Year 1 後有兩條學位路線
學生可在 BEng(CompSc) 與 BEng(AI&DataSc) 之間選擇；招生冊稱兩者不設 quota。面試時可以說目前傾向，但不要假裝四年課程完全一樣。[1][3]
Curriculum map · 2025–26 and thereafter
先看懂結構，
再說你的選擇。
JS6200 不是單一學位路線。Year 1 後可選 BEng in Computer Science 或 BEng in Artificial Intelligence and Data Science；共同基礎相近，但專業必修的重心不同。這一頁把 240 學分、四年排布和每門課的白話意思放在同一張地圖上。
Five anchors
先記住這 5 句話
都是四年、240 學分
共同基礎包括編程、數學、Common Core 與 AI literacy；專業核心從 Year 2 明顯分化。
CompSc 保留較廣的傳統 CS 骨架
離散數學、計算機組織、操作系統、算法和軟件工程是必修；數據庫／網絡二選一，再以選修探索 AI、安全、系統或理論。
AI&DataSc 把更多必修放在數據與模型
概率統計 I–II、數據科學、AI、數據庫、機器學習、深度學習及數據法律倫理都是必修。
Delta+ 的差異不只在課名
前 2.5 年在香港、後 1.5 年在上海，並有 Co-op、企業參訪和行業講座；但公開資料未說明 Co-op 如何對應學位規程中的 6-credit internship。[1][2]
把課程說成決策，不要背課名
面試最有用的不是完整列出 electives，而是挑出 2 門必修＋1–2 門選修，說明它們如何補足你的真實能力缺口。
Credit structure
240 學分怎樣分配
兩條路線的類別與學分相同；差異在 54 學分專業核心、36 學分專業選修，以及 capstone 的具體課程。
54University／UG5
36Foundation
24Introductory core
30Advanced core
18Capstone＋internship
36Disciplinary electives
42Free electives
Two routes
兩條路線，必修重心不同
以下比較的是課程結構，不是職業保證，也不是「哪條一定更深」。
BEng in Computer Science
先建立較廣的傳統 CS 必修骨架，再用選修探索 AI、安全、系統或理論。
54 學分專業核心
Data structures & algorithmsComputer organizationDiscrete mathematicsProbability IOperating systemsAlgorithm designDatabase／NetworksSoftware engineeringMachine learning
Capstone 與實習
- COMP3412 Internship — 6 學分
- COMP4801 Final year project — 12 學分
另至少完成 36 學分 CS disciplinary electives；可按規則申報 AI & Robotics、Big Data Analytics、Cyber Security、Financial Computing、Systems & Networking 或 Theoretical CS Focus。[4]
BEng in AI & Data Science
以數學與統計、數據處理、AI 模型、應用與倫理為重點。
54 學分專業核心
Data structures & algorithmsData scienceProbability I–IIArtificial intelligenceDatabaseLaw & ethicsMachine learningDeep learning
Capstone 與實習
- COMP3512 Internship — 6 學分
- COMP3522 Real-life AI and data science — 6 學分
- COMP4501／4502 二選一 — 6 學分
另至少完成 36 學分 AI&DS disciplinary electives；規程鼓勵利用 free electives 配合數據科學應用領域的 minor。[5]
| 如果你更想回答的是…… | 較自然的路線 | 結構上的理由 |
|---|---|---|
| 軟件和計算系統怎樣被設計與實現？ | CompSc | OS、computer organization、software engineering、algorithms 是必修骨架。 |
| 模型怎樣從數據中學習並支持決策？ | AI&DataSc | 統計 I–II、data science、ML、DL、database、ethics 全部必修。 |
| 我喜歡 AI，但暫時不想放棄系統／安全／理論。 | CompSc | 先保留較廣的傳統 CS core，再以專業選修探索 AI。 |
| 我已有明確數據／模型方向，也想配一個應用領域。 | AI&DataSc | 兩線都有 42 學分 free electives；AI&DS 規程另鼓勵搭配應用領域 minor。 |
| 我還未完全確定。 | 不用假裝確定 | 說清目前傾向、支持證據，以及 Year 1 將如何成為比較依據。 |
Sample study plans
四年培養路徑
