今天我们来看一下眼下最热门的计算机方向和数学方向的专业，到底都有什么差别？并从专业内涵、核心课程以及就业方向进行比较拆解，专业选择从此不迷茫~
■计算机科学 VS 信息科学
■应用数学 VS 计算数学
■电子工程 VS 计算机工程
■统计 VS 数据科学
计算机科学VS信息科学
CS是当下香饽饽的专业，但不少人容易和信息科学搞混淆了。
计算机科学
计算机科学聚焦计算机系统的理论基础与软件技术创新，探索算法设计、数据结构优化、编程语言开发、计算模型理论等核心领域。
我们就以“计算机神校”CMU为例。
CMU设置了计算机科学学院，这是全美乃至全球最大的CS学院之一，细分专业包括人工智能、计算生物学、计算机科学、人机交互、机器人学等。
图片来自网络
具体到计算机科学专业，旨在培养具备扎实理论基础和实践能力的计算机科学人才，课程包括命令式计算的原理、函数式编程原理、计算机系统导论、算法设计和分析等计算机科学核心课程。
另外学生可以根据兴趣选择深度课程，包括人工智能、计算机图形学、数据库系统、网络安全等，强化专业细分领域能力。
计算机科学专业的就业范围非常广泛，聚焦于计算机系统本身的设计、开发与维护，比如软件开发工程师、系统开发工程师、数据库工程师；
或者是有深入研究人工智能、大数据等领域，那么还可以在AI工程、大数据工程师、网络安全工程等领域，如果有同学还同时修读金融、游戏设计等领域，适用很多跨学科岗位。
CMU的计算机科学专业96%毕业生就业或进入研究生院，平均薪资达150,484美元，雇主包括亚马逊、Meta、微软等。
图片来自网络
信息科学
信息科学是一门多学科交叉的综合性学科，涵盖计算机、认知科学、社会学、设计、管理学等内容。
与传统以代码、算法为核心的计算机科学不同，它更关注信息的获取、组织、存储、传播与使用，核心探讨信息系统如何影响个体与社会、如何构建以人为中心的技术体验、数据如何与隐私、公平、伦理相协调等问题。
就业覆盖科技、金融、医疗、咨询等多个领域，比如信息分析师、用户体验研究员/设计师、信息架构师、数据科学/数据分析师等。
康奈尔的信息科学很知名，本科阶段提供三个学位项目，分别是：
■文理学院的信息科学文学学士（BA - IS）
■农业与生命科学学院的信息科学理学学士（BS - IS）
■工程学院的信息科学、系统与技术理学学士（BS - ISST）
其中前两个项目较为相似，主要差异在于所属学院的要求不同，而第三个项目与前两者差异显著。
以文理学院的信息科学文学学士为例，核心研究内容是在社会背景下研究信息系统的设计与使用，探索数字形式信息的创造、表示、组织、应用及分析，聚焦技术系统及其应用。
以 “社会语境下的信息系统” 为核心，强调信息科技与社会、人文、伦理的交叉。
核心课程有信息伦理、法律、政策、网页设计与编程入门、网络、通信与技术、数据科学入门、微积分、统计等。另外从7个可用方向中选择1个再深入学习，包括：
行为科学；数据科学；数字文化和生产；信息伦理、法律和政策；互动技术；网络人群和市场；UX（用户体验）。
图片来自网络
而工程学院的信息科学、系统与技术理学学士（BS - ISST），研究复杂信息系统的设计和管理，重点是广泛应用背景下的信息系统工程，主要关注信息科学，技术和管理的融合问题。
核心课程有除了一些信息科学类的基础课程，还多了一些更偏“技术类”课程：
信息伦理、法律和政策；工程概率与统计；网络的中间设计和编编程；交互式网络应用程序设计和开发；运筹学、机器学习和数据科学的实用工具；网络；数学；通信和技术数据科学和机器学习等。
深入学习的领域 “1主+1次” 两个方向，主方向3选1、次方向7选1，覆盖技术、数据、社会、文化等不同维度。
图片来自网络
小橙知有话说
■如果你喜欢直接用代码构建系统、解决技术难题，深入技术底层，CS的就业方向更匹配；
■如果对信息如何影响人、如何优化信息服务更感兴趣，结合技术与人文，信息科学更贴合。
应用数学VS计算数学
数学并非空中楼阁，各行各业都有其身影，也会有具体的细分方向，比如以下这两个：
应用数学
应用数学是数学方法在不同领域的应用，更强调“数学+实际领域”结合，而非像纯粹数学一样侧重于数学本身的理论深度。
