NUS 数据科学硕士 2026 新加坡金融科技岗求职指南

适用人群

• 学校：National University of Singapore（NUS）
• 专业：Master of Science in Data Science（2026 届，2025 年 8 月或 2026 年 1 月入学，预计 2026 年毕业）
• 目标地区：新加坡（SG），并覆盖香港（HK）作为备选
• 目标岗位：金融科技（FinTech）方向的数据科学 / 机器学习 / 大模型应用岗

2026 求职时间线

新加坡金融科技岗招聘节奏与科技大厂不同——不遵循统一的秋招/春招，而是全年滚动 + 特定项目集中开放。以下为关键节点：

关键提醒：新加坡 Graduate Programme 通常提前 6-9 个月开放，错过窗口 = 失去机会。

目标公司分层

第一梯队：科技大厂 + 头部银行（主攻）

第二梯队：国际大厂 + 量化/交易公司（冲刺）

第三梯队：本地 FinTech 特色公司（保底 + 高成长）

策略：第一梯队为主攻（占投递量 60%），第二梯队为冲刺（20%），第三梯队为保底（20%）。不要只投大厂——新加坡市场小，本地 FinTech 经验同样被认可。

大模型开发岗机会

当地需求现状

新加坡 LLM/Agent 岗位需求在 2024-2025 年明显增长，但与国内不同——不是「大模型训练岗」，更多是：

1. LLM 应用开发：基于 GPT-4/Claude/Llama 构建业务应用（RAG、Agent、工作流编排）
2. 模型微调与评估：在金融场景下做 LoRA 微调、prompt 工程、效果评估
3. ML Platform：服务于 LLM 应用的推理基础设施、数据管道

主要雇主：

• DBS AI Lab：有专门 LLM 研究团队，做文档理解、智能客服
• TikTok（SG）：有 LLM 应用岗，做内容理解、推荐增强
• Grab：用 LLM 做客服自动化、司机侧智能助手
• 本地 AI 初创：SambaNova（SG 办公室）、Aisera、以及其他 10-30 人的 LLM 应用初创

准备建议

项目建议（2-3 个即可，精做不贪多）：

1. 金融文档 RAG 系统：用 NUS 图书馆的财报数据构建一个能回答投资问题的 RAG 系统
2. Agent 自动化工作流：做一个「自动生成投资报告」的 Agent（抓数据 → 分析 → 生成报告 → 邮件发送）
3. LLM 风控分类器：用 LLM 做交易描述分类 / 可疑交易识别，对比传统 ML 的 AUC

签证 / 身份说明

新加坡（主目标）

• 实习：NUS 全日制学生实习无需额外工作签证（学校批准即可），但需确认实习时长符合 ICA 规定
• 全职：毕业后需申请 Employment Pass（EP） 或 S Pass
• EP 要求：月薪 ≥ SGD 5,600（2025 年标准，每年上调）；需通过 COMPASS 打分（学历、薪资、公司多样性等）
• NUS 学历在 COMPASS 中加分，风险可控
• PSW 替代方案：新加坡没有英国式 PSW。但 NUS 毕业生可通过 Graduate Immigration Programme 或直接找雇主担保 EP
• 关键提醒：EP 是雇主担保制，你不需要自己申请——但面试时要确认公司是否愿意提供 EP（大多数第一、二梯队公司默认支持）

香港（备选）

• IANG 签证（Immigration Arrangements for Non-local Graduates）：非本地毕业生可申请，NUS 学历符合资格（需为 QS/THE 排名前 100 高校）
• IANG 有效期 24 个月，期间可自由换工作，无需雇主担保
• 优势：拿到 IANG 后求职压力远小于新加坡 EP——这是你最大的备选筹码

策略建议

1. 优先新加坡：EP 申请难度可控，且你人在本地，面试方便
2. 香港作为 Plan B：提前申请 IANG（毕业前 6 个月可申请），拿到后香港求职畅通无阻
3. 不要同时申两个地区的全职：精力分散，两边都拿不到好 offer。建议 3 月前定主攻地区

时间规划建议（按月拆解）

常见误区

最后一句：新加坡市场小但竞争密度高，你的对手是全世界来 NUS 读书的人。执行力决定结果——从现在开始投递，不要等「准备好」。

想系统备战大厂大模型/Agent 开发？NiceOffer 提供 SDE+LLM 双轨 1v1 陪跑，合同保底 40w 年薪，文末扫码咨询。