香港城市大学的数据科学博士项目属于以原创研究为核心的研究型学位。对计划读博的申请人而言，先确定研究问题所在的学科，再寻找具备相应指导经验的导师，比只对照热门专业名称有效。数据科学系的博士项目接受符合入学资格的申请者，特别强调既有数学、统计、计算和独立研究基础。学校说明潜在申请人可在递交申请前与意向指导教师讨论拟研究的问题，但导师意向并不等于研究生院的录取决定。
吴琦教授现任数据科学领域副教授，同时担任计算学院旗舰项目主任及研究学位协调工作，并负责香港城市大学与京东金融科技与工程联合实验室。他的科研经历从金融工程延伸至金融科技与商业分析，具体议题涉及资产定价、风险预测、共享平台匹配和面向不完整时序数据的学习方法。这样的研究既需要扎实的概率统计，也要求理解现实业务数据的生成机制。
如果申请者此前只做过通用分类器、回归模型或者公开数据集上的竞赛，研究计划要更进一步：解释为什么选取某个金融或商业决策问题、数据偏差在哪里、可使用哪些可检验的评价标准。过往项目的模型指标可以证明技术能力，却不足以替代对制度背景和统计假设的认识。
香港城市大学设有针对获选全日制博士生的竞争性奖学金计划（如香港博士研究生奖学金计划等），提供月度津贴及会议、研究相关差旅支持。学校还规定了对应的后续年份支持和入学奖学金安排。这是竞争性项目提供给获奖者的待遇，并不是所有获得博士录取的人都自动具备该待遇。
常规研究生助学金与各类博士奖学金是不同的资助通道。申请人需要区分学生身份、学校资助类别、学费水平与津贴是否持续发放，还要理解不同年度的政策更新可能改变准确数额。只查看“月薪最高多少”无法算出真实的求学预算，住房、学费减免与不同项目适用对象必须一起衡量。
若申请此类竞争性奖学金，研究潜力、学术表现、沟通表达与既有工作的一致性通常很重要。吴琦教授的研究涉及数据驱动决策与金融系统，因此展示可靠的统计推断和对实务约束的辨识能力，比空泛强调“熟练使用人工智能工具”更有说服力。
吴琦教授的个人研究介绍列出了金融工程与量化分析相关成果，也包括对因果效应、异常风险和时间序列学习的研究。其研究团队在金融科技领域设有联合实验室，现有公开博士论文记录能够证明其具有指导博士课题的经历。研究生应留意论文中研究问题的形成过程，而非只摘录方法名称。
一份有针对性的简历可以把概率模型、计量分析或计算机项目归到几个能够对接该团队研究的问题：数据是否涉及稀疏观测、分布偏移或时间维度；模型使用了哪些假设；候选方法与基线的区别是否来自真正可解释的机制。即使本科背景不是金融，也可以用清晰的实验设计说明跨领域转入的可行性。
研究陈述可以围绕一个有限且可讨论的问题展开。例如，对极端损失的预测能否在异质样本下保持校准；如何在决策优化中报告置信区间；哪些变量变化容易导致因果解释失效。申请人不必预先解决整个课题，而应证明自己能够把大问题缩成可检验的小问题。
项目的基础条件包括合格的研究学位或硕士学位，亦允许具备相应荣誉学士资格者申请。英语考试要求依申请类别和考试实施日期有所区别，应使用研究生院的现行规定，不宜简单沿用旧分数线。准备成绩单时，还可以把与概率、统计、优化、数据库和编程有关的课程表现与研究内容对应起来。
推荐信最好能描述申请者参与研究时如何提出问题、处理数据质量或修正错误，而不仅仅是列出成绩排名。研究计划则宜说明可获得的资料、伦理及隐私约束、可能失败的情形，以及如何判断结果是否成立。对金融数据而言，不能公开原始样本并不妨碍呈现实验方法和匿名化评估设计。
资助申请与博士学位申请可能包含不同的评审材料和阶段。候选人应把项目录取资格、导师指导意愿、资助奖项评审视为相互关联但不能互相代替的决定，尤其注意奖学金仅向符合条件且成功获选者发放。
