课程结构
所有学生必须完成共 45 个学分，包括 8 门必修科目和任意 2 门选修科目，才能获得此硕士学位。这些科目可以包含不同组合的讲课、实验课、教学和/或研讨会。MResADS 课程的正常修读期限为1.5年全日制学习。学生最多可延长修读期限至三年，但须经课程总监和学部主管的批准。
课程结构
| 必修科目 (39个学分) |
| 1. 数据科学统计学 (3个学分) |
| 2. 数据库管理 (3个学分) |
| 3. 数据挖掘 (3个学分) |
| 4. 深度学习的实际应用 (3个学分) |
| 5. 商业中的机器学习 (3个学分) |
| 6. 数据科学研究方法 (3个学分) |
| 7. 高级数据科学项目 (6个学分) |
| 8. 论文 (15个学分) |
| 选修科目 (选修以下任何2科，6个学分)* |
| 1. 网络安全概论 (3个学分) |
| 2. 云计算 (3个学分) |
| 3. 自然语言处理 (3个学分) |
| 4. 计算机视觉 (3个学分) |
| 5. 运营管理 (3个学分) |
| 6. 数据可视化 (3个学分) |
| 7. 社会计算 (3个学分) |
| 8. 移动边缘计算 (3个学分) |
| 9. 人工智能概论 (3个学分) |
| 10. 大数据分析 (3个学分) |
| 11. 区块链 (3个学分) |
| 12. 医疗保健分析 (3个学分) |
| 13. 智能体AI (3个学分) |
*选修科目开设与否取决于学生需求及学部教师的教学安排。
未曾修读过计算机科学或统计学科目，或对这些科目认识较少的申请者需于本课程开始之前完成相应预科科目:
计算概论
统计学
学习进度
在学习进度方面，学生必须达到累计 GPA 2.50 或以上，才能进入下一学期。未能达到此要求的学生，通常将在下一学期被列为学业观察名单，或被终止修读。
毕业
学生必须修毕 10 门科目（即 8 门必修科目和 2 门选修科目），并累计取得最少 45 个学分，并达到累计 GPA 2.67 或以上才能毕业。若学生未能符合硕士学位的毕业要求，将获颁授深造文凭。具体而言，要获颁由岭南大学颁发的数据科学深造文凭，学生必须修毕任何 4 门必修科目，并达到累计 GPA 2.33 或以上。