荷兰篇

一。荷兰阿姆斯特丹大学人工智能硕士University of Amsterdam：Artificial Intelligence

1.1.1 申请难度不容易，不要轻敌：1月31日截止

其实AI人工智能Pri scilla第一批学生不是22年才很多申请的，最早可以回溯到2020年疫情年，现在想想那几个同学真的都是非常有远见早早在大家还在死磕计算机编程和软件工程，网络安全的时候，他们几个已经因为对于计算机图形学感兴趣，而上升到了对于人工智能的看好，开始转向申请AI方向 （那个时间都没有听说过英伟达。。。）而阿大人工智能硕士从20年Priscilla尝试了一番就发现其实真的不容易，这个项目看似在当时没有很大名气，而更多学习计算机的同学都把眼光放入了代尔夫特理工大学TU Delft，而单独人工智能那个时候还是看起来有点窄化的领域，这几个同学就独树一帜的尝试成功了，但是确实发现不容易，所以如果有的同学26年和27年还要尝试的，一定要谨慎D不能轻敌这个项目。

1.1.2 阿姆斯特丹大学人工智能硕士先修课要求

这个项目没有预科Pre-master所以先修课一定要够，否则直接拒信出局了，再次说明一下，这里的ECTS是欧洲学分，不是你的成绩单上面的学分。

• 具备计算机科学基础知识（至少 12 学分 EC）
• 具备基础编程能力（至少 12 学分 EC）
• 具备大学水平微积分基础（至少 6 学分 EC）
• 具备大学水平线性代数基础（至少 6 学分 EC）
• 具备大学水平概率论与统计基础（至少 6 学分 EC）

1.1.3 阿姆斯特丹大学人工智能硕士申请材料清单：

• 一封英文动机信（最多 500 字）：不要超过字数，其实500字的文书已经开始不好写了，因为越是上的文书越好，但是反而限定字数之后就会变得你的思路很多，但是要说明白，并且能够精简，就容易捉襟见肘。
• 一份英文简历（CV）：这个项目会非常看重单独和AI人工智能相关的经历，所以如果你有相关的声音识别，人脸识别，机器人，算力的内容建议一定要更靠前的放入简历里面，如果有发表的论文要单独列出来一个publication而不是类似很多同学隐藏在Project的最后一个点，容易被忽略，因为这个项目非常看重和AI人工智能高度相关的软背景；如果你有Coursera或者本身专业成绩单里面有和AI相关的课程要重点突出标粗
• 一份高中成绩单和毕业证复印件：阿姆斯特丹大学和瑞士苏黎世大学是少有的欧洲到了硕士申请还纠结高中毕业证的学校，但是确实因为特殊的要求，建议同学们考虑申请阿大的话，早点遥控爸爸妈妈准备起来（因为这个材料很多同学们远程在外地上学的都在老家）
• 一份本科成绩单复印件 并附上你所在大学的评分体系说明 （这个项目需要是GPA 3.0以上的）
• 一份本科毕业证书复印件（或者在读证明）
• 最后一年课程清单
• 一份本科毕业论文 / 项目英文描述（如适用）
• 两位推荐人的邮箱地址
• 请提前通知推荐人并确保其可通过邮箱联系
• 推荐信需在提交申请后两周内收到
• 申请截止后将不再接受推荐信
• 英语能力证明 （雅思和托福成绩）

二。荷兰代尔夫特理工大学TU Delft：数据分析和人工智能技术硕士MSc Data Science and Artificial Intelligence Technology

https://www.tudelft.nl/en/education/programmes/masters/dsait/msc-data-science-and-artificial-intelligence-technology

2.1 荷兰代尔夫特理工TU Delft DSAI项目偏向和特点

其实DSAI的项目并不是随着AI人工智能的狂潮起来的，反而是当时随着数据科学Data Science的热潮起来的，包括21年机器学习开始大火，所以大数据和机器学习的概念让TUD代尔夫特理工和TU/e埃因霍温理工，甚至其他的荷兰综合大学都紧张起来，希望不要在DSAI的领域被落下，于是一场整个欧洲轰轰烈烈机器学习Machine Learning和Data Science数据科学卷起来了，而人工智能在这里只是沾边，并不是类似上面阿姆那么纯粹的AI项目。

如今在TU Delft代尔夫特理工综合计算机硕士Computer Science MSc改版之后，其实机器学习到底放在哪个项目当中差异已经不是那么大了，粗略的还是可以理解为代尔夫特理工CS的项目更加全面和系统，但是如果集中在算力，数据科学或者也想和人工智能，大模型相关的，还是可以考虑DSAI，但是代尔夫特TUD这里的主题分类大家可以看一下，它还是没有阿尔托和KTH瑞典皇家理工那么纯粹，融合进入了HCI人机交互的内容，所以其实如果你考虑更加“纯”的人工智能，建议选第一个阿姆斯特丹大学的。

2.1.1 课程主题分类组

可以看到混入了生物信息学，包括人机交互这些内容，但是不能说这不对，也不能说完全对：不能说不对是因为本身欧洲比较头部的EPFL瑞士洛桑联邦理工的Data Science数据科学也是类似的课程特色，就是融合非常多生物信息学的内容，因为这个领域本质就是用大数据技术来解决生物领域的议题。但是不能说完全对，是因为本身Bioinformatics会是一个单独的专业，这个赛道挤满了本身读生物专业或者生命科学的同学同时辅修计算机，这更是他们擅长的领域，除非你学计算机出身的对于生物领域感兴趣，否则这个赛道会相对应用型比较单一，真的不能对于生物细胞学，遗传学这些不感兴趣的同学。而人机交互的本质也是计算机里面的细化分支，但是这个也有单独的专业，是交叉专业，会融合了心理学，设计专业，计算机交叉三个一起。而很多学习计算机的同学也在努力在原型，渲染，产品设计，心理学的内容上弥补自己，所以相对更加符合计算机的底色。

但是如果你更加执着于人机交互，其实可以单独申请HCI人机交互硕士，欧洲一抓一大把（首推EIT双学位的HCID和TU/e埃因霍温理工的Master Human-Technology Interaction HIT），而不是申请DSAI这样综合的大数据项目里面人机交互分支。

2.3 代尔夫特理工DSAI的难点反而在于先修课

• 数学与建模（Mathematics and Modelling）
• 微积分（Calculus）
• 线性代数（Linear Algebra）
• 概率论与统计（Probability Theory and Statistics）
• 要求学分：至少 15 ECTS

• 软件开发基础（Software Development Fundamentals）
• 面向对象编程（Object Oriented Programming）
• 软件质量与测试（Software Quality and Testing）
• 软件工程方法（Software Engineering Methods）
• 编程语言概念（Concepts of Programming Languages）
• 面向对象编程项目（Object Oriented Programming Project）
• 软件项目（Software Project）
• 要求学分：至少 30 ECTS

• 计算机系统（Computer Systems）
• 计算机组成（Computer Organisation）
• 计算机网络（Computer Networks）
• 要求学分：至少 10 ECTS

• 计算机科学基础（Fundamental Computer Science）
• 逻辑（Logic）
• 算法与数据结构（Algorithms and Data Structures）
• 算法设计（Algorithm Design）
• 可计算性（Computability）
• 要求学分：至少 15 ECTS

• 数据与信息系统（Data and Information Systems）
• 机器学习（Machine Learning）
• 数据管理（Data Management）
• Web 与数据库技术（Web- & Database Technology）
• 要求学分：至少 15 ECTS

Priscilla

2026.2.11