计算机科学与技术，人工智能和大数据哪一个专业适合女生？

说实话，只要是数学，物理好的，这几个专业都适合女生就业《关键问题是，就业环境中，存在的女性就业歧视》

这几个专业属于热门专业，除了计算机科学与技术相对成熟外，人工智能和大数据是新兴专业，并不是太成熟，还是在摸索阶段，需要解决的问题还不少。

从女性就业上看，这几个专业从理论上对女性不太有好，至少是工作强度上，我们在人工智能方面占据绝对的位置，但是我们不否认我们的有利是靠996完成的，高强度的工作时间，确实不适合，不值得女性去拼搏，《特别是女性到了婚姻阶段，企业往往会找一些没有道理的道理，来解决女性工作问题》

当然我们也不能一概而论，在这些专业中女性期待成绩的也不占少数，只要你能适应高强度的工作压力，应该比男性更容易取得成绩。

其实在计算机科学技术专业中，适合女性的是网络安全。

这三个都是非常热门的专业，根据2019年教育部公布的数据——在新增备案专业中新增最多的就是“数据科学与大数据技术”，全国共有196所高校争相开设。其次是人工智能类专业：机器人工程、智能科学与技术、智能制造工程。新增最多的审批专业是“人工智能”专业，全国共有35所985大学获得审批“人工智能”专业首批建设资格。

计算机科学与基础是一门研究计算机的专业。专业涉及面非常的广，涉及到了计算机软件，硬件，数据库，操作系统，软件工程等。如果将来打算考研往人工智能大数据方向发展，我们建议在本科的时候，可以学计算机科学技术。

人工智能专业可以理解为先要机器学习人类的语言、行为，再进行模仿为人类进行服务。目前开设的高校并不是很多，多为985工程重点院校，专业横跨计算机、自动化、心理学、数学等学科。

大数据专业是计算机科学与技术跟数学、统计学的交叉学科，专业也会涉及到人工智能的相关课程。要求对于数据库，程序设计，计算机网络有足够了解，同时对于数学的要求极高。

目前在这些专业里面男女比例是比较失衡的，甚至有的专业会出现“和尚班”，没有一个女生。如果女生从小对于计算机电子信息这一块比较感兴趣，那么选择了相关专业之后，将来就业的时候也会有一定的优势。从团队建设的角度来讲在一些知名企业里面也愿意招收一些女生。

从三个专业来看，个人会推荐女生往大数据方向学习。但是大数据专业对于计算机和数学的要求非常高。本科阶段，能够把基础学科学的扎实，这是最为重要的。考研就是对于职业生涯方向进行再一次的调整，热门方向相应的门槛也会比较高一些。

专注教育问答，欢迎关注张老师生涯课堂，分享帮助更多人

中国女性，有韧性，勤劳，聪明，善良，美丽，是世界上最伟大的女性，没有之一！三个方向都适合中国女性，尤其是喜欢数学的中国女性！计算机最后发展的瓶颈在于数学！计算机科学与技术是基础需要学习计算机原理，操作系统，数据结构，编程等！有了这个好的基础，可以搞机器学习，深度学习，神经网络等，这是人工智能的领域，人工智能算法需要大数据的训练，才能形成相对稳定的预测模型！由此可见先学计算机科学与技术，其次是大数据，其次是人工智能！当然可以只学计算机科学与技术，或者学前两个，或者三个都学！我期待中国涌现出大量的计算机科学科学家！

人工智能虽火，但众多相关专业的研究人员都转向人工智能，竞争必激烈，从易就业易高薪的角度，人工智能不是最佳选择，再说你是女生，人工智能更不适合，是因为工作强度的问题，建议搞计算机，将来做测试方向，相对轻松，薪水也不低

都可以，跟着你的心走就好了。

我简单跟你说一下这两者的不同吧。

1.计算机科学与技术就是传统的大学科，什么都学，软件、硬件、网络三个大方向，计算机组成原理，操作系统，代码重构，C语言，C++，Java都是有的，不知道现在有没有Python。

学这个可以系统性地了解一下计算机的东西，搞软件也未必就接触不到其他方向的东西了，起码网络协议有时候还是非常重要的，搞大数据，那数据库总得非常熟悉吧。

这个专业的好处就是全面，侧重点在哪，主要想学什么，自己定。

2.数据科学与大数据技术是近些年新开的学科，主要学习内容是数学，统计，软件三个方面的东西。除了计算机相关，还得学很多数学课程，统计的一些东西。

搞大数据其实也分好多场景和类别的，像是大数据开发工程师，那是妥妥的程序员，需要先学Java打好底子，然后学Hadoop搞大数据。还有些数据科学家是搞科研的，还有各种数据分析师，就是类似金融和各行各业的做分析的那些人才了，虽然也可能会用到编程的知识，但不一定是重点，也不一定都会学到什么程度。怕是自己要多用点心，多努努力了。

