專業介紹：

我院就讀的人工智能數據分析專業是研究利用人工智能技術來處理和分析大數據的學科，涉及數據收集、清洗、建模和預測等方面。

香港的人工智能數據分析課程提供了全面的理論和實踐培訓，包括機器學習、數據挖掘、深度學習和統計分析等內容，且授課形式十分的creative且global。

該課程側重於信息系統的理論和實踐，涵蓋高級信息系統的三個主題（即數據分析、人工智能和智能信息系統）。學生在這些主題中學習紮實的理論並獲得實踐技能，以便他們可以應用這些理論和技能來解決現實世界的信息系統問題。完成本課程後，學生應能夠達到以下課程預期學習成果 ：解釋數據分析、人工智能和智能信息系統的核心概念和方法；應用數據分析、人工智能、智能信息系統和相關技術解決問題和應用；識別業務需求並解釋如何應用數據分析、人工智能和相關技術將業務需求轉化為信息系統。

大家會學習如何運用人工智能技術解決實際問題，並通過實際項目和實習經驗來提升自身的技能和能力。

劃重點!一定要掌握好計算機基礎知識，數學知識以及統計學知識，例如常見的矩陣，張量，濾波filter，分布(Normal, Guassian , etc.)。

重要課程介紹

機器學習是一門研究如何通過計算機算法從數據中自動學習和改進的學科。在碩士課程中，機器學習通常是人工智能 IT論壇 網絡和移動編程 數據分析和人工智能的定量方法 數據分析的原則與實踐 IT項目技能等相關專業的核心課程之一。

在機器學習課程中，大家將學習各種機器學習算法和技術，以及它們在實際問題中的應用。課程內容通常包括以下方面：

監督學習

介紹監督學習的基本概念和算法，如線性回歸、邏輯回歸、決策樹、支持向量機等。學生將學習如何從帶有標簽的訓練數據中建立模型，並用於預測新的未知數據。

無監督學習

介紹無監督學習的基本概念和算法，如聚類、降維、關聯規則等。學生將學習如何從未標記的數據中發現模式和結構，以及如何利用這些信息進行數據分析和決策。

深度學習

介紹深度神經網絡的基本原理和應用。學生將學習如何設計和訓練深度神經網絡，以解決復雜的模式識別和預測任務。學會看各種tutorial，例如基於python的深度學習庫PyTorch將會很常用。

模型評估與選擇

介紹如何評估和比較不同機器學習模型的性能。學生將學習交叉驗證、ROC曲線、混淆矩陣等評估指標和方法。

實踐項目

通常，機器學習課程還包括一個實踐項目，讓學生應用所學的知識和技術解決實際問題。學生將需要選擇合適的數據集、設計合適的模型，並進行實驗和分析。

通過機器學習課程的學習，大家將獲得對機器學習理論和實踐的全面了解，並具備運用機器學習算法解決實際問題的能力。

這對於從事數據科學、人工智能、智能系統等領域的工作和研究都非常有價值。

專業學習建議

作為工科學科及熱門學科，其實時間就是一個很大的成本，隨著科技的發展越來越多的崗位其實是供大於求的，尤其是普通的開發崗，那麼，來這邊是個很好的選擇，變相地節約了時間。

如果想要接觸research相關，那麼大家一定要今早的聯系老師，進入到lab中，加入到大佬們的組中項目中去多多學習。一些suggestion：

多學習數學和統計學知識

人工智能數據分析涉及大量的數學和統計學概念，如線性代數、概率論和回歸分析等。建議加強這些基礎知識的學習，以便更好地理解和應用在數據分析中。

實踐項目和實習經驗

除了課堂學習，參與實際項目和實習能夠提供寶貴的實踐經驗。通過實際應用人工智能技術解決問題，可以提升自己的技能和能力，並且在就業市場上更具競爭力。

深入了解相關工具和技術

掌握一些常用的數據分析工具和編程語言，如Python、R和SQL等。這些工具和技術在人工智能數據分析領域中非常常見，熟練掌握它們可以提高工作效率和數據分析能力。

不斷學習和跟進最 新發展

人工智能數據分析領域發展迅速，新的技術和算法不斷湧現。保持學習的態度，關註最 新的研究和進展，不斷更新自己的知識和技能，以跟上行業的發展趨勢。

建立合作和交流的網絡

與同行和專業人士建立聯系，參加學術會議、研討會和社區活動，擴展自己的人脈。與他人的合作和交流可以帶來新的思路和機會，同時也有助於個人的職業發展。

為了吸引優秀的申請者，該碩士課程為本科學習成績優異的新生提供入學獎學金，金額為港幣12000，8000,4000不等，具體根據學生的成績評定