NUS 学院速览 Science 学院

数学系研究的具体方向分为纯数和计算与应用数学，数据科学和机器学习理学硕士 (MSc) 项目于去年推出，受到了广泛的欢迎。它的第一次运行吸引了近 850 名申请者，到 2021 年，预计学生人数将超过 100 人。

Louis Chen 科学优异奖学金于 2018 年设立，以纪念名誉退休教授 CHEN，以表彰他对大学的成就和贡献。前任和现任同事和朋友，特别是吴国立先生，慷慨解囊支持奖学金。第一个奖学金将在 2021/2022 学年颁发。

药剂学

Pharmacy

在上个世纪，该系在为新加坡和马来西亚教育药剂师和药物科学家方面取得了进展。药学实践的入门课程已从1900年代初期以学徒制为中心的培训转变为目前的4年制学士学位课程。直到今天，该系仍然是新加坡唯一提供药学教育的地方。因此，NUS药剂学部门有责任确保提供优质的教育计划，来为新加坡培训药剂师。学生毕业找工作也是具有无与伦比的竞争力。

多年来，约30名教授和约80名研究生从事基础研究和转化研究项目，以改善癌症、心血管疾病、糖尿病、免疫疗法、炎症、神经系统疾病和组织修复等关键领域的治疗干预。我们的研究计划围绕 4 个主要领域展开，即药物化学、药物生物学和药代动力学、制药技术和临床与实践。 除了研究计划外，许多人还参与专门的研究计划，其中一些是跨学科、跨部门或跨机构的，因此，持有额外的隶属关系（例如与卫生机构）是很常见的，特别是对临床教师。通过这种方式，师生均能够建立广泛的合作网络来实现研究、就业目标。

研究领域包括：药物化学、药物生物学和药代动力学、制药技术、临床药学和药学实践。

物理学

Physics

在过去的二十年里，我们部门在发展研究能力方面做出了巨大的努力，现在被归类为“研究密集型”。值得一提的是，该系曾有著名物理学家来访，如狄拉克(Paul A. M. Dirac)，系部会议室还陈列著狄拉克讲课时的照片。当前的主要研究方向有纳米科学物理学、凝聚态和先进材料、生物物理学、非线性和复杂系统物理学、原子&分子物理学（包括非线性光学）、计算与理论物理学（包括弦论、宇宙学、粒子物理学等）、量子信息、石墨烯和二维材料。

物理系还有几个独特的研究中心，首先是量子技术中心（CQT），它起源于物理系，现在是一个独立的研究中心，是新加坡政府资助的第一个卓越研究中心（RCE）。其次是最近成立了的先进二维材料中心和石墨烯研究中心，以引领石墨烯和二维材料的研究。另外，离子束应用中心 (CIBA) 是一个独特的实体，致力于离子束应用。我们的许多教职员工都有非常活跃的研究项目，并产生了高影响力的研究工作。他们中的一些人在著名期刊担任编辑职务，并且是专业组织（例如 APS 或 IoP 研究员）的精英成员。

比如，CQT汇集了物理学家、计算机科学家和工程师，从事量子物理学的基础研究，并基于量子现象构建设备。量子技术这一新学科的专家正在将他们的发现应用于计算、通信和传感领域。CQT 于 2007 年 12 月由新加坡国家研究基金会和教育部根据卓越研究中心计划成立。CQT 由新加坡国立大学 (NUS) 主办，在南洋理工大学 (NTU) 也有工作人员。在科研方面，CQT在超冷分子、超冷原子、光镊、原子钟、离子阱、磁性原子、量子计算、量子通信等领域一直处于世界研究前沿。

定量金融学

Quantitative Finances

量化金融中心成立于2012年4月，旨在成为量化和计算金融知识发展的杰出中心。为此，它将利用新加坡国立大学的不同专业知识，特别是来自科学、计算机科学和经济学的专业知识，为金融集群在定量和计算金融领域的发展做出贡献。

它有三个目标：

1. 学术研究：在对NUS和新加坡作为国际金融中心具有战略重要性的定量和计算金融领域发展研究。

2. 工业研发：对金融业当前感兴趣的问题和项目进行研究和开发。

3. 教育举措：通过短期课程和计划提升学生和专业人员的知识和技能。

2014年11月，风险管理研究所（RMI）和量化金融中心在新加坡国立大学苏州研究院（NUSRI）联合成立了一个中心——风险管理与量化金融中心。这个新中心的目的是促进中国风险管理和量化金融的国际交流、培训和研究。

统计与数据科学

Statistics & Data Science

统计与应用概率系 (DSAP) 成立于1998年4月1日，并于2021年7月1日更名为统计与数据科学系 (DSDS)，旨在推进统计与数据科学的研究与教育。该系提供统计学和数据科学与分析理学学士学位。此外，DSAP 还提供硕士和博士学位。

该系提供两个理学学士学位：统计、数据科学与分析。此外，DSDS 还提供硕士和博士两个级别的学位。本科课程为学生提供最需要的概率和统计知识；研究生课程让他们做好在协作环境中进行研究和科学研究的准备。研究重点包括方法论和应用领域。方法学研究领域包括线性和广义线性模型、纵向数据和时间序列模型、分类数据模型、非参数方法、聚类分析、基于递归分区的分类和回归、涉及高维数据结构的函数建模、数据可视化技术、生存分析 、随机建模、贝叶斯方法、缺失数据、计算密集型统计技术（例如自举法、经验似然法和蒙特卡洛马尔可夫链）、时空模型和生物信息学。目前的应用研究集中在工程质量控制、市场研究、金融、经济学、调查方法和统计遗传学领域。

未完待续,请点击[下一页]继续阅读