志向科研，本碩數學專業（應用數學），博士轉計算機，是否會比本碩計算機的更有優勢？

01-13

我已決定先修個雙學位了，選了和專業相關性較高的機器學習方向，感謝知友們的熱情解答！

看到這個問題來回答一下。

先介紹一下自我背景：

數學方面：本人就是數學專業博士畢業，然後轉行去互聯網公司做機器學習方向。在學校期間所學的是一維實動力系統和復動力系統方向，並且這個方向是從本科第二年開始做的。至於調和分析，實分析，複分析，微分流形這些基礎知識，都是學過多次的。

編程方面：在學校期間只接觸過 UVA Online Judge，並且在上面做了一些題目，編程的能力僅限於能夠使用 C++ 做競賽題（難的還做不出來，只能夠做一般的題目）。至於機器學習之類的東西，在學校是從來沒有接觸過的，當年甚至都沒聽說過這個詞。

進入公司：

之前也寫過一篇文章關於轉行機器學習的，裡面的內容都是進入公司之後重新學習的，《轉行數據挖掘與機器學習》。文中介紹了很多機器學習的相關演算法，都是自己進入公司之後抽時間學的。工作內容目前基本上還是負責一些離線平台的搭建，數據分析，和演算法效果調優的工作。使用的編程語言還是 Python + SQL 這些。至於推薦系統或者安全系統的線上預測部分，是基本上沒接觸過的，只是知道數學上該怎麼做，但是從來沒有寫過代碼，貌似短時間內也寫不出代碼。

優勢：經過數學系專業讀論文的訓練之後，其實對於一般難度的論文，基本上都是「如履平地」。當年讀數學系的論文可是一天就只能夠讀懂一兩頁，現在讀這些論文，一周就可以讀不少篇文章。研究機器學習演算法，邏輯推導的話，數學系出身會明顯佔據優勢，推導公式迅速。如果科研能力強的話，在做探索性的業務和跟進公司內外先進技術的時候，科研能力強的人會佔據優勢。只是公司裡面是否需要有人跟進先進技術就是了，而且在不同的階段，需要的人貌似是不太一樣的。

劣勢：寫代碼速度慢，對計算機很多基礎知識不甚了解，一般來說學到搞定業務的程度就沒時間繼續學下去了。不過一般大公司都會讓一些開發同事和一些演算法同事一起工作，很多事情也不是靠一個人就完成的。

整體來說，轉行需要付出很多的東西，無論是重新學習新的知識還是技能，都需要在業餘時間中去花費很大的功夫。如果智力水平差不多的時候，一般很難出現明顯優勢的情況。但是，在工作中，公司也需要配備團隊，在招不到演算法和工程集一身的人才的情況下，在團隊裡面同時配備演算法+工程的兩類人才是應該是最佳的選擇。

貌似不少人弄反了一個邏輯關係：並不是學了數學之後，這個人才會聰明。是這個人本身就很聰明，然後恰好學了數學而已。對於聰明的人而言，無論學什麼都是差不多的，選擇一個合適自己的方向才是最好的。

不會。

不過能堅持學完數學碩士的，我認為智商也不會低，邏輯思維也不會差，對計算機知識學習速度也不會差。

而且計算機工程向的研究已經不多了，讀博的一般都是向大熱的機器學習，大數據方向，需要一定的數學基礎，對數學系碩士來說還是挺匹配的。

但不是計算機專業出身，註定先天殘疾。很多對計算機專業來說是常識的問題，你可能就不知道。而且缺少編碼經驗會導致你空有演算法設計，不會實現，代碼質量堪憂等問題。還需要更多自身努力學習。

謝邀。

我讀了3年半數學博士都不敢說自己「數學基礎深厚」，題主不過是碩士，而且還是應用數學，就敢這麼說。。而且計算機需要的數學基礎也不僅僅是題主認為的「深厚的數學基礎」，更多的是離散數學，比如邏輯，比如圖論組合等等，這些東西題主都不一定學過吧？如果是做密碼學還需要懂一點點代數數論和橢圓曲線理論，雖然計算機系的不一定認為密碼學屬於計算機專業。。當然，計算機方面題主基礎如何，比如基本的演算法數據結構了解多少，那就不得而知了。

