电子信息大类学生正在犹豫要选择哪个细分方向,想了解这些细分方向对口的职业未来的发展前景1. 计算机科学与技术 2. 自动化 3. 电气工程及其自动化 4. 广播电视工程 5. 数据科学与大数据技术 6. 人工智能
提问
资料没有逐个比较这六个专业的前景,但立正给了一套选方向的判断顺序:先看行业和平台是否处在增长中,再看岗位成果能否被客观衡量,最后才看起薪差距。
先判断行业和平台,而不是先比专业名字
立正把职业选择拆成几层来看:自己怎么看问题、行业周期、公司平台、直属领导、执行方法。对刚起步的人,他更看重成熟行业或方向带来的基础稳固,以及能增加选择权的平台——大厂或品牌好的小公司都算,因为它们让下一份工作更容易谈。放到你的处境,六个专业本身不直接决定前景,同一个专业进增长中的业务和进边缘业务,几年后的差距可能比专业之间的差距更大。所以可以先问:这个方向对应的行业现在是在扩张还是在收缩,学校这个专业往届毕业生主要去了哪些公司和业务1,2。
岗位成果能否被客观衡量,比起薪更值得看
立正提到,起步阶段要选有清晰成功标准的岗位,工作好坏能被相对客观地衡量,这样能力才能积累、人力资本才能被量化;要避开可有可无的角色。薪资差距在30%以内影响相对小,超过这个幅度才需要警惕,因为它可能说明平台档次不同。套到六个方向上:偏工程实现的岗位(如计算机、自动化里的开发与系统集成)通常交付物明确、容易验证;偏研究或探索的岗位(如人工智能里的算法研究)则更依赖平台和团队,个人成果不容易单独衡量。这不代表后者不好,而是说它更依赖你进的是不是有真实业务和数据的地方1。
用一个具体动作检验方向,而不是先定终身
结合提问者的处境立正讲过,数据相关的工作可以分成工程、分析等几大类,学的时候就要朝一个方向积累,因为每样都学一点是学不完的。他也说过,机器学习真正的价值更多落在工程实现上,所以做数据科学的人如果不提高工程能力,去做模型未必有优势。你可以先挑两个候选方向,各找一门入门课或一个小项目做两三周,看自己是更享受把系统跑通、调通,还是更享受从数据里找规律、讲清楚结论。观察点是你遇到卡住时愿不愿意继续钻,以及做完后能不能说清自己交付了什么可被检验的东西——这比问“哪个前景好”更能帮你缩小范围3,4。
资料没有针对这六个专业或上海工程技术大学的分流做具体比较,以上是判断方法,不是对各专业前景的排序。
回到4份原文
讲起步阶段怎样排序行业、平台、岗位标准和薪资,是判断方向的主要依据。
补充道天地将法的分层思路,帮助理解为什么先看行业和平台。
讲数据工作分几类、为什么要早定一个方向积累,适合对照数据科学与人工智能。
说明机器学习更多是工程问题,可用来理解人工智能方向对工程能力的要求。