3.人工智能同理，女生与男生也同理。在编程这块区别不大，不拼体力，主要看思维。

至于选择哪个么，就看你是想系统性地学习一下计算机，打好基础，还是想直接学大数据对口的相关东西了。或者人工智能。

选计算机科学就好好打基础，自己分析查看以后做大数据开发需要用到的东西，把课程体系里没有的东西自己找资料来补上，自学，或者参加培训，找人教，带着做项目。

选大数据科学就看看大数据都讲什么，自己想往哪个方向发展，看看企业，目标单位都要什么技术。搞科研就多弄数学，编程就补计算机，统计就好好弄统计。想学好都是得自己下功夫的。

不过211的学生嘛，挺优秀的了，自学能力OK的。知道怎么做了，剩下的就去做就好了。

顺便给你贴一下大数据的学习路径吧，可能用得到。

如果需要学习线路图或随堂笔记的话，评论区给我回复111，找我就好了。

建议人工智能，现在人工智能人才十分稀缺，学这以后就业方便，收入高，而且要花的精力不会比另外两个方向多很多

看样子你是走不了研究路线的，建议计算机专业，做做产品设计、前端开发、项目测试及管理。人工智能和大数据专业，不读研读博，不读名校，打造不出核心竞争能力。

发布时间： 18:46:16 浏览 13020 来源：博学谷资讯 作者：照照

工资一般多少？大数据目前作为朝阳行业，工资普遍较高，不同地区和不同岗位薪资待遇差别也较大。以北京这样的一线城市为例，月薪最低也有七千元，据最新统计，北京大数据工资拿一万左右的人群比例最高。下面小编就来分析一下大数据的职业发展。

由于大数据人才数量较少，因此大多数公司的数据部门一般都是扁平化的层级模式，大致分为数据分析师、资深研究员、部门总监3个级别。大公司可能按照应用领域的维度来划分不同团队，而在小公司则需要身兼数职。有些特别强调大数据战略的互联网公司则会另设最高职位—如阿里巴巴的首席数据官。这个职位的大部分人会往研究方向发展，成为重要数据战略人才。另一方面，大数据工程师对商业和产品的理解，并不亚于业务部门员工，因此也可转向产品部或市场部，乃至上升为公司的高级管理层。本文把大数据的职业发展路线大致划分成四大方向：数据分析，数据挖掘，数据产品，数据工程。

1、数据分析/数据运营/商业分析

职业发展：数据分析师，岗位职责要求你掌握常用的机器学习算法，面试首先推导一个决策树或者逻辑回归。入职后也是各类代码，和分析打交道的情况不多。一般属于运营部门，不少公司也称数据运营或者商业分析。这类岗位的职位描述一般是：负责和支撑各部门相关的报表；建立和优化指标体系；监控数据的波动和异常，找出问题；优化和驱动业务，推动数据化运营；找出可增长的市场或产品优化空间；输出专题分析报告。

商业/市场分析是另外一个方向，更多见于传统行业。你要开一家超市，你得考虑哪里开，这就要考虑居民密度，居民消费能力，竞争对手的多寡，步行交通距离，开车交通距离等。这些数据是宏观的大指标，往往靠搜索和调研完成，这是和互联网数据分析师最大的差异。若往其他分支发展，比如数据挖掘工程师，则要继续掌握Python和机器学习等。从业务型发展上来的好处是接地气，具备商业洞察力（天天搞报表，怎么可能不熟），这点是直接做数据挖掘，或者程序员转岗，所不具备的。新人，比较普适的发展路线是先成为一位数据分析师。积累相关的经验，在一两年后，决定往后的发展，是数据挖掘，还是专精数据分析成为管理岗。

薪资待遇：一般来说，在一线城市，干得好的数据分析师工资在一万五左右。

2、数据挖掘/算法专家

职业发展：这是技术向的数据岗，有些归类在研发部门，有些则单独成立数据部门。数据挖掘工程师要求更高的统计学能力、数理能力以及编程技巧。从概念上说，数据挖掘Data mining是一种方式，机器学习Machine Learning是一门方法/学科。机器学习主要是有监督和无监督学习，有监督又可划分成回归和分类，它们是从过去的历史数据中学习到一个模型，模型可以针对特定问题求解。

