剑桥大学新开设经济学和数据科学硕士,2024年秋季首届入学

申友 2023-08-08 11:49:28

咨询申友留学：sat0704

英国顶级名校剑桥大学推出全新跨学科硕士项目经济学和数据科学哲学硕士。

经济学和数据科学硕士

经济学和数据科学硕士（ MPhil in Economics and Data Science）项目开设于剑桥大学经济学院下，是经济学院的第4个硕士项目，首届学生将于2024年秋季10月入学。

微信图片_20230808111142.png

项目旨在将经济学家的知识扩展到数据科学的工具。该课程提供全日制和非全日制教育，将支持在数据日益增多但分析能力有限的世界中杰出人才的职业发展。经济学和数据科学哲学硕士项目不仅将为专门从事数据分析本身的角色做好准备，还将为与数据分析专家沟通或团队管理的职位做好准备。

课程将由七个核心模块和两个选修模块组成。项目将与物理系的数据密集型科学硕士课程互借模块，并计划在项目启动并运行后，扩大与贾奇商学院计算机科学与工程专业的合作。

项目时长：全日制9个月或非全日制21个月

申请要求：

该项目具体要求需等待剑桥大学经济学院官方公布，可参考经济学院其他MPhil课程申请要求。

剑桥大学经济学院其他项目

除了新项目，剑桥大学经济学院还开设有三个硕士项目，分别为经济学哲学硕士（MPhil in Economics）、经济研究哲学硕士（MPhil in Economic Research）和金融与经济学哲学硕士（MPhil in Finance and Economics）。

经济学哲学硕士

剑桥大学经济学哲学硕士（MPhil in Economics）是一个为期一年的硕士学位，从9月初到6月下旬。该学位专门针对有兴趣攻读硕士学位的候选人，该硕士学位将为他们提供从事专业经济学家职业所需的技术培训，例如为英国政府经济服务或经济咨询公司工作。

完成学业后，学生应具备：

获得微观经济学、宏观经济学和计量经济学方面的高级技术培训;

通过选修论文获得该学科在特定领域前沿工作的一些知识;
开始获得独立的研究技能和将其付诸实践的经验;
获得按照严格的时间表准备书面工作的经验;
获得了足够的知识和对高级经济学的理解，可以继续从事商业或政府专业经济学家的职业。

学术要求：

剑桥大学经济学哲学硕士的申请者应具有英国二等一荣誉学位，且为经济学本科学位（或国家同等学历），并已参加中级微观经济学，宏观经济学和计量经济学的标准课程。对国际学生在其他国家取得的学位，剑桥大学有不同的要求。

剑桥大学针对中国院校申请者成绩的最低要求：

本科毕业于Prestigious University的申请者GPA达到3.5/4.0（百分制85）；

本科毕业于Good University的申请者GPA达到3.7/4.0（百分制88）；

本科毕业于其他学校的申请者GPA达到3.9/4.0（百分制88）。

语言要求：

雅思总分7.5+，单项不低于7.0；

托福总分110+，单项不低于25。

CAE Grade A或B，小分不低于193；

CPE Grade A，B或C，小分不低于200。

640 (5).png

经济研究哲学硕士

经济研究硕士（MPhil in Economic Research）课程是四年制全日制博士学位或七年制非全日制博士学位课程的第一年，从9月初到7月底。经济研究硕士是博士课程的基础年，涉及对经济学核心领域的深入研究，以及详细探索一个领域的要求，以便开始选择博士研究课题的过程。但是，请注意，在申请时没有必要对博士研究提供详细的研究计划。

完成学业后，学生应具备：

获得微观经济学、宏观经济学和计量经济学方面的高级技术培训;

通过选修论文获得该学科在特定领域前沿工作的一些知识;
开始获得独立的研究技能和将其付诸实践的经验;
在制定现实的研究课题方面获得经验和指导，并按照严格的时间表准备书面工作;
获得了足够的知识和对高级经济学的理解，可以继续攻读研究学位。

学术要求：

剑桥大学经济研究硕士的申请要求比经济学硕士的申请要求更高。申请者应拥有英国一等荣誉学位。对于在中国院校毕业的学生，Prestigious University的申请者GPA要达到3.8/4.0（百分制90）；Good University的申请者GPA达到3.9/4.0（百分制92）；其他学校的申请者GPA达到4.0/4.0（百分制95）。

语言要求：

语言要求与经济学硕士的相同。

金融与经济学哲学硕士

金融与经济学哲学硕士（MPhil in Finance and Economics）是一个为期一年的硕士学位，从9月初到7月下旬。这是一门结合高级学习和研究的强化课程，专为具有一年或更少工作经验并打算继续为该行业工作的人量身定制。

它特别强调金融主题的经济覆盖面，从机构背景开始，然后仔细考虑应如何对观察到的机构进行建模，最后将现有模型与数据联系起来，并讨论当这些模型不符合数据时应如何改进。参加该课程的学生可能会继续在许多部门工作，例如金融部门、银行业、研究机构或咨询公司。

640 (6).png