二、数据与政策解析
-
商科:申请人数多、竞争激烈,尤其金融、会计、商业分析等方向,港前三录取率常低于20%;热门项目在首轮后名额快速收紧。 -
理工科:申请人数相对较少,但部分方向(计算机、数据科学、AI)因全球科技热潮竞争加剧,录取率约30%–40%,工程类传统方向竞争稍缓。
-
商科:对本科专业限制相对宽松,但部分项目要求修过经济学、统计学、会计学基础;金融类可能要求数学或计量背景。 -
理工科:对先修课要求严格,如计算机需数据结构、算法、数据库;电子工程需电路、信号系统;数据科学需编程与统计学基础。跨专业者需提前补课或完成认证项目。
-
商科:看重实习经历、案例分析能力、领导力,GMAT/GRE可提升竞争力,但不唯分数论。 -
理工科:看重科研经历、项目成果、技术能力,有开源贡献、竞赛奖项或论文发表更具优势。
-
商科:跨专业较常见,商科背景包容度高,但需通过实习或证书证明领域认知。 -
理工科:跨专业难度大,需系统补足先修课并通过项目/科研证明能力,否则初审易被筛掉。
三、选专业策略
-
背景强实践、弱科研:优先考虑商科,用实习与竞赛提升竞争力。 -
背景强技术、有科研/项目:可挑战理工科热门方向,如AI、数据科学。 -
双非背景:商科可通过高相关度实习提升录取机会;理工科需确保先修课与项目过硬,否则建议选择匹配度高的冷门工程方向。 -
跨专业申请:商科相对容易切入,理工科需提前1年规划补课与项目实践。

