在当今快速发展的技术格局中，有两个领域脱颖而出，成为创新和进步的催化剂： 数据科学 （Data Science） 和 计算机科学 （Computer Science） 。
随着世界越来越受数据驱动，这些领域的专业人士在塑造未来方面发挥着关键作用。
不过，还是有很多家长或者同学其实很容易将数据科学与计算机科学混为一谈。那么：
● 数据科学和计算机科学有何不同？
● 两个方向的申请要求和申请难度怎么样？
● 哪个领域提供了更有前途和更充实的职业道路？
今天我们就来了解一下这两个专业
本文会依据教育质量最具有参考性的美国硕士项目进行全方位的分析。其他国家和地区也是依葫芦画瓢，可作为一份很好的参考。
01. 计算机科学是什么
计算机科学的英文是 Computer Science。计算机科学专注于计算、信息和技术，以及软件和硬件的设计和实施。
专业背景
在申请时，学校是比较卡候选人背景的，计算机本科申计算机会比较合适。
对跨专业学生，要看是否有足够的 Prerequiste 加上相关科研/实习背景。例如辅修了 CS 相关课程或有 4 到 5 节涵盖了计算机语言（如 Python/C++/Java）、算法、数据结构、系统等相关计算机课程。
对于没有任何 CS 相关背景的同学， 如果考虑转码，建议选择 CS 相关缝合专业。
Prerequisites
先修课课程关键词包含：Programming，Computer Architecture，Python，Java，C/C++，Matlab，Computation，Algorithm， Operating Systems，Machine Learning， Multivariable Calculus，Linux等。
具体课程名字因学校而异，课程不够可以选择网课/夏校/社区大学课程等。
就业
目前 SDE 岗位需求量和工资都普遍高于 DS，但不绝对。学 CS 当然也可以当 Data Scientist。
专业和就业方向包括 SDE，前后端，算法工程师，AI，HCI，CV，DS，IS 等。
申请难度
相较于 DS 申请难度更高。 科研/实习经历很重要，并且很看重 CS 主修课成绩，尤其是高阶课的成绩，申请基本上是最卷的。
例如，第一梯队的 MIT，CMU 斯坦福要求基本是 GPA 3.9+，第二梯队 UIUC，Cornell，哥大等一般是 GPA 3.7+
想要了解更多可以联系老师
