MSc Mathematics and Statistics(Full-time)

以下是该课程中必修模块（Compulsory modules）的简明中文总结：

- 机器学习（Machine Learning）：涵盖机器学习的基础理论、核心算法及前沿研究，强调系统通过数据自主学习与优化的能力。
- 信号处理数学（Mathematics of Signal Processing）：讲授信号与系统分析的高级数学方法，包括模拟/数字信号、信号维度、基本性质与应用，并结合 MATLAB 进行理论与实验实践。
- 概率论与随机过程专题（Topics in Probability and Stochastic Processes）：内容包括概率论、随机游走、马尔可夫链、泊松过程、生灭过程、更新理论和布朗运动；采用“讲座+研讨”形式，注重问题求解能力训练。
- 统计数据分析（Statistical Data Analytics）：聚焦大数据分析的理论与实践平衡，培养学生在真实场景中处理与分析大规模数据的知识与技能。
- 数学方法与建模（Mathematical Methods and Modelling）：运用数学工具建模现实问题，涉及生态（如捕食-猎物模型、Lotka-Volterra 方程）、热传导、金融等领域。
- 李群、李代数与对称性方法（Lie Groups, Lie Algebras and Symmetry Techniques）：从线性代数视角引入矩阵群几何，用于构造爱因斯坦度量及低维几何结构分类。
- 数学与统计学毕业论文（Dissertation in Mathematics and Statistics）：在导师指导下，独立开展深入的数学或统计学课题研究。

所有模块均为必修，构成该专业研究生阶段的核心知识体系。