课程结构
所有学生必须完成共 30 个学分，包括 7 门必修科目和任意 3 门选修科目，才能获得此硕士学位。这些科目可能包含不同组合的讲课、实验课、教学和/或研讨会。MScDS 课程的正常修读期限为一年全日制学习。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（21个学分） | 学分 |
|---|---|
| 1. CDS521 人工智能基础 | 3 |
| 2. CDS524 商业中的机器学习 | 3 |
| 3. CDS532 数据科学编程 | 3 |
| 4. CDS533 数据科学统计学 | 3 |
| 5. CDS534 数据库管理 | 3 |
| 6. CDS535 数据挖掘 | 3 |
| 7. CDS536 数据科学项目 | 3 |
| 选修科目（选修以下任何3科，共9学分） | 学分 |
|---|---|
| 1. CDS525 深度学习的实际应用 | 3 |
| 2. CDS527 大数据分析 | 3 |
| 3. CDS528 区块链 | 3 |
| 4. CDS530 医疗保健分析 | 3 |
| 5. CDS537 网络安全概论 | 3 |
| 6. CDS538 云计算 | 3 |
| 7. CDS539 自然语言处理 | 3 |
| 8. CDS540 计算机视觉 | 3 |
| 9. CDS541 运营管理 | 3 |
| 10. CDS542 数据可视化 | 3 |
| 11. CDS543 社会计算 | 3 |
| 12. CDS544 移动边缘计算 | 3 |
| 13. CDS555 智能体人工智能 | 3 |
| 14. ORM515 业务决策与软件应用 | 3 |
| 15. SCI501 可持续发展的地理空间智能 | 3 |
* 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。
预科科目
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 7 门必修科目和 3 门选修科目），并累计取得最少 30 个学分，并达到累计 GPA 2.67 或以上才能毕业。。