计算机专业考研哪个方向比较好?

我是计算机专业的大三学生,准备考研,但是不知道往哪个方向发展好?请计算机大神指教。

作者:小艺

不同类型的学校有不同的计算机研究内容。如图所示:

以上数据来源于2015研招网应聘数据,部分内容比较笼统。具体内容可以去学校官网查询。这么多方向,我来说几个我觉得就业前景比较好的方向。

1,大数据

“大数据(Megadata),或称巨量数据,是指海量、高增长、多样化的信息资产,需要新的处理模式来拥有更强的决策力、洞察力和流程优化能力。”

大数据现在很火,社会对大数据方面的人才需求很大,尤其是关于数据分析方面的。大数据就业三大方向:大数据系统R&D人才、大数据应用开发人才、大数据分析人才。

十个岗位:ETL R&D、Hadoop开发、可视化(前端呈现)工具开发、信息架构开发、数据仓库研究、OLAP开发、数据科学研究、数据预测(数据挖掘)分析、企业数据管理和数据安全研究。

本文介绍《大数据行业就业指南:三个方向十个岗位》。建议你仔细看看,详细介绍一下。

2.人工智能

“人工智能是计算机科学的一个分支,它试图理解智能的本质,并产生一种新的智能机器,能够以类似于人类智能的方式做出反应。

该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统。"

人工智能还在发展中,相关技术还不成熟,研究人工智能的空间很大。

(来源:新浪)

但是,研究人工智能很难。“你需要有创新思维能力。高等数学中的微积分和级数一定很好,软件编程(基础和最广泛使用的语言:C/C++)一定很好。

微电子学(数字电路,低频高频模拟电路,最重要的是嵌入式编程能力)学的很好,也有一定的机械设计能力(空间思维能力很重要)。"

但是经过研究,你会成为人工智能领域的专家,人工智能的科技产品会给人类生活带来便利。

3.信息安全

“信息安全主要包括以下五个方面:需要保证机密性、真实性、完整性、未经授权的复制和寄生系统的安全性。信息安全本身包含的范围很广,包括如何防止商业企业机密泄露,防止青少年浏览不良信息,个人信息泄露等。

网络环境下的信息安全体系是保证信息安全的关键,包括计算机安全操作系统、各种安全协议、安全机制(数字签名、消息认证、数据加密等。),甚至安全系统,如UniNAC和DLP等。,只要存在安全漏洞,全球安全就可能受到威胁。"

“信息安全包含的东西很多,要学的东西也很多。比如网络安全包括两部分:通信协议和通信内容。

有些协议可能不够严谨,容易被破解,因此需要设计良好的协议。通信内容安全包括的更多,比如图像、语音、文字等等。

(来源:百度)

需要加密来提高安全性。加密和解密是矛盾的两个方面。如何加密才能达到所需的安全效果,如何解密才能破解别人的信息,需要大量的深入研究才能得出结论。

加密一般涉及更复杂的数学,解密不仅仅是数学,还涉及更多方面。有的解密是通过逻辑方法,有的是逻辑和物理方法都有。

如果你能做好这一点,前途无量。但是很多人都达不到巅峰。顶级信息安全专家,年薪百万没问题。"

4、嵌入式

“嵌入式系统是一种“完全嵌入受控设备并为特定应用而设计的专用计算机系统”。根据英国电气工程师协会的定义,嵌入式系统是一种控制、监测或辅助装置,用于工厂运作的机器或设备。”

有很多嵌入式应用。“事实上,所有带有数字接口的设备,比如手表、微波炉、录像机、汽车等。,使用嵌入式系统。”

“提到嵌入式系统工程的前景有话要说,其实前景是=钱景!现在一级嵌入式工程师在北上广一线城市一般能拿到8K的工资(根据华清袁剑嵌入式学院的就业数据),熟悉相关开发的工程师能拿到1-2W的工资。

(来源:百度)

不用说,没有一个高级工程师的工资比2W低。从薪资的角度来看,前景可能更能体现嵌入式工程专业的价值。

“今天下午的《嵌入式系统工程专业就业方向及前景分析(转载)》,嵌入式前景很好,能满足社会需求的嵌入式人才供不应求,还是很需要的。

作者:蛟刘

计算机专业考研有三大方向:计算机系统结构、计算机软件与理论、计算机应用技术。每个大方向下面还有十几个小方向。

你报考的时候,小方向会根据你报考的学校不同。就像@ E列举的图片,里面很详细。因为大数据等热门方向,已经上市。

这里就不提了。我介绍一个没提过的人。

机器学习和数据挖掘方向。

(来源:网络)

这个研究方向在南京大学开设。开设的研究所是周志华教授的数据挖掘研究所,简称LAMDA。隶属于计算机软件新技术国家重点实验室,南京大学计算机科学与技术系。其实这个方向属于人工智能方向。

机器学习,顾名思义,就是研究计算机如何模拟或实现人类的学习行为,从而获取新的知识和技能,重组已有的知识结构,不断提高自身的性能。

就像前一阶段特别火的AlphaGo。就是用自学的学习能力打败李世石。这也是机器学习领域的重大突破。

而数据挖掘就是挖掘有用的、有价值的数据。两个研究方向的结合对机器学习领域是非常有益的。这个研究方向也很好。