比如哈佛官网中对应用数学的举例——
应用数学课程必须选 “特定应用领域”（specific application area），比如选 “经济学” 方向，就要学 “怎么用数学解决经济问题”，如用微积分建模供需关系、用统计学分析市场数据 。
图片来自网络
以MIT的应用数学研究方向为例，有组合数学、计算生物学、物理应用数学、计算科学与数值分析、理论计算机科学、数据数学。
核心课程有微分方程、复变函数、线性代数、离散数学等。选修课则是有组合学、计算机科学、概率和统计、数值分析、物理数学、非线性动力学等。
应用数学就业方向非常广泛，比如数据分析师、量化研究员、工程师等，需看同学们选择的具体数学应用领域。
计算数学
计算数学致力于培养学生在数学与计算机科学交叉领域的能力，开发和分析数值算法，通过计算机实现大规模数学问题的求解。
简单来说，就是用数学去解决计算机科学场景下的各种问题。
课程设置方面，比如MIT要求学生修读线性代数、离散数学等课程；另有涵盖计算机科学中关于计算复杂性理论方面的课程、算法课程等，还需接触可能涉及数学问题的其他计算机科学领域课程。
就业方向也是站在风口上，比如算法工程师、计算机模拟、人工智能等领域。
小橙知有话说
■其实应用数学和计算数学都属于“数学+”的跨学科领域，不过随着计算机科学的快速发展，把计算数学单独拎出来。
■目标明确选择数学+计算机的同学，大可直接选计算数学，通常需要更强的编程和计算机科学背景。
电子工程VS计算机工程
电子工程和计算机工程也是有很多家长和同学分不清的两个专业。
电子工程
电子工程的核心是电子信号的产生、传输、处理与应用，覆盖从微观电子器件到宏观电子系统的全链条，涵盖：
■电子器件：半导体、传感器、光电子器件；
■电路系统：模拟电路、数字电路；
■信号与通信：无线通信、图像处理、雷达系统、声波/光波信号处理；
■能源与电力：电力系统，如电网、新能源转换、电机与控制。
以MIT为例，其电气与计算机科学系在本科设电子工程和计算专业，旨在培养学生设计和构建人类创造的一些最复杂系统的能力，可探索电子工程的所有领域，包括模拟电路设计、计算机工程、量子工程、通信等。
图片来自网络
核心课程涵盖电路、系统、计算机架构以及计算基础。
如编程离散数学与证明、计算机科学数学、算法、电气工程与计算机科学特殊学科、线性代数与优化、线性代数、概率、计算结构、电路：物理系统建模与设计、动态系统建模与控制设计、工程影响力等。
毕业后可以从事的方向很广泛，芯片设计工程师、通信系统工程师、电力系统工程师、嵌入式工程师等都是很典型的岗位。
计算机工程
计算机工程核心是 “计算机系统的硬件设计及软硬件交互”，是电子工程与计算机科学的交叉学科。
比如CMU的电气与计算机工程系（ECE）就对该领域包含的范围做出了非常详细的描述——涵盖嵌入式系统、智能物理系统、计算机架构、无线通信等多样且扩展的技术领域：
■计算与软件相关：嵌入式系统、智能物理系统、实时软件、分布式计算、移动计算、云计算。
■硬件与电路相关：数字信号处理、集成电路与电子学、计算机架构、固态物理与器件、微机电系统、电磁与机电系统、数据存储系统。
■系统与通信相关：智能机器人系统、基于计算机的控制系统、电信、计算机网络、无线通信系统、信号与信息处理、多媒体系统。
图片来自网络
课程包括微积分等数学课、物理、编程和计算机科学基础、入门工程课程、概率还有ECE的一些核心课程等。
CMU的ECE下设置了两个本科学位，一个是电气与计算机工程专业，另外一个是音乐与技术学士学位。
电气与计算机工程专业融合技术视角与全局理理念，培养能剖析微型传感器和执行器系统细节、洞察自身行为长远影响的工程师。
学生将参与生物医学、能源、脑机交互等前沿领域的跨学科研究项目，掌握专业知识、创新及领导能力。
毕业半年后平均工资超12万美元，雇佣的单位有苹果、谷歌、亚马逊、国际商用公司等科技名企。
小橙知有话说
■电子工程聚焦于电子器件、电路系统及电磁波等硬件领域的设计与应用;
■计算机工程则是电子技术与计算机科学的交叉，更侧重计算机硬件与嵌入式系统的研发，兼顾部分底层软件。
统计学VS数据科学
