把「人工智能」一詞與它涵蓋的職業分開看
招聘廣告使用的詞彙往往含糊。在「人工智能」的標籤下，至少有四大類職位，而職稱會因公司而異。
- 研究：設計新的機器學習方法，通常需要博士學位。
- 機器學習工程：訓練、評估模型，並將模型部署於產品之中。
- 數據工程：建立收集、清理及儲存數據的流程。
- 數據分析與數據科學：解讀數據，為業務決策提供依據。
此外還有其他相關職位，包括產品管理、安全、合規及技術寫作。選擇升學方向前，宜先閱讀多份實際的職位描述，辨認所需技能，而非只依賴職稱。
審慎衡量需求
世界經濟論壇（WEF）的 Future of Jobs 2025 報告訪問了超過 1,000 家僱主。根據這一版報告，86% 的受訪者預期，人工智能及資訊處理將在 2030 年前改變其企業。人工智能及機器學習專家，連同大數據專家及金融科技工程師，位列按百分比計增長最快的三類職位。
在增長最快的技能之中，報告把人工智能及大數據列於首位，其次是網絡及網絡安全，再其次是數碼能力。根據報告分析，人工智能及資訊處理預計會在 2030 年前創造約 11,000,000 個職位，同時取代約 9,000,000 個職位。
這些數字反映的是僱主的預期，而非現有職位空缺。它們主要顯示一種變化趨勢：某些工作任務正在消失，另一些則正在出現。
梳理升學途徑
進入這個領域並非只有一條升學途徑。視乎目標職位，常見課程包括電腦科學、數學與統計學、軟件工程或電機工程，以及近年出現的數據科學或人工智能專門課程。
研究職位一般需要修讀博士。工程職位通常可憑紮實的電腦科學學士學位，再配合碩士學位或項目經驗入行。分析職位接受的背景較多元，包括經濟學、社會科學或管理學，但須具備程式編寫基礎。
幾乎所有課程都有數學先修要求，包括線性代數、概率、統計學及微積分。選擇國家前，宜先比較這些先修要求、必修科目，以及課程為實踐項目預留的比重。學位名稱之下，有時隱藏着差異甚大的課程內容。
解讀 QS 2026 數據科學與人工智能排名
QS 於 2026 年 3 月 25 日公布的學科排名（QS World University Rankings by Subject），包含「數據科學與人工智能」排名表。這項排名歷史尚短：2023 年首次推出時涵蓋 20 所大學，其後逐年擴大。2026 年版共有 201 所大學上榜，而 2025 年為 104 所。QS 指出，這是新增上榜院校最多的學科。
這種擴張解釋了部分未必反映質素變化的名次變動。當超過一百所院校同時加入排名表，原已上榜的院校即使沒有改變，名次也可能下跌。
| QS 2026 排名 | 大學 | 國家或地區 |
|---|---|---|
| 1 | 麻省理工學院（Massachusetts Institute of Technology） | 美國 |
| 2 | 史丹福大學（Stanford University） | 美國 |
| 3 | 新加坡國立大學（National University of Singapore） | 新加坡 |
| 4 | 南洋理工大學（Nanyang Technological University） | 新加坡 |
| 5 | 卡內基梅隆大學（Carnegie Mellon University） | 美國 |
| 8 | 哈佛大學（Harvard University） | 美國 |
| 9 | 劍橋大學（University of Cambridge） | 英國 |
| 10 | 清華大學（Tsinghua University） | 中國內地 |
並列第 6 位的兩所院校未有在此列出。QS 指出，新加坡國立大學是美國以外排名最高的院校，而清華大學則是首次上榜。
把這份排名表放回整體 QS 排名中理解
人工智能排名表只是 2026 年版 55 項學科排名之一。伊斯坦堡理工大學（Istanbul Technical University）引述 QS 數字指出，共有 6,273 所大學接受分析，當中 1,908 所在各學科排名中上榜。各排名表的院校數目差異甚大，從數十所至數百所不等。
QS 設有門檻：院校若未達到某學科的最低研究產出或聲譽要求，就不會列入該學科排名。因此，未有上榜並不代表院校沒有開辦相關課程，只代表它未被列入排名。
這項提醒也適用於相近的電腦科學與資訊系統學科；QS 將其形容為全球上榜院校最多的學科之一。同一所院校在電腦科學及數據科學的排名可能相差甚遠，因為兩者比較的院校群體並不相同。
查核排名背後的評核準則
在學科排名中，QS 綜合考慮學術聲譽、僱主聲譽、論文引用影響力及 h 指數。這些指標主要衡量研究及知名度，對一年級教學質素、班級人數或實習機會的說明有限。
選擇學士課程時，更具體的資料往往更有分量，例如科目內容、實習機會、向學生開放的實驗室，以及院校公布的就業率。選擇博士課程時，重要的是研究導師及實驗室的研究背景，而非大學排名。
對於一項歷史短且迅速擴大的排名，宜配合其他來源交叉參考，包括課程網站、研究人員的出版物、校友經驗分享，以及業界合作夥伴名單。
比較大學學位與短期培訓
人工智能證書及密集培訓課程為數眾多，開辦機構亦會宣傳其成效。在本文查閱的資料來源中，未有找到關於這些短期培訓課程就業成效的已公布且可比較數據。因此，最好以可核實的資料為依據。
世界經濟論壇把人工智能及大數據技能列為增長最快的技能之首：市場需要的是技能，而非某一特定類型的學位。不過，研究職位仍與研究生學位密切相關，而某些受規管專業則要求持有認可學位。
比較短期培訓與大學課程時，最有用的是院校公布的準則，包括詳細科目內容、修讀時間、有否設置需接受評核的項目、學分是否獲大學認可，以及合作僱主名單。至於數學理論基礎，即使工具改變，仍然有用。
加拿大的情況如何？
加拿大於 2017 年推出泛加拿大人工智能策略，加拿大高等研究院（CIFAR）將其介紹為全球首項國家人工智能策略。該策略以三所國家級研究機構為支柱：位於滿地可的 Mila、多倫多的 Vector Institute，以及愛民頓的 Amii。這些機構與鄰近大學有聯繫，並接收研究人員及研究生。
本文沒有引用加拿大院校在 QS 2026 該學科排名表中的具體名次：撰文時未能完整查閱詳細排名，讀者可到 QS 網站核實。
如欲探索升學途徑，StudyCanada 提供多倫多大學（University of Toronto）的院校介紹、滿地可大學（Université de Montréal）的院校介紹、麥基爾大學（McGill University）電腦科學 B.Sc. 課程頁面，以及滑鐵盧大學（University of Waterloo）的電腦科學課程頁面。每份介紹均列明數學先修要求及國際學生的入學條件。