上一期我們比較了計算機科學與技術，電子信息工程，信息管理與信息系統，信息與計算科學，軟件工程幾個專業的區别，有朋友問人工智能和軟件工程專業哪個一個好，今天就帶大家一起看一下這幾個熱門專業。

假如時間往前倒退20多年，在2000年，你填報志願會選計算機科學與技術？還是21世紀是生命科學世紀的生物相關專業？還是互聯網電子商務相關的專業呢？

這是不是和現在的計算機、人工智能、大數據很像？

2000年的你會怎麼選擇呢？可見，專業的選擇有時會決定你命運的走向。相比看眼前，選擇專業更要看“大勢”。

我們也是先照例看一下這幾個專業所屬的大類學科，計算機科學與技術屬于工學大類下面計算機類一級學科，人工智能屬于工學大類下面電子信息類一級學科，大數據相關的專業現在有兩個，大數據管理與應用專業屬于管理學大類管理科學與工程類一級學科；數據科學與大數據技術專業屬于工學大類下面計算機類一級學科。還有，各大學在其統計學、計算機科學等與大數據相關的學科基礎下，劃分出跟大數據相關的專業學習方向。

一、我們現在看一下大數據相關的這幾個專業有什麼不同。

該專業是從2015年起教育部新增審批專業，也是目前最主流的大數據相關的專業。截止2021年，共有超過500所高校通過審批或備案。根據北京大學數學科學院數據科學與大數據技術專業培養方案，該專業緻力于培養掌握數學、計算機、統計等數據科學相關領域基礎理論知識，以及數據建模、機器學習、并行與分布式計算、統計推斷等方法和技術，從事數據建模、數據分析與挖掘算法等問題的研究和大數據系統開發的研究型和技術型人才。

該專業是從2017年起教育部新增審批專業，截止2021年，共有139所高校通過審批或備案。根據哈爾濱工業大學經濟與管理學院大數據管理與應用專業培養方案，該專業緻力于培養掌握經濟管理基礎理論和現代信息管理理論，掌握常用的大數據分析方法以及相關前沿理論知識，熟練使用量化分析工具和商業應用軟件，具有良好的大數據管理能力和商業倫理道德觀的經濟管理創新人才。

比如說，四川大學數學學院統計學專業專門劃分出了數據科學與大數據技術方向，培養具有紮實的數學基礎以及面向大數據的專門理論和應用技術，熟練掌握數據建模、并行處理、統計推斷的基本方法和基本技能的高級科技人才。

那麼，數據科學與大數據技術專業和大數據管理與應用專業有什麼不同呢？

數據科學與大數據技術專業更加注重數學和計算機基礎，更注重工程實現的可行性，開發一系列的分布式計算、數據挖掘等方法，以求解決工程問題。

畢業後，授予理學或者工學學士學位。而大數據管理與應用專業注重培養學生從複雜的商業環境中的業務問題出發去理解業務問題，并訓練學生如何把這些問題轉為可量化的管理問題，通過大數據技術解決這些問題。畢業後授予管理學學士學位。

教育部從2015年開始便通過了數據科學與大數據技術專業的審批。

從一開始的北大、對外經貿、中南大學三所，到2018年已審批和備案的高校已增加至479所。現在更是超過了500所之多。

而大數據管理與應用專業，是從2017年開始經過教育部審批的專業。2017年有5家高校通過了審批，2018年有25家高校通過了備案。截止到2021年，這個專業猛增到139所。其它高校通過劃分學習方向設立的與大數據相關的專業，就需要考生個人去查找和比對了。

二、人工智能專業麼樣？

下圖比較了10年間熱門專業的薪資變化情況：

事實上，曆史經驗已經得出過結論：入學時熱門的黃金專業，未必是四年後的金飯碗。

10年的時間，工學類專業全面占據高薪專業的榜單TOP10。計算機科學與技術位列TOP6，智能科學和大數據作為近兩年高校才普遍開設的新興專業，未上榜。盡管現在“人工智能”專業正在繁榮，但我認為，在本科階段選擇偏重打基礎的計算機科學與技術這一傳統專業，對未來的職業發展可能更加有利。因為現在一個略顯殘酷的現實問題是，今天AI風潮席卷各行各業，從業人數也越來越多，但大多數畢業生過于浮躁，不論是CS基礎還是數學基礎往往都是相當薄弱的。

而事實上，如果未來畢業生想進頭部的高科技公司，理論基礎紮實、工程能力強、有良好的跨界素質的畢業生才最受歡迎。這樣的人才，不是靠自己是“人工智能專業”這樣的身份标簽來實現，而需要真正學好基礎知識，比如數學，統計學、計算機等基礎學科知識，最好還能繼續深造。我一直認為數學是萬金油專業，畢業你就會發現數學專業是所有理科專業的基礎，可以轉大部分理科專業和一部分文科專業，比如考研數學轉計算機，數學轉金融，數學轉國際貿易，數學轉管理相關專業都是很常見的，而這些新興學科和專業也非常喜歡數學專業的畢業生。

所以，隻要做到對某個專業領域的深入學習，打好基礎，要比反複糾結選擇哪一個熱門時髦的專業标簽要重要得多吧。

三、女生适合學這幾個專業嗎？

計算機科學與技術、人工智能、大數據，都屬工學類專業，對于女生來說，無論選擇哪個專業，大面上的性質區别不大。特别是在今天，“女性力量“已經普遍被作為新一代年輕人所崇尚的概念正被提倡，像李飛飛這樣出色的AI科學家也在為女生學習工科樹立榜樣。所以，作為女生，選擇這三個專業中的哪一個專業，都不會有太多實質上的差别。如果非要區分出這三個專業中，更利于發揮女性特質的專業是哪一個，個人感覺是人工智能和大數據專業。因為它們更需要從業者貼近業務場景，極其需要“既懂業務又懂技術的硬核人才”，由于很多女性具備細緻、耐心、善于溝通的個性特質，女生在“懂業務也懂技術”方面更能發揮性别優勢 ，所以選擇人工智能和大數據專業可能也更适合 。