UCB在数据领域表现强势，2023年新成立计算、数据科学与社会学院（CDSS），全美首个以“计算+数据科学+社会影响”为核心的跨学科学院。
对于统计学和数据科学的区别，在UCB的专业设置中可谓阐述得十分清晰。
统计学
统计学是一门以数据为研究对象的学科，侧重用统计方法解决数据问题，培养学生的量化技能。
培养学生能灵活运用统计推理和推断方法、统计计算、统计建模以及数据描述、解释和探索性分析的理解。
图片来自网络
低年级需学习微积分、多元微积分、线性代数、低位除法统计，高年级则是学习数据计算、概率等课程。
对统计学人才需求很大的行业包括生物技术、金融、基因组学、营销、制药和研究等。
比如UCB毕业生有成为精算师、老师、在工业界/政府部门工作，或者选择统计学、数学、其他科学学科或MBA课程深造。
数据科学
UCB是全美第一个开设本科数据科学专业的学校，旨在搭建数据科学与社会科学之间的桥梁，打破学科壁垒，培养具备跨学科思维和实践能力的复合型人才。
培养学生掌握深度技术知识，如编程、机器学习、大数据工具，同时学会在自选领域应用这些知识。
比如用数据科学解决生物、金融、社会问题，并理解数据在收集、分析、使用过程中的社会/人文背景，以及伦理影响，如数据隐私、算法偏见。
低年级课程学习内容主要有基础数据科学、微积分、线性代数、数据结构、程序结构。
高年级则是有数据科学原理、概率、计算与推理深度、建模、人文背景与理论，以及还可以选择两个领域重点深入学习，比如应用数学和建模、商业和工业分析等等，领域非常广泛。
图片来自网络
大部分学生毕业后进入数据科学、公共政策、社会研究等领域工作或深造，雇主包括谷歌、世界银行、布鲁金斯学会等。
小橙知有话说
统计学是用数据推断规律，是数据科学“基础”；而数据科学是统计学的 “延伸”，有着更多跨学科的视野，去解决不同场景下问题。
这两期文章给大家介绍了7组容易混淆的专业，我们能发现主要都是在某一大类下的具体细分方向有所差异，并且跨学科领域的特点很明显。
这说明高校课程设置更加精细化，而市场所需要的人才也更加专业化和复合型。
此外，不同学校对于相同方向专业设置可能会有所差异，名字也有些区别，大家一定要了解目标学校及及专业具体要求，看是否匹配自身未来发展需求。
■计算机科学 VS 信息科学
■应用数学 VS 计算数学
■电子工程 VS 计算机工程
■统计 VS 数据科学
计算机科学VS信息科学
CS是当下香饽饽的专业，但不少人容易和信息科学搞混淆了。
计算机科学
计算机科学聚焦计算机系统的理论基础与软件技术创新，探索算法设计、数据结构优化、编程语言开发、计算模型理论等核心领域。
我们就以“计算机神校”CMU为例。
CMU设置了计算机科学学院，这是全美乃至全球最大的CS学院之一，细分专业包括人工智能、计算生物学、计算机科学、人机交互、机器人学等。
图片来自网络
具体到计算机科学专业，旨在培养具备扎实理论基础和实践能力的计算机科学人才，课程包括命令式计算的原理、函数式编程原理、计算机系统导论、算法设计和分析等计算机科学核心课程。
另外学生可以根据兴趣选择深度课程，包括人工智能、计算机图形学、数据库系统、网络安全等，强化专业细分领域能力。
计算机科学专业的就业范围非常广泛，聚焦于计算机系统本身的设计、开发与维护，比如软件开发工程师、系统开发工程师、数据库工程师；
或者是有深入研究人工智能、大数据等领域，那么还可以在AI工程、大数据工程师、网络安全工程等领域，如果有同学还同时修读金融、游戏设计等领域，适用很多跨学科岗位。
CMU的计算机科学专业96%毕业生就业或进入研究生院，平均薪资达150,484美元，雇主包括亚马逊、Meta、微软等。
图片来自网络
信息科学
信息科学是一门多学科交叉的综合性学科，涵盖计算机、认知科学、社会学、设计、管理学等内容。
与传统以代码、算法为核心的计算机科学不同，它更关注信息的获取、组织、存储、传播与使用，核心探讨信息系统如何影响个体与社会、如何构建以人为中心的技术体验、数据如何与隐私、公平、伦理相协调等问题。
就业覆盖科技、金融、医疗、咨询等多个领域，比如信息分析师、用户体验研究员/设计师、信息架构师、数据科学/数据分析师等。
康奈尔的信息科学很知名，本科阶段提供三个学位项目，分别是：
