計算機科學專業大三狗啦，打算考研，但是不知道往哪個方向發展好，求計算機科學專業大神賜教。

by 小伊

學校的類型不同，計算機研究的内容不一樣。如圖：

以上數據來源于研招網2015年的報考數據，有些内容比較概括，大家可以去學校官網查詢具體内容。這麼多方向，我說一下我認為就業前景比較好的幾個方向。

1、大數據

“大數據(big data,mega data)，或稱巨量資料，指的是需要新處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資産。”

大數據很火，社會上對大數據方面人才需求量很大，尤其是關于數據分析。大數據就業的三大方向：大數據系統研發類人才、大數據應用開發類人才和大數據分析類人才。

十大職位：ETL研發、Hadoop開發、可視化（前端展現）工具開發、信息架構開發、數據倉庫研究、OLAP開發、數據科學研究、數據預測（數據挖掘）分析、企業數據管理和數據安全研究。

這篇文章介紹的是“大數據行業就業指南：三大方向 十大職位”，建議你仔細看看，介紹的比較詳細。

2、人工智能

“人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生産出一種新的能以人類智能相似的方式做出反應的智能機器。

該領域的研究包括機器人、語言識别、圖像識别、自然語言處理和專家系統等。”

人工智能還在發展，相關技術還不成熟，研究人工智能的空間很大。

（來源：新浪）

但是研究人工智能很難，“要求你有創新的思維能力，高數中的微積分、數列等等必須得非常好，軟件編程(基礎的應用最廣泛的語言:C/C )必須得很好。

微電子(數字電路、低頻高頻模拟電路、最主要的是嵌入式的編程能力)得學得很好，還要有一定的機械設計能力(空間思維能力很重要)”。

不過，研究出來你會成為人工智能領域的專家，人工智能的科技産品會給人類生活帶來便利。

3、信息安全

“信息安全主要包括以下五方面的内容，即需保證信息的保密性、真實性、完整性、未授權拷貝和所寄生系統的安全性。信息安全本身包括的範圍很大，其中包括如何防範商業企業機密洩露、防範青少年對不良信息的浏覽、個人信息的洩露等。

網絡環境下的信息安全體系是保證信息安全的關鍵，包括計算機安全操作系統、各種安全協議、安全機制(數字簽名、消息認證、數據加密等)，直至安全系統，如UniNAC、DLP等，隻要存在安全漏洞便可以威脅全局安全。”

“信息安全包含的東西也很多，需要學的東西也很多。比如說網絡安全，包括了通信協議和通信内容兩部分。

有些協議可能做得不夠嚴密，容易被人突破，就需要設計完善的協議。通信内容安全包括的就比較多，比如圖像、語音、文字等。

（來源：百度）

需要通過加密來提高安全性。而加密解密又是矛盾的兩個方面。如何加密才能達到需要的安全效果，如果解密才能破解别人的信息，都需要很多深入的研究才能得出結論。

加密一般會涉及到比較複雜的數學，而解密又不僅僅是數學了，涉及到的方面更多。有些解密是通過邏輯的方法，有些是邏輯的方法和物理的方法并用。

能把這行做好了，前途無量。但是很多人達不到登峰造極的地步。頂級的信息安全專家，年薪幾百萬是沒問題的。”

4、嵌入式

“嵌入式系統(Embedded system)，是一種"完全嵌入受控器件内部，為特定應用而設計的專用計算機系統"，根據英國電氣工程師協會( U.K. Institution of Electrical Engineer)的定義，嵌入式系統為控制、監視或輔助設備、機器或用于工廠運作的設備。”

嵌入式的應用很多，“事實上，所有帶有數字接口的設備，如手表、微波爐、錄像機、汽車等，都使用嵌入式系統”。

“提到嵌入式系統工程專業的前景還有話要講，其實前景就=錢景!如今初階的嵌入式工程師在北上廣一線城市普遍都能拿到8K的工資(華清遠見嵌入式學院就業數據顯示)，熟悉相關開發的工程師則可獲得1-2W的薪資。

（來源：百度）

高級工程師更不用說了，沒有低于2W薪資的。從薪資看前景也許更能體現嵌入式工程專業的價值。

”今天下午發表的“嵌入式系統工程專業就業方向與前景分析(轉載)”，嵌入式前景很好，現在能滿足社會需求的嵌入式人才供不應求，嵌入式人才還是很被需要的。

by 劉嬌

計算機專業的考研方向有三個大方向：計算機系統結構、計算機軟件與理論、計算機應用技術。每個大方向下面有十幾個小方向。

你在報考的時候，會根據你報考的學校不同，小方向也就不同。就像 @小伊所列舉的圖片。裡面就是很詳細的。由于大數據等熱門方向，已經被列舉了。

我這邊就不再提了。我會介紹一個沒有提到過的。

機器學習與數據挖掘方向。

（來源：網絡）

這個研究方向在南京大學有開設。開設的研究所是周志華教授的數據挖掘研究所，簡稱LAMDA。隸屬于計算機軟件新技術國家重點實驗室和 南京大學計算機科學與技術系。其實這個方向屬于人工智能方向。

機器學習顧名思義，是在研究計算機怎樣模拟或實現人類的學習行為，以獲取新的知識和技能，重新組織已有的知識結構使之不斷改善自身的性能。

就像前階段特别火的AlphaGo。就是利用自學的學習能力，去打敗李世石的。這也是機器學習領域的一大突破。

而數據挖掘，就是挖掘有用有價值的數據。兩個研究方向的合并，是對機器學習領域非常有利的。這個研究方向也是特别好。