整理自學校 2025–26 sample study plans，適用於 DSE M1/M2 達 Level 2 或以上的示例路徑。這是排布參考，不是 2026 JS6200 最終課表。[6][8]
共同基礎 · 約 57 學分。Year 1 結束前選擇 CompSc 或 AI&DataSc。
| Semester 1 | Semester 2 |
|---|---|
| COMP1117 Computer programming MATH1013 University mathematics II 部分 Common Core／AI Literacy I／CAES1001 | COMP1110 Computing and data science in everyday life COMP2113 Programming technologies MATH2012 + MATH2014 其餘靈活 UG5 安排 |
專業核心開始分化 · 約 63 學分。
| 路線 | Semester 1 | Semester 2 | 同年其他要求 |
|---|---|---|---|
| CompSc | COMP2119、COMP2121 | COMP2120、COMP3314、SDST2601 | 兩門 free elective＋Common Core／AI Literacy II |
| AI&DataSc | COMP2119、SDST2601、COMP2501 | COMP3314、SDST2602 | 兩門 free elective＋Common Core／AI Literacy II |
高階核心、選修、中文與實習 · 約 66 學分。
| 路線 | Semester 1 | Semester 2 | Summer |
|---|---|---|---|
| CompSc | COMP3251/3252、COMP3230、CS elective、free electives | COMP3234/3278、COMP3297、CS elective、free／Chinese | COMP3412 Internship（6） |
| AI&DataSc | COMP3270、COMP3312、AI&DS elective、free electives | COMP3340、COMP3278、AI&DS elective、free／Chinese | COMP3512 Internship（6） |
Capstone 與專業深化 · 約 54 學分。
| 路線 | Semester 1 | Semester 2 |
|---|---|---|
| CompSc | COMP4801、CAES9542、兩門 CS elective、free elective | COMP4801、兩門 CS elective、free elective |
| AI&DataSc | COMP3522、CAES9542、兩門 AI&DS elective、free elective | COMP4501/4502、兩門 AI&DS elective、free elective |
Course directory
逐門課程白話解釋
英文課名和課程代碼來自當前規程及 sample study plans；中文說明是面向 DSE 考生的教育性轉述，不是官方完整 syllabus。選修課未必每年開辦，具體語言、工具、作業和評核以當屆 outline 為準。
CAES1001 Academic communication in English
0 學分的 academic English communication 課程；是否豁免以正式審核為準。
CAES9542 Technical English for computer science
在 computer science 情境中練習清楚表達技術內容。
指定中文增潤課
加強大學層面的中文閱讀、寫作和表達；實際 code 以註冊安排為準。
36 credits University Common Core
不是一門固定課，而是 36 學分跨領域通識要求；選科以當屆規定為準。
AILT1001 Artificial intelligence literacy I
AI 素養入門，初步理解 AI 及其使用邊界。
AILT9019 Artificial intelligence literacy II
第二階段 AI 素養課程，也可按規程修讀獲批替代課。
MATH1011 University mathematics I
給沒有 DSE M1/M2 的學生作數學銜接，把中學基礎接到後續大學數學。
MATH1013 University mathematics II
進一步的大學數學基礎；sample plan 把它放在較高年級數學和統計之前。
MATH2012 Fundamental concepts of mathematics
學習大學數學的基本概念及表達方式；具體符號、推理或證明內容以 outline 為準。
MATH2014 Multivariable calculus and linear algebra
認識多變量、向量和矩陣等微積分與線性代數的基本語言。
MATH2101 Linear algebra I
較系統地學習向量、矩陣或線性變換；可在符合條件時成為替代組合的一部分。
MATH2211 Multivariable calculus
理解多個變量同時改變時的微積分問題；可在符合條件時成為替代組合的一部分。
COMP1110 Computing and data science in everyday life
