先看懂這個課程

適合你，如果你

已確定想專攻數據科學，不想一年後才選主修。
喜歡統計、數學與程式。
想從事 AI、數據科學相關行業。
享受動手做真實數據項目。

可能不太適合你，如果你

還未確定是否要走「數據＋系統工程」路線（應考慮 JS1071）。
對大量數學與程式感到吃力。
想讀電腦科學或網絡安全（應考慮 JS1204／JS1070）。

你會學甚麼

你會學什麼

學習主題	你會接觸的內容
量化與統計	量化知識、統計分析技術【根據官方課程整理】
機器學習	機器學習技術、深度學習【官方資料】
數據挖掘	大數據的挖掘與分析【官方資料】
應用領域	AI、社羣媒體分析、統計學習三個進階範疇【官方資料】
溝通與倫理	跨專業溝通與倫理意識【根據官方課程整理】

四年學習地圖

階段	主要學習體驗
第一年	數據科學基礎：程式、統計、數據庫等共同課【根據官方課程整理】
第二至三年	主修核心與三個進階範疇（AI／社羣媒體分析／統計學習）選修
第三至四年	開放式專題、實際數據項目
畢業年	畢業專題，整合分析、建模與溝通

方向、主修或組別

提供三個靈活進階知識範疇：Artificial Intelligence、Social Media Analytics、Statistical Learning【官方資料】。直接入讀單一主修 BSc Data Science；經 undeclared major (BDDS) 後才申報者不適用此結構【官方資料】。

你會怎樣學

學習方式

【根據官方課程整理】閲讀與理論理解 ●●●●○ 寫作與論證 ●●●○○ 數學／邏輯推理 ●●●●○ 程式與技術工具 ●●●●● 團隊合作／表達 ●●●●○ 實驗／實作（數據項目） ●●●●○

最強證據：課程目標明言訓練量化、統計、機器學習與運算技術，並強調實際數據項目。

代表性課程

機器學習相關課 — 學：監督／非監督學習等；做：建模與驗證；產：預測模型【近期課程例子｜2025/26，依官方特點描述】。
大數據分析 — 學：大數據處理技術；做：資料管線分析；產：分析報告【近期課程例子｜2025/26】。
數據挖掘 — 學：挖掘與模式發現；做：從真實數據集提取洞見【近期課程例子｜2025/26】。

選修與實踐

選修自由度與實踐機會

進階範疇三選，提供靈活度；強調實際數據項目與跨學科訓練【官方資料】。具體選修學分比例【未確認】。

它和相似課程的差別

與相似課程有什麼不同

與 JS1071：JS1072 直接入讀單一主修；JS1071 首年後才選（數據科學或數據與系統工程）。
與 JS1074 數據與系統工程：JS1072 偏數據科學與分析；JS1074 偏數據＋系統工程。

畢業後的路

畢業後的可能方向

發展領域【可能發展方向】：數據科學、人工智能、商業分析。
職位例子【可能發展方向】：數據科學家、數據分析師（非保證）。
進一步進修：數據科學、AI、統計相關碩士。

申請與資料核對

入學要求與競爭情況

HKDSE 最低要求

【官方資料】英文 3、中文 3、數學 3、公民與社會發展「達標」；兩科選修 3。

計分方法與科目比重

【歷史參考｜2025】3 核心 + 2 選修，英文／數學 ×2；2025 主輪參考：中位數 28、下四分位 27（滿分制 5**=8.5）【歷史參考｜2025，城大官方收生統計】。

面試／作品集／測試

【官方資料】一般不設面試。

歷年收生參考

【資料不足】個別主輪取錄人數未能從可靠公開來源確認（JUPAS 網頁未顯示 JS1072 單獨取錄數；與 JS1071 合併顯示時不應視作課程專屬）。

申請判斷

分數與 JS1071 相若，建議 Band A；數理背景重要。

學費、資助與學額

【官方資料】教資會資助；2026/27 本地生首年學費 HK$47,000。
【資料不足】JS1072 單獨本地學額未能從可靠來源確認（JUPAS 課程頁未顯示單獨 First Year Intake）。
非本地生學額：城大各課程合共約 500 個【官方資料】。

你申請前最值得確認的事

JS1072 與 JS1071 在收生與畢業資格的確實差異。
三個進階範疇的具體課程清單與選修要求。
是否有強制實習或畢業專題學分。
學額與往年取錄情況。
與 JS1074 的課程定位分別。

官方資料

審核摘要

審核狀態：有條件通過
已複核重點事實：8
第二輪修正：0
保留提示或不確定項：2（單獨學額、選修比例）
刪除的無依據內容：0
資料適用入學年度：2026/27
課程結構適用 cohort：2026/27（依官方課程描述）
最後核對日期：2026-07-12