贊同@程墨Morgan的回答。

數學和物理這種基礎學科根本就不是萬金油，不是萬金油，不是萬金油，重要的事情說三遍。每個學科都有自己的思維方式，如果只按照你所在學科的思維方式和培養模式往下走，那麼轉行的可能性會越來越趨近於零。

我本科是物理專業，現在做的是GNSS（全球導航衛星系統） SoC晶元設計。轉行之後周圍科班出身的人都說，哎呀，物理專業真的厲害，可以轉各種工科。可是他們根本就不知道為了轉工科，這些人在本科期間都付出了哪些。至於那些轉了金融的同學，付出的就更多了。對於我們這些徹底轉行的人來說，物理專業的培養計劃基本是在保證考試分數的前提下，持敷衍態度完成。其他的人並沒有看到這些，他們看到的只是結果：這些人轉行成功。

至於系統學過物理這樣的經歷對轉行之後的作用，可以說基本為零。我現在是做GNSS SoC晶元的，然而本科的時候上過的很多門物理課，聽過的很多物理講座，那些大佬們為了強（乎）調（悠）物（中）理（二）的（少）重（年）要（入）性（坑），都舉過一個例子：別看廣義相對論離大家很遙遠，現在大家用的GPS定位，就需要用到廣義相對論的理論進行校正。（為什麼這麼多大佬都只能舉出這樣一個唯一的例子呢？逃）轉行初期確定方向的時候還竊喜，沒準本科學的相對論還能派上用場，因為本科選過本院某大佬的廣相課程。至於狹義相對論，則是電動力學的一部分，物理系學生必修。

後來系統學習GNSS理論的時候才知道，相對論時鐘誤差，只是若干種誤差中的一種，接收機鐘差，衛星鐘差，電離層延遲誤差，甚至天氣帶來的誤差等等等等，都會影響到系統對站星距離的精確估計。至於我們做晶元的，這一系列誤差對我們來說，也就是一個個的數學公式，包括相對論效應。GPS的手冊上全都能查到這些，我們要做的，不過是用硬體或者軟體，把這些公式實現一遍。學過相對論在這裡有什麼用呢？沒有用，背後的物理機理，根本就不需要明白。相反，我們整天關心的是什麼呢？是估計理論，是統計信號處理，是數字電路的時序，是Verilog的RTL級代碼，是C寫的固件，是怎麼使用買來的ARM IP核，是內置cpu的流水線等等等等。這些東西和物理專業有一絲一毫的關係嗎？顯然是沒有的。

同理，計算機的大多數工作崗位都是業務崗位。像機器學習科學家這樣的崗位，本來就少，科班出身的都競爭那麼激烈了，為什麼會給一個非專業的人呢？結果有些學物理的「學霸」，以為自己用matlab畫過幾張圖，用fortran敲過不超過100行用abc做變數名的數值計算程序，連Makefile都不會寫，就以為自己能隨時去互聯網公司幹活了，簡直naive。面試隨便問你個http請求報文，響應報文結構，甚至問你什麼是進程，你都答不上來。

至於所謂的「物理專業鍛煉數學能力」，就更不吐槽了，除了理論物理專業的少數人以及幾個學霸以外，你隨便從我們那個號稱全國前10的物理系找個學生，讓他從麥克斯韋方程組推出波動方程，他都不會，你信不信？（哦好吧，連本院某大牛老師都說過，本院的有些學生研究生面試，連麥克斯韋方程組都寫不下來）另外物理專業課程對統計學的要求是0，或者說高中水平，然而計算機，電子信息，金融，經濟，管理等各個學科里，統計學的重要程度就不多說了。按照物理系的培養模式按部就班下來，我問你怎麼轉行？

所以說，千萬不要抱著「某某專業對轉某熱門專業有利」這樣的心態選專業，要學熱門專業就直接去學，實在學不了就自學惡補。抱著那樣的心態選專業，等碩士畢業的時候，就會發現自己已經落後別人7年了。

當然，如果你有馮諾依曼那樣的智商，那我收回上面的話，對你來說學什麼專業也沒有區別了。

評論區有些朋友說數學容易轉行，確實，比物理容易，但是在現在cs大熱的情況下轉行非常難，說一個親身經歷的事：大三夏令營的時候，報了某top2計算機系的夏令營，後來該校出了一份給面試機會的名單，情況如下：入選者的本科專業只有一種：計算機類（計算機科學與技術，軟體工程等）。其中，北郵計算機科學與技術專業出身的約佔整份名單的1/4。

