港科大AI本科选课攻略 三大路径对比解析

常见问题文字精华

Q：为何有人建模如喝水般轻松，有人却代码写到崩溃？ → 速测这三道送命题：

🔴道理型选手：读工科=每门课都在渡劫（某数学竞赛金牌差点退学） 🟢实干派玩家：修理科=每天怀疑智商（某项目大佬GPA2.8挣扎）

1️⃣BSc数据科学

适合人群：喜欢被数学折磨的受虐狂

2️⃣BSc数据分析+四选一专精（生物/环境/信息/分子）

3️⃣BEng/BSc计算机大类

核心区别在于“理论”与“实践”。

理学士（BSc）：侧重理论。数学、算法、密码学是核心，适合喜欢抽象建模的“道理型”选手。

工学士（BEng）：侧重实践。主攻软硬件开发、系统设计，适合热衷系统落地的“实干派”。

避坑指南：其实本科阶段两者差异不大！港科大包容开放，理科生可修工程，工科生可补理论，不必纠结初始选择。

不能！大一结束才分流！

避坑指南：大一GPA是进入AI主修的“生死线”！选修课要拼命卷，打牢高数和编程基础才是硬道理。

数据科学技术（BSc）：前两年数学算法打底，后两年狂点应用技能树（游戏/推荐系统/智慧城市/金融科技等）。

数据分析与AI（BSc）：必须四选一专精（应用生物科学/环境科学/信息科学/分子科学和化学信息学），科研味更浓，适合想在硬核细分领域深耕的同学。

当然可以！港科大允许后期跨专业选修，理科生也能修工程课，工科生可补理论。此外，港科大还推出了“专业+X”课程体系，鼓励你将核心专业与AI、可持续发展等高需求领域相结合。

爱抽象建模、重理论：首选理学士（BSc）。

爱系统落地、重实践：首选工学士（BEng）。

想在细分领域深耕：考虑数据分析与AI（BSc）。

做算法研究/科研：选理学士（BSc）或数据分析与AI（BSc）。

做系统开发/工程落地：选工学士（BEng）。

做AI产品经理/商业分析：选数据科学与技术（BSc），强调“AI+场景”落地。

想保留最大可能性：选计算机大类（BSc/BEng），可自由组合AI+金融/生物等方向。

想快速锁定应用方向：选数据科学与技术（BSc）或数据分析与AI（BSc）。

在港科大选专业就像开盲盒——你以为买的是巧克力味，结果吃出了麻辣小龙虾的惊喜！

选AI，其实是在选路径：你是想成为理论研究者、工程实干派，还是跨界应用型人才？只有当个人背景、学习能力与项目培养目标形成匹配，AI才会成为你真正的加分项。