從日常生活情境認識 computing 和 data science。
COMP1117 Computer programming
編程入門，把解題步驟表達成電腦可執行的程序。
COMP2113 Programming technologies
在編程基礎上認識較進階的 programming technologies；工具與開發方式以 outline 為準。
COMP2119 Introduction to data structures and algorithms
選擇合適的數據組織方法和解題步驟，讓程序在數據變大時仍合理運行。
SDST2601 Probability and statistics I
概率統計入門，用數學描述不確定性和數據。
SDST2602 Probability and statistics II
Probability and Statistics I 之後的第二階段課程；估計、比較和建模主題以 outline 為準。
COMP2120 Computer organization
理解電腦內部各部分怎樣組織並執行程序。
COMP2121 Discrete mathematics
學習適合計算問題的離散數學概念與推理方式。
COMP2396 Object-oriented programming and Java
以 object 和 class 把較大程序拆成可管理部分，並用 Java 練習。
COMP3230 Principles of operating systems
理解 operating system 怎樣協調程序與計算機資源。
COMP3231 Computer architecture
學習 computer architecture 怎樣組織和設計計算機系統。
COMP3234 Computer and communication networks
理解裝置怎樣通過網絡通信，以及協議為何重要。
COMP3235 Compiling techniques
認識編譯器怎樣把人寫的程序分析並翻譯成電腦可執行形式。
COMP3251 Algorithm design
為不同問題設計有效解法，比較時間、記憶體與正確性的取捨。
COMP3252 Algorithm design and analysis
兼顧算法設計與分析；它和 COMP3251 的具體差別以 outline 為準。
COMP3258 Functional programming
用函數組合而不是不斷修改狀態來組織程序，訓練另一種處理複雜邏輯的方法。
COMP3259 Principles of programming languages
理解 programming languages 的基本設計原則與差異。
COMP3278 Introduction to database management systems
理解數據庫系統怎樣儲存、組織、查找和管理數據。
COMP3297 Software engineering
理解怎樣用工程方法開發和維護軟件。
COMP3320 Electronic commerce technology
認識支持 electronic commerce 的計算技術與系統組成。
COMP3322 Modern technologies on World Wide Web
認識現代 Web 應用怎樣在瀏覽器、伺服器和網絡服務之間傳送資料與互動。
COMP3323 Advanced database systems
在數據庫入門之上學習較進階的 database systems 主題。
COMP3329 Computer game design and programming
學習 computer game design 與 programming 怎樣結合。
COMP3330 Interactive mobile application design and programming
學習 interactive mobile application 的設計與編程。
COMP3351 Advanced algorithm analysis
進一步分析較複雜算法的效率與性質。
COMP3352 Algorithmic game theory
用算法和數學分析多個參與者追求各自利益時的互動，例如平台、巿場與網絡策略。
COMP3358 Distributed and parallel computing
理解怎樣把計算工作分給多個處理器或電腦。
COMP3405 Engineering quality software
從工程角度理解怎樣提高 software quality。
IMSE3139 Cyber-physical systems
研究軟件、感應器和真實機器怎樣形成讀取環境再控制實體裝置的閉環。
COMP2501 Introduction to data science
Data science 入門，認識怎樣用數據處理問題。
COMP3270 Introduction to artificial intelligence
AI 入門，認識機器處理需要智能判斷問題的不同思路。
COMP3271 Computer graphics
認識電腦怎樣表示和產生圖像。
COMP3314 Introduction to machine learning
讓電腦從例子找規律，學習訓練、測試和比較模型，避免只看訓練資料表現。
COMP3317 Introduction to computer vision