個人感覺，如果是數學大神的話搞計算機圖形學或者機器學習，以及數據安全三個方向優勢極大。這三個方向都不怎麼需要懂硬體。當然機器學習和數據安全有和硬體結合的地方。

但是還不如計算機本科拚命刷數學呢。

1.深厚的數學功底有利於計算機科研之路走的更遠沒錯。

2.本碩數學博士計算機是不是比本碩計算機更有用優勢那就很難說了，計算機方向太多，理論和應用又差別很大，說不定一個本科生編程水平完爆一個博士呢。

現在計算機是大熱的學科，聚集了各路精英，學術競爭已經很激烈了。科班出身的申請者都挑不過來還會考慮一個轉行的嘛？你這個想法擱五十年前也許可以，但是那個時候也不會有計算數學這個專業，而且那個一個學校的學生排隊預約一個機器的上機時間，寫程序還要手工打孔的時代，真要穿越回去你肯定就不會樂意轉計算機了。

如果你有陶哲軒的智商，讀一個數學系的本科，然後在PhD階段用本科數學基礎吊打全世界，涉獵數個領域，確實是比計算機本科有優勢的；

如果你只有考上三本的智商，學了四年垃圾數學專業課，GPA還只有80分不到，本專業保研到專業前80%都輪不到你，這時候你連個冒泡排序都不會寫，連個紅黑樹都看不懂，在這樣的前提下你還考慮轉計算機讀個PhD，是不會有一丁點優勢的。

真想打好基礎就讀個數學+計算機雙學位吧。

首先你要弄清楚計算機需要什麼樣的數學。

簡而言之，

你們是分析，我們是模擬。

你們是建模，我們是擬合。

你們是方程，我們是迭代。

把這個思維範式轉換過來，我看也就差不多了。

你先找個實習試試，看你能面過不, 覺得比科班的厲害去一線大廠面面,是騾子是馬拉出來遛遛。萬一讓你去寫業務，去糊牆估計你還真不一定會，看著互聯網公司人工智慧大數據，主力還是寫業務，糊牆的。

謝邀。

這個問題不是很清晰，我姑且認為「科班」指的是計算機本碩都是學計算機的科班吧。

怎麼可能比科班更有優勢呢？就像打了五年籃球的運動員去打排球，當然身體素質不會差，但是你要說和已經打了五年排球的其他運動員相比，怎麼可能有優勢？

當然你要是天賦異稟那另說。

話說回來，既然讀博士，就該看淡這些什麼優勢不優勢，你讀博士當然是因為喜歡科研才讀對吧，要是想就業別讀博士早點找工作。

最好的路線，本碩數學，博士計算機，沒有之一。

本科數學與應用數學，在選擇讀研的專業時，整個數學學院學生，絕大部分參加過數學建模比賽的（偏應用、演算法，可理解為有一定的編程能力），讀研時優先考慮的是計算機，而不是數學。

