10月8日，诺贝尔物理学奖揭晓，颁给了 Hopfield 和 Hinton，以表彰他们发明了神经网络机器学习，这是 AI 诞生的基础。
What？神经网络机器学习？
这和物理有啥关系啊？这不纯纯计算机嘛！
看来当年我们都嘲错靳东了，他才是代预言家，诺贝尔数学奖在 2024 年不就真真存在了吗～
话又说回来，连诺贝尔都在连夜转码，那转码，是不就是这个时代的一条“明路”？
但在真正考虑申请 CS（计算机科学）、DS（数据科学）、BA（商业分析）、AI（人工智能）...这些计算机“热门专业”之前，咱还真得好好考量一下，这些专业，自己是否真的适合？
不了解下面这些内容，小心转码就掉“坑”！
拒绝转码“排异反应”
第一步是细致了解
在不确定自己是否要转码之前，第一步一定是静下心来，搞清楚各个专业的本质和底层逻辑。大白话就是这些学科到底在学什么？只有搞清楚这些，我们才能知道这个专业到底适不适合自己去申请。
计算机实际上是一个范畴非常广的专业大类，里面有很多的细分方向。
今天我们就以 CS、DS、BA、AI 这四个计算机热门方向为例⬇️
01
CS：偏计算机底层&偏软件工程
正统的 CS 其实是指上述图里的计算机科学，将会学习如何设计、开发和应用计算机系统，所以需要对整个计算机系统有充分的了解和认识。
它包括偏计算机底层的计算机系统结构、操作系统，编译原理，也包括偏软件的程序设计，还包括数据库系统、计算机网络等等。
而我们通常说的“学 CS 当码农”可能更偏向软件工程，更侧重于软件系统的开发和管理。这个专业的学生将学习软件开发的全过程，包括需求分析、设计、编码、测试和维护等。
尽管软件工程更侧重于应用开发，但它仍然需要对硬件有一定的了解。毕竟 Computer Science 还有个“Science”，这意味着它还是一门研究性学科，无论是哪个方向，都需要深入理解计算机系统运行的底层逻辑，这就要求你起码愿意“啃”计算机系统结构、操作系统、编译原理等晦涩难懂的知识，愿意去读个十遍二十遍理解这其中的奥义。
02
DS：数据是核心
数据科学，它一开始并不是一个独立的专业，但随着各行各业都越来越需要用数学和科学的思维以及计算编程的力量去理解并解决一些复杂问题，越来越多的领域依赖着数据去发展和突破瓶颈，DS 也就慢慢独立出来了。顶尖的学校包括斯坦福都在致力于打造一流的 data science center。
大家可以看一眼这张图，数据科学生命周期⬇️
你会发现这里面内容非常丰富，从 process 到 analyze 到 communicate 到 capture 到maintain ，围绕着“数据”，每个环节都有很多我们可以去探索的事情。
图源来自于 网络
数据科学的核心就是“数据”，那么你对“数据”是什么感觉？
BeBeyond 有的学生说自己对数据超级感兴趣，实习的时候看到销售数据的变化就觉得很有趣，很想知道背后具体发生了什么，也会主动去做一些分析、预测提交给 mentor；也有学生会说自己对数据真的无感，每天对着电脑看销售数据好难受，实习的时候看到身边正职每时每刻盯着电脑上的数据变化，甚至忙的时候午饭都是在电脑前吃的工作状态，就觉得哪怕是商科里面的技术路线，自己也走不了一点。
03
BA：商业是重要关键词
BA 的本质还是用数据来辅助做商业决策，所以商业是非常重要的一个关键词。
了解BA专业相关就业情况，请戳👇
那说起“商业”，你对商业有感觉么？或者说你对于如何赚钱/如何更合理的花钱有兴趣么？
很多文商社科的同学选 BA 的时候可能只是觉得这个专业对文科背景的人比较友好，但从来没有去看过商业是怎么回事，这里就存在一个误判；或者也不知道商分其实不是个行业，在各行各业里都有商分可以大展身手的地方，那么可能找实习的时候也会把自己的机会给限制了。
再说到“决策”，你喜欢做决策么？或者至少对怎么做决策感兴趣么？
这个可能是更长期一点的影响，因为你喜欢的话，可能就会更主动的去琢磨哪些因素哪些数据会对决策产生更明显的影响，也会有意识培养自己做决策的意识和能力。
04
AI：理论与实践两种发展路线
AI专业现在主要有两种发展方向：理论路线与应用路线。
如果是走理论路线的话，像人工智能这种科研节奏非常快的学科，它的发展就像是大鱼通吃，小鱼饿死，你得跑的非常快才能在这个领域生存下来。
所以对于学科发展的前瞻性认识、你捕捉学科前沿的意识和能力就显得尤为重要；还有就是你得胆子非常大，因为很有可能同时出现了 N 多个方向，得在很短的时间里选择一个方向继续做下去，还要承担被别人抢先做或者压根做不出来成果的风险，这就很考验学科知识是不是扎实和心态是不是稳定强健了。
但对于像交大人工智能学院偏向于培养的应用型的学生来说，最重要的能力其实是看你能不能够捕捉到生活当中或者人的痛点需求。
图源来自于 脉脉《AIGC人才趋势报告》