讓電腦從圖片或影片提取信息，例如識別物件、位置或視覺特徵。
COMP3340 Introduction to deep learning
認識多層神經網絡怎樣從大量例子學習表示，並理解基本訓練與評估問題。
COMP3353 Bioinformatics
用計算和數據方法處理生物資料，例如序列或基因相關數據。
COMP3354 Statistical learning
從統計角度理解怎樣由數據建立學習或預測方法。
COMP3356 Robotics
學習 robotics 中的計算問題；感應、規劃和控制的比例以 outline 為準。
COMP3360 Data-driven computer animation
用資料和計算模型產生或控制動作，讓動畫不只依靠逐格手繪。
COMP3361 Natural language processing
讓電腦處理人類語言，例如理解、分類、提取或生成文字，並評估系統何時出錯。
COMP3362 Hands-on AI: experimentation and applications
通過實驗與應用把 AI 方法做成可測試原型，比較方法與結果。
COMP3407 Scientific computing
用數值方法和電腦近似解決難以手算的科學或工程問題，並檢查誤差。
COMP3414 Experiential learning on AI and robotics
通過 experiential learning 接觸 AI 和 robotics；具體項目以當屆安排為準。
COMP3513 Big data systems
學習面向大規模數據的系統；存儲、分布式處理、可靠性與效率主題以 outline 為準。
COMP3516 Data analytics for IoT
學習 IoT 數據分析；數據類型、噪聲、時間變化與部署問題以 outline 為準。
COMP3520 Special topics in data science
學習當屆指定的數據科學專題；必須查看當屆選課資料。
COMP3521 Visualization for data analytics
學習用可視化幫助數據分析；具體設計原則與工具以 outline 為準。
COMP3522 Real-life AI and data science
把 AI 和 data science 用於貼近現實的情境；具體活動與評核以 outline 為準。
COMP3524 Web intelligence
學習 Web intelligence；網頁、連結或網上互動資料等範圍以 outline 為準。
COMP4510 Principles of machine learning
進一步學習 machine-learning principles；假設、優化與泛化內容以 outline 為準。
COMP4511 Principles of deep learning
進一步學習 deep-learning principles；模型結構、訓練方法與限制以 outline 為準。
COMP4512 Advanced computer vision
處理更複雜的圖像和影片理解問題，並比較較先進的方法。
FITE3010 Big data and data mining
學習 big data 和 data mining；模式發現、規模與運算成本以 outline 為準。
SDST3600 Linear statistical analysis
學習 linear statistical analysis；模型假設、相關、預測與不確定性以 outline 為準。
SDST3612 Statistical machine learning
從統計角度學習 machine learning；推斷與不確定性表達範圍以 outline 為準。
SDST3621 Statistical data analysis
學習怎樣用 statistical methods 分析和解釋數據。
SDST3622 Data visualization
學習用視覺方式呈現數據，幫助理解資料。
SDST4601 Time-series analysis
分析按時間排列的資料，例如趨勢、週期和前後相依關係，並作有條件的預測。
SDST4602 Multivariate data analysis
同時分析多個變量，尋找整體結構，而不是逐個變量分開看。
COMP3311 Legal aspects of computing
認識開發和使用計算系統涉及的法律問題。
COMP3312 Law and ethics in data science
認識 data science 的法律與倫理問題。
COMP3316 Quantum information and computation
認識量子位、疊加和糾纏怎樣表示與處理信息，以及量子方法與一般電腦的差別。
COMP3355 Cyber security
建立網絡安全基本概念：系統可能怎樣被攻擊、風險怎樣形成及防護的層面。
COMP3357 Cryptography
認識用數學方法保護信息與通信的 cryptography。
COMP3364 Digital forensics
學習怎樣保存、檢查和解釋數碼證據，同時避免在調查過程破壞證據。
COMP3365 Cyber attack and defense
從攻防雙方理解系統弱點怎樣被利用，以及監測、限制和修補攻擊的方法。
COMP3366 Quantum algorithms and computer architecture