■文理学院的信息科学文学学士（BA - IS）
■农业与生命科学学院的信息科学理学学士（BS - IS）
■工程学院的信息科学、系统与技术理学学士（BS - ISST）
其中前两个项目较为相似，主要差异在于所属学院的要求不同，而第三个项目与前两者差异显著。
以文理学院的信息科学文学学士为例，核心研究内容是在社会背景下研究信息系统的设计与使用，探索数字形式信息的创造、表示、组织、应用及分析，聚焦技术系统及其应用。
以 “社会语境下的信息系统” 为核心，强调信息科技与社会、人文、伦理的交叉。
核心课程有信息伦理、法律、政策、网页设计与编程入门、网络、通信与技术、数据科学入门、微积分、统计等。另外从7个可用方向中选择1个再深入学习，包括：
行为科学；数据科学；数字文化和生产；信息伦理、法律和政策；互动技术；网络人群和市场；UX（用户体验）。
图片来自网络
而工程学院的信息科学、系统与技术理学学士（BS - ISST），研究复杂信息系统的设计和管理，重点是广泛应用背景下的信息系统工程，主要关注信息科学，技术和管理的融合问题。
核心课程有除了一些信息科学类的基础课程，还多了一些更偏“技术类”课程：
信息伦理、法律和政策；工程概率与统计；网络的中间设计和编编程；交互式网络应用程序设计和开发；运筹学、机器学习和数据科学的实用工具；网络；数学；通信和技术数据科学和机器学习等。
深入学习的领域 “1主+1次” 两个方向，主方向3选1、次方向7选1，覆盖技术、数据、社会、文化等不同维度。
图片来自网络
小橙知有话说
■如果你喜欢直接用代码构建系统、解决技术难题，深入技术底层，CS的就业方向更匹配；
■如果对信息如何影响人、如何优化信息服务更感兴趣，结合技术与人文，信息科学更贴合。
应用数学VS计算数学
数学并非空中楼阁，各行各业都有其身影，也会有具体的细分方向，比如以下这两个：
应用数学
应用数学是数学方法在不同领域的应用，更强调“数学+实际领域”结合，而非像纯粹数学一样侧重于数学本身的理论深度。
比如哈佛官网中对应用数学的举例——
应用数学课程必须选 “特定应用领域”（specific application area），比如选 “经济学” 方向，就要学 “怎么用数学解决经济问题”，如用微积分建模供需关系、用统计学分析市场数据 。
图片来自网络
以MIT的应用数学研究方向为例，有组合数学、计算生物学、物理应用数学、计算科学与数值分析、理论计算机科学、数据数学。
核心课程有微分方程、复变函数、线性代数、离散数学等。选修课则是有组合学、计算机科学、概率和统计、数值分析、物理数学、非线性动力学等。
应用数学就业方向非常广泛，比如数据分析师、量化研究员、工程师等，需看同学们选择的具体数学应用领域。
计算数学
计算数学致力于培养学生在数学与计算机科学交叉领域的能力，开发和分析数值算法，通过计算机实现大规模数学问题的求解。
简单来说，就是用数学去解决计算机科学场景下的各种问题。
课程设置方面，比如MIT要求学生修读线性代数、离散数学等课程；另有涵盖计算机科学中关于计算复杂性理论方面的课程、算法课程等，还需接触可能涉及数学问题的其他计算机科学领域课程。
就业方向也是站在风口上，比如算法工程师、计算机模拟、人工智能等领域。
小橙知有话说
■其实应用数学和计算数学都属于“数学+”的跨学科领域，不过随着计算机科学的快速发展，把计算数学单独拎出来。
■目标明确选择数学+计算机的同学，大可直接选计算数学，通常需要更强的编程和计算机科学背景。
电子工程VS计算机工程
电子工程和计算机工程也是有很多家长和同学分不清的两个专业。
电子工程
电子工程的核心是电子信号的产生、传输、处理与应用，覆盖从微观电子器件到宏观电子系统的全链条，涵盖：
■电子器件：半导体、传感器、光电子器件；
■电路系统：模拟电路、数字电路；
■信号与通信：无线通信、图像处理、雷达系统、声波/光波信号处理；
■能源与电力：电力系统，如电网、新能源转换、电机与控制。
以MIT为例，其电气与计算机科学系在本科设电子工程和计算专业，旨在培养学生设计和构建人类创造的一些最复杂系统的能力，可探索电子工程的所有领域，包括模拟电路设计、计算机工程、量子工程、通信等。
图片来自网络
