香港城市大学数据科学系的博士项目，将理论方法、计算实验和面向现实场景的数据分析放在同一条培养路径上。申请者常容易被港府博士奖学金的金额吸引，但课程和训练的匹配程度同样重要：是否熟悉优化与统计方法，能不能把业务问题转化为可检验的研究任务，以及能否长期解释一个研究结果，决定了博士阶段能否顺利推进。
博士奖学金与第四年的资助安排
该系公布的香港博士研究生奖学金（HKPFS）2027/28年度待遇为每月28,700港元，另有每年14,400港元的会议及研究相关差旅津贴，奖学金资助期最长为三年。对于获该奖学金且被录入四年制博士项目的学生，香港城市大学说明第四年可提供与港府奖学金同水平的月度学生资助。这是特定奖学金获奖者的制度安排，不能被解释为所有申请者自动获得同样的四年资助。
对未来的学习节奏，还需要理解资助年限与博士学制并不总是完全重合。奖学金用于支持受奖者专注研究，实际完成学位却还涉及课程、资格评核、阶段报告和论文质量。提前估算不同学期需要完成的科研任务，比只把每月津贴乘以总月数更有意义。特别是做数据科学的学生，可能需要较长时间获取合适的数据权限或建立真实场景的评测机制，研究时间安排要为这些工作留出空间。
奖学金评审关注既有学术表现，也关注研究潜力、表达能力、领导力等综合条件。对于数据科学博士，实际材料能否展示对研究问题的持续投入尤其重要：本科高分项目能证明学习能力，但如果无法解释研究目标和方法选择，申请材料仍会显得薄弱。申报港府奖学金与学校常规招生的程序和材料安排可能不同，应以对应入口的最新要求为准。
数据科学的研究训练与导师配置
博士训练中的一个关键变化，是从“能完成作业”走向“能定义可研究的问题”。例如金融数据在不同经济阶段产生结构性变化时，研究者不能简单地重复一个随机划分的测试结果，而应构造更接近真实部署的时间分割检验，记录数据泄漏的可能来源，并解释性能差异来自模型本身还是市场环境。若论文最终不能明确适用范围，即使实验结果看起来漂亮，也很难成为可靠的知识积累。
吴琦是香港城市大学数据科学系副教授，并担任研究学位协调人，也负责计算学院旗舰项目；其校方个人页面列出金融科技、运营管理和机器学习等研究兴趣，以及金融科技与工程联合实验室的负责职务。与单纯做算法 benchmark 的项目相比，这类研究经常要同时处理数据质量、经济行为、决策约束及模型可解释性。
例如金融科技中的风险判断不能只看预测准确率：目标变量如何定义、样本选择是否偏向某类客户、市场状态变化时模型是否失效、算法输出是否可用于后续决策，都是研究者必须回答的问题。若研究牵涉运营管理，决策本身还存在时间、预算与执行资源约束，需要把统计预测和优化求解配合起来。
吴琦的经历同时跨越学术研究与金融工程行业场景。对于希望未来从事工业研发、量化风控或学术工作的申请者，博士阶段最有价值的训练之一是建立问题到证据的完整链条：从领域假设出发，明确哪些数据可以支持判断，设计与实际需求一致的实验，再对结论给出可解释的限制条件。
申请材料如何体现研究潜力
如果来自计算机或数学专业，可以优先展示在结构化数据建模、优化求解、实验设计方面独立完成的工作；如果来自金融或管理专业，则应证明概率统计、编程与数量方法的基础。简历中的项目描述最好直接写清自己负责的模型、数据、实验和结论，避免把整个团队成果概括成个人贡献。
研究陈述可以挑选一项能够深入解释的工作，不需要覆盖吴琦所有研究兴趣。一个关于风险预测的小项目，可以扩展讨论概念漂移、可解释性与模型稳定性；一个资源分配问题，则可以讨论约束设计、优化目标与不同方案的成本差异。研究计划有说服力的地方，是知道哪些问题值得做、哪些证据可以回答，而不是使用更复杂的技术词汇。
长期能力的另一部分是科研沟通。一个优秀的数据科学博士通常需要同时向领域专家解释业务假设，向计算研究者解释数学模型，向审稿人呈现足以复核的实验设计。申请材料可以专门选择一份既有结果展示又有失败分析的研究作品，在附件中提供图表或代码说明，证明自己能够接受反例、修订假设并清楚报告局限。对于交叉背景申请者，这种表达能力常常比堆砌专业词更直接。
职业规划也应回到训练内容，而不是只看院校名称。希望进入工业研发的人可以突出处理非理想数据、上线前评估和跨团队协作的经验；计划走学术道路，则要说明如何从现有成果中抽象出可推广的科学问题。这两条路径都需要坚实的研究伦理与复现意识，也都需要能够公开说明自己的独立贡献。导师研究兴趣是一条切入线索，正式的博士培养目标仍应与学校项目说明共同理解。
准备面试时，可以用非专业语言说明自己的研究问题，再用专业层面的实验与数学细节支持主张。若希望申请HKPFS，需要另行梳理学术成就、研究经历和推荐信，使其对应奖学金评审目标。对于项目导师和资助之间的关系，也应区分导师研究适配度、院系招生决定与奖学金授予条件。
