The Hong Kong University of Science and Technology (Guangzhou)
MPhil / PhD in Data Science en Analytics
Guangzhou, China
PhD (Doctor of Philosophy)
DUUR
8 jaren
TALEN
Engels
TEMPO
Full time, Deeltijd
DEADLINE VOOR AANMELDING
15 Jun 2026
EERSTE STARTDATUM
COLLEGEGELD
CNY 40.000 / per year *
STUDIE FORMAAT
Op de campus
* voor voltijdstudenten | CNY 150.000 - voor deeltijdstudenten
In het digitale tijdperk groeit de omgang met gegevens in een ongekend tempo als gevolg van de vooruitgang in innovatieve technologieën. De datagestuurde wereld opent enorme mogelijkheden en kansen voor bedrijven en ondernemingen in alle sectoren, omdat ze gebruik kunnen maken van de gegevens om waarde voor hun bedrijf te creëren. Als een ontwrichtend gevolg van de digitale revolutie zijn datawetenschap en -analyse een opkomend en disciplineoverschrijdend vakgebied geworden dat kennis en vaardigheden vereist op vele gebieden, zoals informatica, statistiek en wiskunde.
De programma's Master of Philosophy (MPhil) en Doctor of Philosophy (PhD) in Data Science and Analytics streven naar een nauwe integratie van statistische analyse, logisch redeneren en computationele intelligentie in de studie van gegevensverwerking en -analyse. De programma's bieden rigoureuze onderzoekstraining die studenten voorbereidt om deskundige onderzoekers te worden die vertrouwd zijn met het toepassen van logica, wiskunde, algoritmen en rekenkracht in het proces van het onderzoeken en analyseren van gegevens in de academische wereld of de industrie om waardevolle inzichten af te leiden voor het maken van betere beslissingen.
Het MPhil programma heeft als doel studenten bloot te stellen aan vraagstukken die betrokken zijn bij de ontwikkeling van wetenschappelijke, educatieve en commerciële toepassingen van data science en analytics. Een afgestudeerde van het MPhil programma moet aantonen dat hij of zij een goede praktische kennis heeft van vraagstukken in het vakgebied. Hij of zij moet in staat zijn om nieuwe kennis te synthetiseren en te creëren, en een bijdrage te leveren aan het vakgebied.
Het PhD-programma is gericht op het ontwikkelen van de vaardigheden die studenten nodig hebben om theoretische onderzoeksproblemen met betrekking tot praktische toepassingen te identificeren, onderzoek te formuleren en uit te voeren dat de geïdentificeerde problemen aanpakt, en zelfstandig een data science en analytics-gerelateerde oplossing te vinden. Van een gepromoveerde wordt verwacht dat hij of zij de kennis in het vakgebied beheerst en nieuwe kennis synthetiseert en creëert, waardoor hij of zij een originele en substantiële wetenschappelijke bijdrage levert aan het vakgebied.
- Studiebeurs voor voltijdse PhD-studenten: CNY 180.000 per jaar zonder aanvullende aanvraag
Interdisciplinaire kerncursussen
- Interdisciplinaire onderzoeksmethoden I
- Interdisciplinaire onderzoeksmethoden II
- Cross-disciplinair Design Thinking I
- Cross-disciplinair Design Thinking II
- Projectgedreven samenwerkend ontwerpdenken
Hub Core-cursussen
Studenten moeten minimaal één Hub-kerncursus van de Informatiehub en minimaal één Hub-kerncursus van een andere Hub voltooien.
Informatie Hub Kerncursus
- Informatiewetenschap en -technologie: basisprincipes en trends
Andere Hub Core-cursussen
- Introductie tot Function Hub voor een duurzame toekomst
- Technologische innovatie en sociaal ondernemerschap
- Modelgebaseerde Systems Engineering
Cursussen over domeinkennis
Deze vereiste houdt in dat elke student één verplichte cursus en andere keuzevakken moet volgen om een individueel curriculum te vormen dat relevant is voor het interdisciplinaire scriptieonderzoek. Slechts één zelfstudiecursus mag worden gebruikt om aan de cursusvereisten te voldoen. Om ervoor te zorgen dat studenten de juiste cursussen volgen om hen te voorzien van de benodigde domeinkennis, wordt elke student bijgestaan door een programmaplannings- en scriptiebegeleidingscommissie die de te volgen cursussen zo snel mogelijk na aanvang van het programma en uiterlijk aan het einde van het eerste jaar goedkeurt. Afhankelijk van het goedgekeurde curriculum kunnen individuele studenten worden verplicht om extra studiepunten te behalen bovenop de minimale studiepuntenvereisten.
Verplichte cursuslijst
- Datamining en kennisontdekking in datawetenschap
Voorbeeld van een lijst met keuzevakken
- Automatisch machinaal leren
- Deep Learning in Data Science
- Geavanceerd databasebeheer voor datawetenschap
- Geavanceerd machinaal leren
- Parallel programmeren voor datawetenschap en analyse
- Stichting Data Science en Analytics
- Data Science Computing
- Data-analyse en privacybescherming in blockchain
- Dataverkenning en visualisatie
- Spatio-temporele data-analyse
- Inleiding tot het leren van grafieken
- Speciale onderwerpen
- Onafhankelijke studie
- Computer Vision en de toepassingen ervan
- Convexe en niet-convexe optimalisatie I
Opleiding tot afgestudeerde onderwijsassistent
- Inleiding tot lesgeven en leren in het hoger onderwijs
Vereiste voor de cursus Professionele Ontwikkeling
- Professionele ontwikkeling voor postdoctorale onderzoeksstudenten
- Loopbaanontwikkeling voor studenten van Information Hub
Engelse taalvereisten
- Stichting Luisteren en Spreken voor Postdoctorale Studenten
- Onderzoek communiceren in het Engels
Postdoctoraal seminar
- Seminar I over het Data Science en Analytics-programma
- Seminar II over het Data Science en Analytics-programma
Thesis Research
- MPhil-scriptieonderzoek
- Onderzoek naar doctoraalscripties
Na succesvolle afronding van het MPhil-programma kunnen afgestudeerden:
- Demonstreer kritisch denken en analytische vaardigheden die essentieel zijn voor het oplossen van echte datawetenschapsproblemen;
- Een reeks kwalitatieve en kwantitatieve onderzoeksmethoden toepassen voor datawetenschap en analyse; en
- Geavanceerde onderzoekstechnieken effectief vertalen en transformeren in de praktijk van data science in academische velden of in de industrie.
Na succesvolle afronding van het PhD-programma kunnen afgestudeerden:
- Identificeer wetenschappelijke en technische correlaties, significanties en inzichten in nieuwe datawetenschap- en analysemodellen, algoritmen, tools, principes, raamwerken, oplossingen en technieken;
- Kritisch denken en analytische vaardigheden demonstreren vanuit het perspectief van datawetenschap en analyse;
- Een reeks kwalitatieve en kwantitatieve onderzoeksmethoden toepassen voor datawetenschap en analyse;
- Fundamentele onderzoeksinzichten effectief vertalen en transformeren in de praktijk van de gegevenswetenschap in de academische wereld en de industrie;
- Oefen onafhankelijk denken en toon effectieve communicatieve vaardigheden bij het presenteren en publiceren van wetenschappelijke bevindingen; en
- Zelfstandig en competent origineel onderzoek uitvoeren en daarbij diepgaande kennis op het gebied van datawetenschap en -analyse aantonen.