数据科学，人工智慧，运筹（优化），计算机科学这些专业有什么区别？
申请国外硕士学校发现很多学校有数据科学，人工智慧，运筹（优化），机器学习，计算机科学，应用数学。不知道这些项目有什么区别？如果是为了打好基础应该选择什么方向比较好？
从工业角度来看。
说实在的都没啥很大的差别，如果在学校啥都不学，各种划水，出来能找到一个数据分析岗就不错了，还想搞数据科学研究。
如果自己有规划，其实需要的就是机器学习的理论基础，和编程基础，这些学校都会学的，自己多实践，多混实验室，最好是那种有实际工业项目的（非研究项目），更贴地气。
有时间想这个问题，还不如，现在就去kaggle打比赛去
数据科学这个词没有定义；人工智慧只有模糊的定义；优化有明确的定义；计算机科学的定义正在改变。
数据科学是新词，数据分析升级上来的。
人工智慧是老词回收再利用，有一段失败的过去。
机器学习是当下人工智慧最有希望的方向，基本上也是当下的唯一方向。
优化是机器学习中的基本思维模式。
计算机科学涵盖面太广。
应用数学提供了机器学习一些数学基础。
往上学习如果学的越来越细分，就越难发展；
学的跨专业越多，更有利于发展；
这几个方向都是一个篮子的鸡蛋，或早或晚都需要接触和学习，没有太大必要分清每个鸡蛋；
都了解学习吧，直到可以学习任何感兴趣的知识，不再有学科区分的壁垒
计算机科学包含：数据科学、人工智慧、运筹优化。
数据科学、人工智慧、运筹优化的各自的交集不为空，差集也不为空。
运筹优化与应用数学都是偏数学分析，更底层更基础，机器学习与人工智慧等是与计算机相结合的，离开计算机几乎也就无从谈起。要想做研究，学到真本事，这些都得学。要想混学历，进企业做个普通工程师，直接学人工智慧与机器学习我感觉也没啥毛病。
推荐阅读：