核心课程涵盖电路、系统、计算机架构以及计算基础。
如编程离散数学与证明、计算机科学数学、算法、电气工程与计算机科学特殊学科、线性代数与优化、线性代数、概率、计算结构、电路：物理系统建模与设计、动态系统建模与控制设计、工程影响力等。
毕业后可以从事的方向很广泛，芯片设计工程师、通信系统工程师、电力系统工程师、嵌入式工程师等都是很典型的岗位。
计算机工程
计算机工程核心是 “计算机系统的硬件设计及软硬件交互”，是电子工程与计算机科学的交叉学科。
比如CMU的电气与计算机工程系（ECE）就对该领域包含的范围做出了非常详细的描述——涵盖嵌入式系统、智能物理系统、计算机架构、无线通信等多样且扩展的技术领域：
■计算与软件相关：嵌入式系统、智能物理系统、实时软件、分布式计算、移动计算、云计算。
■硬件与电路相关：数字信号处理、集成电路与电子学、计算机架构、固态物理与器件、微机电系统、电磁与机电系统、数据存储系统。
■系统与通信相关：智能机器人系统、基于计算机的控制系统、电信、计算机网络、无线通信系统、信号与信息处理、多媒体系统。
图片来自网络
课程包括微积分等数学课、物理、编程和计算机科学基础、入门工程课程、概率还有ECE的一些核心课程等。
CMU的ECE下设置了两个本科学位，一个是电气与计算机工程专业，另外一个是音乐与技术学士学位。
电气与计算机工程专业融合技术视角与全局理理念，培养能剖析微型传感器和执行器系统细节、洞察自身行为长远影响的工程师。
学生将参与生物医学、能源、脑机交互等前沿领域的跨学科研究项目，掌握专业知识、创新及领导能力。
毕业半年后平均工资超12万美元，雇佣的单位有苹果、谷歌、亚马逊、国际商用公司等科技名企。
小橙知有话说
■电子工程聚焦于电子器件、电路系统及电磁波等硬件领域的设计与应用;
■计算机工程则是电子技术与计算机科学的交叉，更侧重计算机硬件与嵌入式系统的研发，兼顾部分底层软件。
统计学VS数据科学
UCB在数据领域表现强势，2023年新成立计算、数据科学与社会学院（CDSS），全美首个以“计算+数据科学+社会影响”为核心的跨学科学院。
对于统计学和数据科学的区别，在UCB的专业设置中可谓阐述得十分清晰。
统计学
统计学是一门以数据为研究对象的学科，侧重用统计方法解决数据问题，培养学生的量化技能。
培养学生能灵活运用统计推理和推断方法、统计计算、统计建模以及数据描述、解释和探索性分析的理解。
图片来自网络
低年级需学习微积分、多元微积分、线性代数、低位除法统计，高年级则是学习数据计算、概率等课程。
对统计学人才需求很大的行业包括生物技术、金融、基因组学、营销、制药和研究等。
比如UCB毕业生有成为精算师、老师、在工业界/政府部门工作，或者选择统计学、数学、其他科学学科或MBA课程深造。
数据科学
UCB是全美第一个开设本科数据科学专业的学校，旨在搭建数据科学与社会科学之间的桥梁，打破学科壁垒，培养具备跨学科思维和实践能力的复合型人才。
培养学生掌握深度技术知识，如编程、机器学习、大数据工具，同时学会在自选领域应用这些知识。
比如用数据科学解决生物、金融、社会问题，并理解数据在收集、分析、使用过程中的社会/人文背景，以及伦理影响，如数据隐私、算法偏见。
低年级课程学习内容主要有基础数据科学、微积分、线性代数、数据结构、程序结构。
高年级则是有数据科学原理、概率、计算与推理深度、建模、人文背景与理论，以及还可以选择两个领域重点深入学习，比如应用数学和建模、商业和工业分析等等，领域非常广泛。
图片来自网络
大部分学生毕业后进入数据科学、公共政策、社会研究等领域工作或深造，雇主包括谷歌、世界银行、布鲁金斯学会等。
小橙知有话说
统计学是用数据推断规律，是数据科学“基础”；而数据科学是统计学的 “延伸”，有着更多跨学科的视野，去解决不同场景下问题。
这两期文章给大家介绍了7组容易混淆的专业，我们能发现主要都是在某一大类下的具体细分方向有所差异，并且跨学科领域的特点很明显。
这说明高校课程设置更加精细化，而市场所需要的人才也更加专业化和复合型。
此外，不同学校对于相同方向专业设置可能会有所差异，名字也有些区别，大家一定要了解目标学校及及专业具体要求，看是否匹配自身未来发展需求。
