【新加坡留学】新国大（NUS）数据科学与机器学习理学硕士申请项目答疑

新加坡国立大学数据科学与机器学习理学硕士项目（DSML硕士项目）每年招生1次。2021年8月入学的申请已于2020年10月15日开放，2021年1月31日截止。

目前，申请正在火热进行中，很多申请人也对该项目抱有不少疑问。对此，新国大研究生公众号收集了同学们提出的问题并邀请到了项目学术主任张洛欣教授进行回答，具体内容如下：

问题1：许多著名大学都开设了数据科学相关的硕士项目，新国大DSML硕士项目的优势是什么？

答：是的，现在对数据科学的毕业生需求量很大，所以每个一流大学都有与数据科学有关的专业、硕士项目。我们项目的优势是理论和实践兼顾，提供数据科学多个专业的训练，以及强大的授课团队。另外，新加坡非常重视城市的数据化和智慧化，这提供了良好的实习环境。

问题2：DSML硕士和计算机硕士-人工智能（AI）专业的学习内容差别大么？

答：两个项目有区别。人工智能离不开数据处理，数据处理会用到AI和机器学习的知识和工具。但是，人工智能更注重人类认知的非数据计算化，比如你怎么用计算机程序控制机器人去模仿人类的行为，如何证明数学定理等等，这些都跟数据分析无关，是基于非数据的认知和推理；数据科学的推理和论断，则是基于数据分析的，DSML硕士项目中涉及的机器学习和AI内容是为了支持对数据的分析。

问题3：DSML硕士项目的学习对编程技能的要求是什么？Python，R，JAVA，Julia，MatLab？

答：我们希望进来学习的同学有良好的编程基础。数据科学在用户端常用的程式语言是Python和R，JAVA是另一个重要程式语言。Julia和MatLab主要用于数值计算，目前我们不要求学生掌握。

问题4：那么我在申请的时候就要会Python么？这是录取条件么？

答：我们在录取条件中不要求学生会Python。但是，课程一开始就要使用Python，而且要求比较高。

比如，我教授的DSA5101工业大数据概论这门课，就有做编程项目的。我们可以体会到缺乏编程基础的学生的难处，比如我自己本科是数学专业的，研究生转到计算机科学的时候，编程也是很困难的。因为计算机科学不同于数学思维，不是理解就够了，而是要求学生记得protocol等等很多东西。为了更好地适应课堂，建议我们的学生在课程开始前去提高自己的Python技术。

问题5：首届录取的学生院校和专业背景分布情况如何？

答：首届共招收了62名学生，其中中国学生有45名。我们的录取建立在竞争基础上，首届来自中国高校的学生均毕业于“985”、“211”大学。从专业分布上看，大约1/3学生是数学系、统计系毕业的，其他2/3的学生来自工科专业。

问题6：来自不同专业、受不同训练的学生进入课程以后，教学如何平衡呢？

答：来自不同背景的学生各有强项和弱项，对问题的看法往往也不同，这确实给教学带来一些困难。但我们的授课团队里有一批从事交叉学科研究的老师，这些老师有丰富的教学经验。我们的老师会提供各种阅读材料、视频等等，让不同背景的学生选择阅读和观看，以便快速掌握所需要的知识。另外，我们还会用各种例子来解释困难的技术术语，保证所讲的内容没有缺口。

问题7：我们课程中使用的数据案例的来源是？

答：我们目前上课使用的数据案例大部分来自公共数据资源，例如kaggle是其中的一个数据资源库。一小部分资源来自老师们自己的科研合作项目，例如我上课时会用到一些我们用的癌症研究的数据、COVID-19相关数据等等。

问题8：DSA5201工业咨询和应用项目是一门怎样的课程？可以多介绍一点么？

答：这门课要求学生到公司里做数据分析课题或者加入到某个科研小组从事科研项目。一次实习项目开展的周期最低为10周（每周15个小时），实习公司可以在新加坡，也可以在海外。

我们非常鼓励学生积极参加工业实习和科研项目，也引导他们尝试自己寻找实习单位，自主申报实习项目，以锻炼对外沟通的能力。我们也有合作的机构和部门，会给学生牵线一些数据科学方面的实习机会。

关于实习的评估，实习期间每2周有progress report，实习结束时有总的项目报告，让学生汇报实习成果，由实习公司的supervisor和学校里负责实习项目的老师共同评估。