伦敦大学玛丽王后学院(Queen Mary University of London,简称QMUL或QM)是一所位于英国伦敦的综合类研究型公立大学,距今已有两百多年教学历史,校名来自于英王乔治五世的妻子玛丽王后。由于queen一词也有女王的意思,故学校在中国教育部的注册名称是“伦敦玛丽女王大学”,这是一个被广泛采用的误译。
QS(2021) | 114 |
THE(2021) | 110 |
U.S.News(2021) | 114 |
ARWU(2020) | 201-300 |
QM最新英国本土排名如下:
Good University Guide(2021) | 41 |
Guardian(2021) | 68 |
CUG(2021) | 35 |
学科 | 2021年QS世界大学学科排名 |
牙科学 | 14 |
法律与法律研究 | 29 |
英语语言文学 | 34 |
表演艺术 | 38 |
地理 | 51-100 |
历史 | 51-100 |
政治 | 51-100 |
语言学 | 55 |
医学 | 63 |
生命科学与医学 | 78 |
现代语言学 | 92 |
经济与计量经济学 | 112 |
传媒学 | 101-150 |
材料科学 | 101-150 |
电子电气工程 | 147 |
生物科学 | 149 |
物理与天文学 | 151-200 |
计算机科学与信息系统 | 151-200 |
社科与管理 | 152 |
本科
授课型硕士
学术要求:申请人应持有4年制本科学位。所有专业只接受list名单之内的申请人,并将学校分为一档、二档、三档,分别对应不同的申请要求。绝大部分三本独立院校不能直申硕士课程,但可以申请硕士预科。
卡一等学位的专业,最低均分85-95%;卡2:1等学位的专业,最低均分为75-85%;卡2:2等学位的专业,最低均分为70-80%。
语言要求:雅思6.5-7.0(单项6.0-7.0)。
QM是伦敦大学联盟中唯一一个将教学、研究及住宿场所全部设在寸土寸金的伦敦市中心的,拥有伦敦市中心最大的独立学生校园,设施都在校园里,安全是有保证的。
PS:去英国留学的小伙伴都知道,地理位置真的太重要了,优越的地理位置意味着你可以接触到更丰富的世界,享受到更多的机遇,而QM的地理位置真的秒杀了一众英国大学!
根据不同的院系,QM分为五大校区,分别是:
Mile End传统上是伦敦东区。主校区包含了人文社科以及自然科学和工程类大部分专业,距离伦敦金融城的车程在15分钟内,乘坐地铁仅需10分钟,交通便利。
毗邻皇家伦敦医院,是医学与牙科学学部所在地。
主要用于预防医学的研究。
主要提供癌症、血管以及流行病和公共健康专业的学习。
主要用于法律专业LLM的学习。
法学院(Schoolof Law)是QM的王牌学院之一,排名全英前15。其成立于1965年,最初只有30名学生和4名老师,到了2020年,已经拥有2,000多名学生和130多名教职员工。不少员工在国内和国际上担任政府、行业和非政府组织的顾问。
法学院旁边就是伦敦的法律区,皇家法庭和各大律所都在附近,地理优势明显,还可以提前感受职业氛围。
法学院的重心放在法律及其机构在当代国际社会中所起的作用上,下设法学系和国际商法研究中心(CCLS),前者涵盖了法律研究的所有领域,后者主要是教授国际商法的知识和技能。
和其他英国大学相比,QM法学院开设的课程方向是最细的,开设的法律专业也是最全面的,以下是部分硕士课程:
虽然法律具有国家性、区域性特征,但是法律专业的学生除了学习具体法律的条条框框,更重要的是学会运用分析和批判性思维去诠释法律的原理和原则。QM法学院在硕士阶段开设的人权法、移民法、知识产权法、国际金融法等项目,都非常国际化,很适合国际生。基于这个原因,QM法学院的国际学生在毕业后大有用武之地。
法学院还有一个知识产权研究中心(QMIPRI),是全世界同类研究课题最多的研究中心之一,在其领域内名列前茅,内有几代学术高人。有关各位高人的介绍,可参见网站:www.qmipri.qmul.ac.uk。从他/她们的简历中,你可以看出创造力的轨迹。
电子工程与计算机科学学院(School of Electronic Engineering and Computer Science)是英国同类学院中历史最悠久的学院之一,不仅帮助建立了英国第一个互联网节点,也是第一个为学生提供现在流行的Apple/Unix操作系统的学院,更是英国第一个与中国大学建立全面合作联合学位项目的学院。
该学院一共开设了15个硕士项目,分为三类:1)计算学与数据科学;2)媒体技术;3)电信、移动和网络。
这里推荐一下人工智能硕士(Artificial Intelligence MSc),如果你想在这个领域有所发展,QM将为你提供五大关键领域所需的技能:游戏、机器人、计算机视觉、音乐和计算机语言。你将获得使用深度神经网络(DNN)、循环神经网络(RNN)以及深度强化学习(Deep RL)等工具的经验,并且与顶尖的学术研究团队一起参与科研项目,结合不同的人工智能主题来丰富自己的研究,以适应未来的职业规划。你还将与导师紧密合作,开展一个你想专攻的人工智能项目。
备案号:浙ICP备19001605号