數據科學，人工智慧，運籌（優化），計算機科學這些專業有什麼區別？
申請國外碩士學校發現很多學校有數據科學，人工智慧，運籌（優化），機器學習，計算機科學，應用數學。不知道這些項目有什麼區別？如果是為了打好基礎應該選擇什麼方向比較好？
從工業角度來看。
說實在的都沒啥很大的差別，如果在學校啥都不學，各種划水，出來能找到一個數據分析崗就不錯了，還想搞數據科學研究。
如果自己有規劃，其實需要的就是機器學習的理論基礎，和編程基礎，這些學校都會學的，自己多實踐，多混實驗室，最好是那種有實際工業項目的（非研究項目），更貼地氣。
有時間想這個問題，還不如，現在就去kaggle打比賽去
數據科學這個詞沒有定義；人工智慧只有模糊的定義；優化有明確的定義；計算機科學的定義正在改變。
數據科學是新詞，數據分析升級上來的。
人工智慧是老詞回收再利用，有一段失敗的過去。
機器學習是當下人工智慧最有希望的方向，基本上也是當下的唯一方向。
優化是機器學習中的基本思維模式。
計算機科學涵蓋面太廣。
應用數學提供了機器學習一些數學基礎。
往上學習如果學的越來越細分，就越難發展；
學的跨專業越多，更有利於發展；
這幾個方向都是一個籃子的雞蛋，或早或晚都需要接觸和學習，沒有太大必要分清每個雞蛋；
都瞭解學習吧，直到可以學習任何感興趣的知識，不再有學科區分的壁壘
計算機科學包含：數據科學、人工智慧、運籌優化。
數據科學、人工智慧、運籌優化的各自的交集不為空，差集也不為空。
運籌優化與應用數學都是偏數學分析，更底層更基礎，機器學習與人工智慧等是與計算機相結合的，離開計算機幾乎也就無從談起。要想做研究，學到真本事，這些都得學。要想混學歷，進企業做個普通工程師，直接學人工智慧與機器學習我感覺也沒啥毛病。
推薦閱讀：