这也可以部分解释为什么在AIGC领域热投岗位第一的是产品经理， 他们需要做的就是理解用户需求，然后思考如何运用人工智能去更好地解决这些问题。
第二步是积累感性认识
从循序渐进开始
在真正做专业抉择时，大部分的同学都会有意识地去收集信息丰富自己的学科认知，但往往会忽略一个关键因素，那就是我们对这些学科的感性认识。
比如，很多想转码的同学可能并没有真的碰过代码，想象一下，如果转码后面对的是写 30 行的程序要 debug 四个小时，或者在捉到虫后你感受到的不是满满成就感而是挫败感，那么我们真的需要深思熟虑一下，自己之后要不要十年二十年都过这样的人生？
再比如，为什么跨专业申请 CS 会比申请 DS 或者 BA 更难呢？
那是因为不同的细分方向也有自己的准入门槛， CS 的专业本质和特点决定了你要掌握的基础知识更多，比如计算机操作系统，计算机组成原理，甚至是一些基本的编译原理，数字逻辑与微处理器设计，会更偏物理，电子等方向；而 DS可能更偏向统计推断，计算理论，概率论，数据结构等，相对会更 focus 一些；到了 BA 这里，有基本的数学三件套和基本的程序设计能力也就可以了。
你就可以评估一下自己现在能 handle 什么难度的先修，一步一步循序渐进而不是上来就 Hard 模式虐自己也许更合理。
这就是基于一系列经得起反复验证的事实，以及对自我的清晰认知，从而得出来的感性认识。毕竟这个时代，最大的“坑”是呆在不适合自己的地方，所以好的出路一定是适合自己的情况的，积累这些感性认知，能让你知道到底哪条路自己能越走越远，越走越好。
越早开始思考，探索和尝试，我们越有可能“鱼和熊掌兼得”。
已经掉“坑”
我还能爬出来吗？
在 25 年的留学辅导生涯中，BeBeyond 也见到过超级多同学已经掉入计算机的“坑”里，学得非常痛苦，深刻知道自己对计算机并不感兴趣，但又却不想放弃热门专业带来的所谓的“好前途”。
比如 Jerry，本着不浪费自己辛辛苦苦考出来的高考分数的原则，选择了软件工程专业，学校软工专业教学质量很高，毕业生就业情况也相当不错。但是 Jerry 费了老大劲才把 GPA 苟在3.0，他已经可以想象再做 5-10 年自己肯定会头秃，真的只能这样一条路走到黑么？
来 BeBeyond 之后，我们鼓励他不要被热门裹挟，毕竟掉的是自己的头发不是旁观者的（bushi）
他回顾过去，意识到自己一直以来对酒店行业充满热情。比如，他会在吃自助餐时关注热食区的盘子是否保温，对酒店的各方面服务有自己的评价标准，并用一个庞大的 Excel 表格记录下来；他还非常喜欢与人交流，能够迅速预判并满足对方的需求。
之所以一开始不敢选酒店管理，是觉得这个行业好像相对于软工挺 low 的，而且进入社会之后的第一份工资肯定没有老老实实学软工出去做码农来的高。但做了一轮行业 research 之后发现，学好酒店管理也大有前途：一方面酒店管理这一领域不仅限于商务酒店，也包括很多高端酒店，这些场所对管理人才的要求很高；另一方面，将视野扩展到 3-5 年的职业发展，酒店行业能带给他更多的精神回报还有晋升空间。明确了自己适合的发展方向后，他最后申请到了 Cornell 酒店管理，学得也开心，后面工作得也开心。
所以，BeBeyond 想说任何时候都值得认真思考一下这是不是适合自己的。始终不要忘了，能决定自己前途的一个重要因素是自己，也要相信在任何情况下，我们都有主动选择的权利。
Upcoming Event
活动预告
BeBeyond 线上分享会：
保研or留学，不是单选题！
保研和留学是同学们常常摇摆不定的两条路，而在做出最终决定前，大部分学生应对多重选择的策略是——脚踏两条船。
但事实上，留学和保研，可以共用同一套方法论准备。深入理解这两种选择背后的要求和本质，积极地积累个人经验和能力，发掘并强化自己的优势，这样，当你站在人生的十字路口，需要做出选择时，这些积累将赋予你更多的主动权和选择的自由。
10 月 19 日（本周六）下午 15:00，BeBeyond 拥有 14 年留学辅导经验的 Linda 老师，将会和大家一起聊聊保研和留学从时间规划、背景准备上，如何“脚踩两只船”：
-- 什么样的人更适合保研？什么样的人更适合留学？
-- 保研的考核标准和海外招生官的选拔体系有何异同？
--大二、大三做好哪些准备就能同时兼顾？保有最大的选择权？
-- 时间规划上有哪些重合和分叉点？
- 报名方式 -
分享会时间：10月19日（本周六）下午15:00-16:30
分享会形式：线上讲座 / 腾讯会议
报名方式：扫描海报二维码添加小助手，备注“1019分享会”即可报名
扫描海报二维码添加小助手，
备注“1019分享会”即可报名⬆️
BeBeyond，1999年成立于芝加哥，专注于个人发展（Personal Development）的留学咨询机构。