把量子算法與實際硬件設計連起來，理解理論算法在真實量子電腦上的限制。
COMP3523 Security and privacy in artificial intelligence
關注 AI 模型與訓練資料被攻擊、洩露或濫用的風險，以及怎樣降低風險。
FITE2010 Distributed ledger and blockchain
認識沒有單一中央帳本時，參與者怎樣就記錄達成共識，以及這種設計的適用邊界。
COMP3160 Web3.0 for social impact
嘗試把 Web3 概念用於社會問題或創新項目，並檢驗技術是否真的帶來價值。
COMP3412 Internship
CompSc 路線的 6 學分 internship；實際崗位、任務與安排以當屆公布為準。
COMP3413 Research internship
研究導向的 internship；URFP 學生可按規程用它替代相應 internship。
COMP3512 Internship
AI&DS 路線的 6 學分 internship；它與 Delta+ Co-op 的對應關係尚未公布。
COMP4501 AI and data science in discipline project
把 AI／data science 用於某一具體學科領域的 project。
COMP4502 Final year project
AI&DS 路線的 final-year project；具體形式、指導與評核以當屆安排為準。
COMP4801 Final year project
CompSc 的 12 學分 final-year project；sample plan 把它排在 Year 4 兩學期。
IMSE3137 Virtual reality for systems engineering
認識 virtual reality 在 systems engineering 情境中的用途。
沒有符合目前搜尋或分類的課程。
Turn courses into evidence
面試時，怎樣把課程說成自己的選擇
不要背定義。對每門課只回答三件事：它在解決什麼問題？它和你做過的事有什麼連接？你現在還不會什麼、為什麼想學？
我在 [項目／比賽／自學經歷] 中發現自己最想解決的是 [具體技術問題]。因此我目前傾向 [CompSc／AI&DataSc]：其中 [兩門必修] 能補足我的基礎，[一至兩門選修] 能讓我繼續探索 [方向]。我選擇 JS6200，是因為希望在上海階段通過 [Co-op／企業場景／跨地區協作] 檢驗這些能力；Year 1 的共同基礎也會成為我比較兩條路線的實際依據。
Ask the school
值得向課程方確認的 4 個問題
這些問題來自公開材料之間的真實空白，不是為了難倒面試官。
- 港大當前 CDS／Delta+ 頁面寫 six-month Co-op，而 JUPAS／招生冊寫 seven-month；2026 cohort 最終採用哪一種，如何計入 6-credit internship？
- 通用 sample study plan 把實習放在 Year 3 summer；JS6200 上海 Co-op 與 Year 3 Semester 2、summer、Year 4 如何銜接？
- 上海教學點能否穩定開出兩條路線各自的 36 學分專業選修，選課機制與香港校區是否相同？
- Year 1 結束前雖可自由選 degree、無 quota，adviser、先修課與 timetable 會怎樣幫助學生選擇？
必須保留的課程與版本邊界
- 當前規程適用於 2025–26 intake and thereafter，但仍標示 Subject to Approval；2026 JS6200 cohort 以註冊時版本為準。
- AI&DS 舊 PDF 曾列 capstone 12、disciplinary electives 42、internship 0；當前 2026-03 文件改為 18、36、internship 6。本頁採用當前連結。
- 學校公布香港 2.5 年＋上海 1.5 年，但通用 sample plans 沒逐學期標註地點；具體課程／實習映射仍須 CDS 確認。
- Co-op 時長有六個月／七個月兩種官方說法，本頁不擅自選一個作最終答案。
- 課程池中出現的 elective 不代表某學期一定開辦，也不代表可忽略先修課或重複計分規則。
- 中文解釋不能替代正式 course outline，也不能推導成特定職業的能力保證。
Sources
引用資料
連結指向公開原始頁面或 PDF；資料存檔日期為 2026-07-20。
- HKU CDS｜JS6200 programme overview
- JUPAS｜JS6200 programme information
- HKU CDS｜2026 admissions brochure (PDF)
- BEng(CompSc) Regulations & Syllabus (PDF)
- BEng(AI&DataSc) Regulations & Syllabus (PDF)
- CompSc sample plan｜with M1/M2 (PDF)
- CompSc sample plan｜without M1/M2 (PDF)
- AI&DataSc sample plan｜with M1/M2 (PDF)
- AI&DataSc sample plan｜without M1/M2 (PDF)