数据挖掘工程师，往后发展，称为算法专家。后者对理论要求更严苛，几乎都要阅读国外的前沿论文。方向不局限于简单的分类或者回归，还包括图像识别、自然语言处理、智能量化投顾这种复合领域。这里开始会对从业者的学校和学历提出要求，名校+硕士无疑是一个大优势，也有很多人直接做数据挖掘。深度学习则更前沿，它由神经网络发展而来，是机器学习的一个子集。因为各类框架开枝散叶，诸多模型百花齐放，也可以算一个全新的分支。除了要求熟悉TensorFlow, Caffe, MXNet等深度学习框架，对模型的应用和调参也是必备的，后者往往是划分普通人和大牛的天堑。

职业发展：这个岗位比较新兴，它有两种理解，一种是具备强数据分析能力的PM，一种是公司数据产品的规划者。前者，以数据导向优化和改进产品。在产品强势的公司，数据分析也会划归到产品部门，甚至运营也属于产品部。这类产品经理有更多的机会接触业务，属于顺便把分析师的活也干了，一专多能的典型。他们会运用不同的数据源，对用户的行为特征分析和挖掘，达到改进产品。最典型的场景就是AB测试。大到页面布局、路径规划、小到按钮的颜色和样式，均可以通过数据指标评估。此类数据产品经理，更多是注重数据分析能力，擅长用分析进行决策。数据是能力的一部分。

后者，是真正意义上的数据产品经理。在公司迈大迈强后，数据量与日俱增，此时会有不少数据相关的产品项目：包括大数据平台、埋点采集系统、BI、推荐系统、广告平台等。这些当然也是产品，自然需要提炼需求、设计、规划、项目排期，乃至落地。和C端注重用户体验不同，数据产品，更注重整体的分析能力和逻辑。除了产品经理最基础的Axure、Visio、MindManager等工具。往往还需要很多技术型的能力。比如了解BI/DW原理和实施、了解常用的推荐算法、了解机器学习模型等。这也很容易理解，C端要求你了解用户需求，而在数据端，主要用户就是数据。

从职业发展上看，数据分析师做数据产品经理更合适。普通的产品经理，对、后端的技术栈尚未熟悉，何况日新月异的数据栈。这个岗位，适合对数据特别感兴趣，但是数理天赋不高的职场人，那么以沟通、项目管理和需求规划为能力，也不错。

薪资待遇：数据产品经理月薪在一万五到两万不等，看自己怎么发展了。

职业发展：数据工程师其实更偏技术，从职业道路上看，程序员走这条路更开阔。因为数据挖掘需要了解算法/模型，理论知识要求过高，不少硕士和博士还过来抢饭碗，自己不擅长容易遇到天花板。选择更底层的工程实现和架构，也是出路。部分归属到技术部的数据分析师，虽然Title叫数据分析（其实应该叫数据分析开发工程师），很多工作也是围绕ETL/DW/BI进行，那么这就是标准的数据工程路线。

部分公司会将机器学习模型的部署和实现交给数据工程团队，这要求数据工程师熟悉sparkMLlib、Mahout此类框架。数据工程师，可以从数据分析师的SQL技能，往数据的底层收集、存储、计算、运维拓展。往后发展则是数据总监、或者数据架构师。因为数据分析出身，与纯技术栈的程序员比，思考会更贴合业务，比如指标背后的数据模型，但是技术底子的薄弱需要弥补。

薪资待遇：总体上来看，数据工程师薪资也不会低于数据挖掘/算法专家，最低也是3万起。

综上所述，大数据工资一般高于其他行业的同龄人。随着未来大数据时代的迅猛发展，其职业前景也是不可估量的。对大数据有学习兴趣的小伙伴，还在等什么，赶紧乘着这个风口努力学习吧，摆在眼前的是广阔的发展道路。

大数据技术专业属于交叉学科，以统计学、数学、计算机为三大支撑性学科，此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等。

大数据专科专业都学什么

一般要学计算机网络技术、Java程序设计、路由交换技术、计算机网络技术、大数据可视化技术、数据采集与分析技术、web前端设计等。

本专业主要面向企事业单位，从事大数据系统搭建与运维、大数据采集与存储、大数据处理与分析、数据库管理与维护、大数据平台开发、web前端设计等相关工作。适合岗位如大数据采集工程师，大数据运维工程师、大数据可视化工程师、大数据分析工程师、大数据开发工程师等。

大数据专业就业前景好不好

当前整个IT行业对于大数据人才的需求量还是比较大的，近几年相关方向研究生的就业情况还是比较不错的，一方面岗位级别比较高，另一方面薪资待遇也比较可观，而且薪资待遇正呈现出逐年上升的发展趋势。

以Hadoop开发工程师为例，Hadoop入门月薪已经达到了8K以上，工作1年月薪可达到1.2W以上，具有2-3年工作经验的hadoop人才年薪可以达到30万—50万，一般需要大数据处理的公司基本上都是大公司，所以学习大数据专业也是进大公司的捷径，而且在大公司制度更完善，福利待遇也更好，又能提升很大的自我价值。