少兩門來自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申請截止期：2019.12.1-2020.03.15，以後年的申請時間爲10.15-次年1.31

申請和錄取要求：數學、應用數學、統計、物理學、工程學、計算機科學等具有量化科學相關專業背景。GPA建議3.5/85+，TOEFL 85(W22) / IELTS 6，無G（建議能提交）。

以下幾個錄取者背景供大家參考（數據來源于網絡）：

①985-數學與應用數學，GPA 3.5+，TOEFL 90+，GRE 315+，美賽H，幾個科研+一個數據崗實習

②985-微電子科學與工程+金融雙學位，GPA 85+，IELTS 7，兩個實習

③985-探測制導與控制技術，GPA 3.6，IELTS 6.5，GRE 319

④211-職能運輸工程，GPA 3.76/4.0，TOEFL 110，GRE 323

⑤985-材料科學與工程，GPA 83，IELTS 6.5，GRE 322，有工作經驗

⑥985-生物信息與統計，GPA 84，TOEFL 100+，GRE 320+

南洋理工大學 – MSc in Analytics

收割機留學小編有話說：該項目設置于NTU物理與數學學院，是一項跨學科課程，適用于尋求在各自領域中利用業務分析的專業人士，以及期望進入數據科學行業發展的畢業生。

分析學是一門尋找數據模式以幫助決策的科學學科，是基于應用數學的跨學科領域，在商業、金融和工業環境中應用廣泛。現代企業正在尋求日趨複雜的分析方法，爲消費者提供更好的購物建議，瞄准以前被忽略的市場數據，並提高內部物流流程和工作流程的效率。該課程提供將尖端數據科學技術應用于現代經濟業務中的技能和知識。

學制：1Y

學費：S$52,500

課程設置：三個學期，需修滿30學分，必修課11門24學分+選修課6學分；1個分析實習模塊（自學實習）、分析軟件工具特設研討會、行業專家的臨時研討會。課程強調在現實環境中的數據分析應用技能，包含一門6學分的Practicum必修課程，全日制學生在下列企業中找到實習機會完成此Practicum，包括：APL, BreadTalk, Charles & Keith, DHL, Experian, Grab, UPS, Shopee, Lazada, DBS, UOB, Johnson & Johnson, JR Group, Lenovo, MSD, PSA, and PwC。

學期安排：

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申請截止期：2019.11.01-2020.01.31

申請和錄取要求：每年招收40人，數學、統計學、工程學、計算機科學等具備良好量化學科專業背景。GPA建議3.5+，TOEFL 92 / IELTS 6.5，GRE 315+ / GMAT 650+（新加坡本科免G）。