數學碩士的同學，往往是數學成績很好，但大多計算機能力一般，能簡單使用SAS、MATLAB、R就不錯了，也足夠了。

但到了碩士階段，數學分了很多方向，計算機相關如計算數學、應用數學、概率論方向干IT還是不少的，很多也能拿到大廠的offer。

計算機與數學的差異不大，數學勉強算的上是半個科班出身吧，但不會有顯著的優勢。

如果你學好計算機組成原理、計算機網路、數據結構、操作系統，估計也不會有什麼劣勢。

不懂計算機，你在數學的路上就走不了多遠，很多數值計算、證明、建模、仿生都需要計算機輔助。

不懂數學，你也很難在計算機這條路上走得更深。

所以，選擇不重要，優勢不優勢，得看人。

你想太多了。。。

數學基礎確實能讓你走的更遠這沒錯，但是沒有本科的基礎教育，就如同空中樓閣。你在博士學計算機會覺得非常難，我甚至都懷疑你能不能轉的成。。。

而且計算機系本身也要學數學的啊，也是很好的

蟹腰

很奇怪為什麼總是有人覺得本科讀數學研究生去別的專業就能吊打計算機，金融，理化生，工程等等專業的學生，這樣乾脆取消別的專業，大家一起都學數學_(|3」∠)_

我覺得肯定沒優勢，因為你浪費了很多時間在一些用不上的知識。我認為如果一開始就打算做金融或者計算機，應該去選修相關的數學課程。

有些人可能會說學數學可以培養思維能力，這樣的話做其他行業個人能力上限就比較高。有這樣想法的人應該是聽說過"計算機學到最後就是學數學這樣的話"。但是本科如果不是學純數而且很拚命讀的話，思維方面的提升幾乎可以忽略了。而且這些由數學帶來的思維能力的收益跟投入的時間精力相比，真的是不大划算(邊際效應很厲害)。

我甚至覺得如果不是很理論的那種計算機科學，學太多數學可能還不好。我不是說知識多不好，而是學數學人的思維方式思維習慣，特別是像我這種偏代數的，很多時候只要證明了存在/有解，其他東西對我來說都是trivial的，我根本不會考慮具體計算量有多大。而且我還擔心你帶著這種學數學會比學計算機的人厲害的心態，不會踏踏實實學計算機的本科知識，反而基礎更弱。

感覺很多人學數學就是為了轉出去或者說覺得學數學顯得自己特別厲害，而數學系裡真正喜歡數學的人好少。

從來沒人問從金融，計算機，理化生工科轉數學有沒有優勢呢(???)

對於題主這種情況，我覺得轉計算機非常ok。我的導師本碩就是應用數學畢業，博士以後才轉，但他轉的是目前大火也是數學要求更高的計算機領域－－－深度學習。如果你做這塊，你的專業知識將大有可為，不說學術，演算法工程師是個很高端的職位，軟體實現只是工具，演算法才是核心，數學要求非常高。所以題主大膽去一展拳腳吧！

取決於切入CS哪個方向。

對於應用數學背景來說，Computer Graphics中的Physically based simulation是和你的背景完美對接。前期後期都會有相對CS更多的優勢。但是它同時需要代碼能力，因為很大可能你是在一個大型C++代碼庫上。

如果是其他方向，就我所看到的情況，我認為前期你和一般CS學生站在同樣起跑線上。在machine learning等方向有一些優勢。但不要期待太多，畢竟CS也是有數值線代的課程。在system相關的方向上，

編程熟練度確實會差一些，但是我不認為是很大的障礙。同時CS思維也可以靠上課或論文來培養。

會有優勢寫論文灌水的時候可以把簡單的問題高度抽象化讓審稿人和讀者產生被虐的感覺除了俄羅斯大部分學計算機本碩的數學必修教育都很渣有好的數學基礎再看計算機教材如同看武俠小說

中國數學系的課程偏分析需要在代數上補一些短板但是以數學系的代數基礎很輕鬆搞定

研究計算機的如果不常常去補數學底子會產生自己是文盲的感覺現在計算機系必修形式語言自動機編譯原理的學校不多了連續的數學硬分析幾何拓撲幾乎是沒有二年級以後就見不到導數積分符號了就這種底子去做研究和高中生沒什麼區別可以弄一些看上去新奇的東西一抽象拔高手上就沒有數學工具了

題主加油

如果志向科研的話，平心而論還是比較有優勢的，特別是在於機械學習這一塊，因為如果是科研崗位的話本身就不需要很多的計算機知識，擼個模型出來也不需要考慮硬體優化的問題，研發出來自有dev折騰。

本人就是數學系畢業，一心嚮往精算，結果誤打誤撞入了坑，各種演算法模型也是一邊做一遍看，可以說以往的數學基礎給了我很大的幫助，能夠幫助我快速的理解(當然，大多數計算機博士也做的到，就像 @飛龍所說的需要改變理解問題的角度)。但是一旦到了企業里，擼起代碼來的效率也許還不如一個計算機的專科生，往往數學出身的左手R右手PYTHON就以為吊打天下了，殊不知人家搞開發的上午JAVA，下午C++，晚上還能JS搞定網頁應用。

所以我建議如果想折騰點模型演算法之類的搞搞科研改變世界還不如再來個數學博士，同時了解一下計算機，不懂的不會的多上上知乎多問問，如果想賺錢了就別折騰了，找個靠譜的團隊做著吧，每天周圍一堆FRONT和BACK END，耳濡目染多少就夠使了。