国家“十五五”规划明确提出统筹教育、科技、人才一体化发展，加快建设教育强国、科技强国、人才强国，年轻一代的学科选择，正是夯实国家战略根基的重要一环。随着2026年中学文凭试（DSE）于本月5日所有科目的考试顺利完成，5万多名学子将迎来升学抉择的关键时刻，其中大学联招（JUPAS）的首轮改选将于本月27日截止。
为助考生精准规划志愿、把握入读心仪学科的良机，香港文汇报由即日起推出“大学STEAM焦点学科系列”，特邀八所资助大学及多所自资院校相关学系及课程负责人，详细介绍焦点科目的收生准则、面试攻略与发展前景，涵盖数据科学、人工智能（AI）、工程、艺术科技等前沿领域，期望陪伴各位考生走好升学路上的关键一步，在国家发展大局中找寻属于自己的舞台。
“人工智能+”行动，为千行百业注入新动能，亦带动跨学科STEAM人才需求上升。特区政府近年积极把STEAM元素融入高等教育，其中，岭南大学为紧贴数字时代科技与工程界提出的“ABCD”趋势——人工智能（AI）、大数据分析（Big Data Analytics）、云端计算（Cloud Computing）及领域知识（Domain Knowledge），特别推出“岭南教育机构陈斌博士数据科学（荣誉）理学士”课程，提供全面及实务的数据科学教育。香港文汇报邀请校方详细介绍收生要求，为有意报读的同学提供最新的第一手入学资讯。
该课程上年度共收到2203份联招申请，其中Band A申请为322份，经联招取录38人，若只以Band A计算，平均约8人争一学额。课程将于2026/2027学年提供25个联招学额，基本入学要求为“333A22”，即中英数各达3级，公民科达标，两个选修科达2级（包括数学延伸单元一/二）。

看重批判性思维团队合作等
鉴于课程的数理比重高，校方就指定科目采取加权计分：中英文、数学、数学延伸单元一及二、资讯及通讯科技科获2倍加权；化学及物理获1.5倍加权。按加权后“最佳五科”计算，该课程收生分数中位数为31.365分。
课程收生设有面试，岭大表示，通常会评估学生的学术潜力、兴趣和动机，可能涉及一些数据科学相关问题，测试学生的基本知识和问题解决能力。
学院期望面试者详细了解岭大的数据科学课程，包括课程内容、教学方法、课程目标和未来就业前景，展示对课程的认识，同时要准备简洁而有力的自我介绍，涵盖学术背景、相关经验和兴趣爱好，强调选择数据科学的原因及对该领域的热情。
由于数据科学课程涉及大量数据分析和解难，岭大期望申请者在面试中展示过去如何解决与数据相关问题的实力，并建议申请人准备一些关于课程的问题，不仅显示对课程的兴趣，亦有助了解课程是否适合自己，也可以准备回答常见的面试问题，例如自身的优势和劣势、过往学习经历、为何选择此课程等。岭大期望看到同学具备强大数学基础和基本编程知识、批判性思维、团队合作和沟通能力，以及自学新技术和工具能力，以适应数据科学快速发展。
岭大强调，数据科学是实践性很强的学科，同学可尝试参加各类相关竞赛、实习或自主项目，提升实践能力；同时面对领域的快速更迭，应保持好奇心，持续学习最新知识和工具，并善用网上资源辅助学习，学会与他人分享知识和资源，建立团队合作意识。
此外，数据科学课程涉及大量编程和数据分析作业，学生需建立良好的时间管理能力，学会制定学习计划，确保按时完成所有任务。岭大相信这些能力对学生的学习和未来职业生涯均有帮助。
交流实习机会丰 “文理融合”育人才
岭南大学“岭南教育机构陈斌博士数据科学（荣誉）理学士”课程涵盖人工智能、电脑科学，及数学与统计学等，课程强调跨学科“文理融合”，把数据科学应用延伸至科学、社会科学、人文及商业等不同领域。
课程要求学生修毕指定120学分，并透过核心科目、专题研习及跨领域学习，训练学生掌握数据科学原理与实务，熟悉由数据收集、分析到展示的完整流程，培养AI与数据分析能力及思维框架，以应对多领域复杂问题，提出创新方案，推动社会可持续发展。
定期邀请业界专才到校分享
课程同时融入博雅教育元素，加强学生的沟通技巧，培养其慎思明辨与以创新思维解难的能力，以装备学生迎接不同界别的新兴挑战。岭南教育机构陈斌博士数据科学课程学习资源中心会提供先进软硬件，支援学生学习新技能与新方法。
国际化与实战机会是课程的特色之一：学生可选择到全球逾40个国家或地区、超过240所合作院校，参与一学期的交流，或修读短期暑期/冬季课程，体验跨文化学习并接触国际前沿技术。高年级学生亦有机会到云端计算服务商、电子商贸等企业实习，并考取企业提供的相关证书，累积程式设计、资料收集与分析等实务经验，提升就业优势。学院鼓励学生考取相关专业认证，提升就业竞争力，亦会定期邀请业界专才到校分享，让学生掌握最新行业脉搏。
岭大数据科学理学士2024年毕业生钱锐桓现在是德勤数字分析师，曾于德勤数位化咨询部门实习。他表示，课程除助他建立扎实理论基础，同时强调学以致用，让学生把数据建模与算法应用于真实商业场景，在面对数据分析及AI相关工作时能更精准回应行业需要，提升职场竞争力。
此外，课程采小班教学，师生互动频密，教授与助教在课堂内外积极解答疑问，有助照顾不同学生需要，建立紧密师生关系，并鼓励学生主动解难，为日后处理复杂数据工程或AI项目打下稳固基础。