01
先看懂這個課程
適合你，如果你
- 喜歡數學、統計與程式；
- 對 AI、大數據分析有熱情；
- 享受從數據中找規律與建議；
- 想投身商業或公共機構的數據崗位。
可能不太適合你，如果你
- 抗拒數理與編程；
- 不喜歡長時間對着電腦寫程式與分析；
- 期望讀純藝術或文科。
02
你會學甚麼
你會學什麼
| 學習主題 | 你會接觸的內容 |
|---|---|
| 程式與運算 | 程式設計、資料結構與演演算法、計算機基礎【官方資料】 |
| 數理統計 | 代數與微積分、機率與分佈、統計數據分析【官方資料】 |
| 數據與 AI | 大數據分析、機器學習、AI 相關發現【官方資料】 |
| 應用 | 商業與公共機構的數據應用、SAS 認證培訓【官方資料】 |
四年學習地圖
| 階段 | 主要學習體驗 |
|---|---|
| 一年級 | 程式設計、計算機基礎、代數與微積分、機率與分佈、數據分析應用 |
| 二年級 | Java 程式、離散數學、線性代數、統計分析、大數據分析 |
| 三年級 | 進階統計、機器學習、AI 應用、實習（optional）【官方資料】 |
| 四年級 | 畢業專題、選修（結構以院校最新學則為準）【未確認】 |
方向、主修或組別
課程未設分組主修；獲 SAS 聯合大學認證（SAS 程式設計與資料探勘）。【官方資料】
03
你會怎樣學
學習方式
【根據官方課程整理】 英文閲讀與寫作 ●●●○○ 數理／邏輯推理 ●●●●● 編程與技術工具 ●●●●● 方案策劃與分析 ●●●●● 團隊合作與表達 ●●●●○ （最強證據：課程含程式設計、機器學習與大數據分析，並融入 SAS 認證培訓。）
代表性課程
- 機器學習（Machine Learning） — Learn：監督與非監督學習。Do：建立預測模型。Produce：模型與報告。【根據官方課程整理】
- 大數據分析（Big Data Analytics） — Learn：大數據處理。Do：用工具分析真實數據集。Produce：分析專案。【根據官方課程整理】
04
選修與實踐
選修自由度與實踐機會
課程含選修與（optional）實習；並可考 SAS 業界認證。【官方資料】
05
它和相似課程的差別
與相似課程有什麼不同
- 與 JSSU72 電腦科學：本課重數據與 AI，後者重電腦科學廣泛基礎。
- 與 JSSU96 財務及金融科技：本課重數據科學，後者重金融與金融科技應用。
06
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、AI、數據工程、商業分析。
- 職位例子【可能發展方向】：數據科學家、AI 專員、數據分析師、數據工程師。
- 進修【可能發展方向】：數據科學、AI 相關碩士／博士。
07
申請與資料核對
入學要求與競爭情況
HKDSE 最低要求
中文 3、英文 3、數學必修部分 2、公民與社會發展「達標」、兩個選修科各 2。【官方資料】
計分方法與科目比重
「最佳 5 科」（具體加權以院校公佈為準）。【官方資料】具體收生分數【資料不足】。
面試／作品集／測試
不設面試（JUPAS）。【官方資料】
歷年收生參考
學額以 SSSDP 合併數字待確認。
學費、資助與學額
- 首年學費 HK$84,170；SSSDP 資助 HK$46,780（2026/27），扣除後首年約 HK$37,390。【官方資料】
- 學額：SSSDP 合併數字，待確認。
你申請前最值得確認的事
- SAS 認證是否計入課程學分及考試費用；
- 實習是否必修；
- SSSDP 與 NMTSS 實際資助與學額；
- 與 JSSU72 的選課差異。
官方資料
審核摘要
- 審核狀態：通過
- 已複核重點事實：7
- 第二輪修正：0
- 保留提示或不確定項：2（收生分數；學額為合併數字）
- 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：一年級入學（2023 後）
- 最後核對日期：2026-07-12