微信扫一扫
在广州南沙，蕉门水道与红鸟湖之间，一片清水混凝土建筑群巧妙地将湿地景致、自然风道与前沿算法融入同一幅和谐画面。香港科技大学（广州）的大数据智能理学硕士项目（MSc in Data-Centric Artificial Intelligence Technology）便坐落于此。这是一个为期两年的硕士课程，却犹如一段支持并行计算的脚本：上课、实习、论文三条线程同步推进，让学生得以在真实世界的数据海洋中反复调试、打磨自我。以下是一份“非官方手记”，谨献给那些渴望将代码编织进生活，又将生活反哺于代码的追梦人。
一、课程架构：数据与智能的高效流水线 48学分的课程被精心设计为五个功能模块，其修读顺序虽可灵活调整，但每一模块都旨在产出切实成果：
核心模块（15学分）
- 数据科学计算：将HDFS、Spark、MLOps等技术工具整合，构建一套可在本地与云端无缝迁移的数据处理管道。
- 高级机器学习：课程内容从凸优化延伸至Transformer模型，作业要求学生复现一篇研究论文并提交可复现性报告。
- 深度学习与图模型：学生需将图神经网络（GNN）应用于南沙公交网络，探索能否实现提前15分钟的客流预测。
- 人工智能伦理与法律：撰写一份800字的市民科普手册，阐释“算法偏见”的量化方法。
方法选修（9学分） 从强化学习、因果推断、高维统计三门课程中任选其二。每门课程均配备GPU计算卡，学生可将个人搭建的实验环境打包为Docker镜像带走。
领域选修（9学分） 提供金融、医疗、制造、城市四个专业方向供选择，亦可跨领域组合。近年出现的创新组合实例包括：
- 金融风控 + 图神经网络：将跨境人民币交易数据构建为动态图谱，识别异常子图结构。
- 医疗影像 + 联邦学习：在三家医院数据不出本地的前提下，协同训练肺癌早筛模型。
- 智能制造 + 时序预测：为家电工厂开发“备件需求预测”API接口，将库存周转天数压缩至7天以内。
工业实习（12学分） 为期整整12个月的全职企业实习。学院率先举办“需求市集”，学生组队后如同选课般竞标项目。合作企业名单每年更新，包括阿里、京东、微软亚洲研究院、三星、NAVER、小鹏、广汽、微众银行等行业翘楚。实习期间，学生完全融入企业运作：打卡考勤、领取工牌、参与OKR评审。年底返校答辩时，需将实习期间的KPI转化为毕业论文的有机组成部分。
毕业设计（3学分） 既可延续实习课题，也可另行选题。核心要求是将“可复现性”纳入评审标准——代码、环境配置、数据及随机种子均需公开，供下一届同学fork参考。
二、双导师制度：学术与工业线程的实时交互 每位学生均配备两名导师：
- 学术导师：来自数据科学与分析学域（DSA）或香港清水湾校区计算机科学与工程系（CSE），负责理论指导、论文写作与方法论构建。
- 工业导师：来自实习企业，专注于场景落地、数据资源与工程实现。
两位导师每月召开一次“三方例会”，由学生负责会议纪要。常见的协作场景包括：学术导师可能指出特征工程的粗糙之处，而工业导师则回应“线上QPS限制在50毫秒内，只能如此实现”。学生需将双方需求转化为GitHub上的issue，进而调优参数、进行压力测试、撰写技术博客，最终形成一份可复现的研究报告。
三、硬件与数据：校园作为远程可调取的算力节点 教学楼地下一层部署了200张A100/V100 GPU，通过40G校园光纤直连广州超算中心；学生账户默认享有5TB分布式存储空间，并可根据项目需求扩容。
更具特色的是“数据沙盒”：
- 南沙区提供脱敏后的公交GPS、地铁闸机及共享单车站点数据，存储于校园集群，支持学生开展时空预测研究。
- 广汽集团贡献1000小时自动驾驶路测视频，包含超过2亿个已标注目标框。
- 微众银行开放100G合成金融时序数据，用于联邦学习原型系统的开发。
这些数据仅限校园网内流转，学生可通过远程Jupyter访问，或将容器镜像推送至集群运行，毕业时可一键导出所有成果。
四、职业发展：模型作为社会可调用的API 两年的学习历程，学生简历上会呈现三条并行的实践轨迹：
- 课程项目：开源代码与技术报告。
- 工业实习：真实KPI与线上部署模型。
- 毕业设计：可复现的代码仓库（Repo）与公开演讲。
近三届毕业生的就业去向分布如下：
- 互联网与云服务厂商（35%）：如阿里云、腾讯、字节跳动、华为、NAVER等。
- 金融与风控领域（20%）：如微众银行、招联金融、平安集团、广发银行、港交所等。
- 汽车与制造业（15%）：如广汽、小鹏汽车、博世、西门子等。
- 继续深造攻读博士（15%）：如香港科技大学清水湾校区、瑞士洛桑联邦理工学院（EPFL）、苏黎世联邦理工学院（ETH）、华盛顿大学（UW）等。
- 创业与家族企业数字化转型（10%）：部分学生将实习项目孵化成创业公司，已有团队获得Pre-A轮融资。
- 公共部门与智库（5%）：如广东省政务服务数据管理局、深圳市科技创新委员会、香港生产力促进局等。
招聘形式多采用“嵌入式内推”：
- 秋季“数据开放日”：提前两周向学生发放企业真实数据包，历经48小时黑客松（hackathon）后，企业现场点评，优胜队伍直接获得实习面试机会。
- 春季“模型答辩”：对外开放评审环节，企业工程师现场观摩，学生边演示代码边回答提问，录用通知（Offer）常于现场发放。
五、写在最后：毕业，作为一次可复现的Git Tag 在香港科技大学（广州）攻读大数据智能硕士，最令人着迷的并非“模型训练完成”的瞬间，而是“留下可追溯痕迹”的过程：
- 每一次代码提交（push），都被Git永久记录；
- 每一次实验迭代，都由MLflow妥善存档；
- 每一次答辩现场，都通过B站全程直播；
- 每一次实习成果，都可能被写入甲方下一轮招标书的参考案例。
