
专业指南丨计算机科学和软件工程,哪个更适合你
2018年高考已落下帷幕,选择什么大学、报考什么专业又将成为考生和家长要面对的难题。对于之后想成为软件工程师的考生而言,计算机科学和软件工程专业哪个更适合自己呢?前谷歌的软件开发人员YK在本文中给出了自己的见解。
大家好!我叫YK,目前我正在运营一个YouTube的编程教育频道,拥有20万的订阅量。我以前是一名Google的软件开发人员。
听众经常会问我这两个问题:
“计算科学专业和软件工程专业有什么区别?”
“如果我想成为软件工程师,我应该选择计算机科学还是软件工程?”
在本文中,我会回答这两个问题,针对这两个专业给出我的分析和建议。
专业概述
· 计算机科学是探究计算机运行原理的学科,主要从理论和数学的角度出发。
如果你喜欢数学、逻辑学,或者你想进入计算机科学的专业领域,例如人工智能、机器学习、安全或图形,那么你应该选择计算机科学专业。
· 软件工程是研究软件系统如何构建的学科,包括项目管理、质量保证和软件测试等内容。
如果你对实际操作方法更感兴趣,并且想了解软件构建和维护的整个过程,那么你应该选择软件工程专业。
计算机科学和软件工程都包括编程和计算机科学的基础知识,因此选其中任何一个专业都能成为软件开发人员。
为了明白计算机科学与软件工程专业之间的区别,让我们以加拿大滑铁卢大学为例,具体看这两个专业各自包含的课程。
之所以选择滑铁卢大学是因为它具有北美顶尖的计算机科学课程。
工作前景
我们首先比较一下选择这两个专业能找哪些工作。
以下是滑铁卢大学关于计算机科学与软件工程专业的毕业生所从事的工作列表:(职位,公司)
计算机科学
Web开发人员/架构师,The Steele Group
程序员,Harry Rosen Inc.
移动端/云开发人员,Clearbridge Associates Limited
软件工程,General Dynamics Canada
软件开发工程, Microsoft
Agile工程师,Pivotal Labs
业务分析师,Canadian Tire Corporation
开发者倡导者,Google
产品经理,Dropbox
软件工程
软件开发人员,Tagged
软件开发人员,IBM Canada
软件经理,Arius Software Corporation
软件工程师,VistaPrint USA
软件工程师,Harris Corporation
软件开发人员,Accenture Inc.
技术产品经理,软件设计与开发,NexJ Systems Inc
顾问,PureFacts Financial Solutions
实施顾问,Desire2Learn
可以看到,无论选择两者间哪个专业,之后所找的工作区别并不大。
计算机科学和软件工程专业的毕业生中,最常见的工作是软件开发人员或软件工程师。
还有其他相关工作,比如产品经理,质量保证分析师和技术顾问。你所从事的工作取决于你掌握的专业技能。
第一年的课程
现在,我们来看看每个专业的必修课程。首先比较一下第一年需要学习的课程,以滑铁卢大学为例。
计算机科学
CS 135 - 设计功能程序
CS 136 - 算法设计和数据抽象
MATH 135 - 代数
MATH 136 - 线性代数1
MATH 137 - 微积分1
MATH 138 - 微积分2
另外还有一些选修课。
软件工程
CS 137 - 编程原理
CS 138 - 数据抽象和实现
MATH 115 - 工程线性代数
MATH 117 - 工程微积分1
MATH 119 - 工程微积分2
MATH135 - 数学系代数
ECE 105 - 电气工程物理1
ECE 106 - 电磁学
ECE 124 - 数字电路和系统
ECE 140 - 线性电路
SE 101 - 软件工程方法
注:
CS:计算机科学
MATH:数学
ECE:电子与计算机工程
SE:系统工程
可以看到,第一年的课程也很相似。两个专业都涵盖了基础的计算机科学课程,以及一些线性代数和微积分的数学课程。
唯一的主要区别是,软件工程有更多的物理和电子工程课程,而计算机科学有更多的选修课。
之后的课程
那么第一年之后有哪些必修课和选修课程呢?让我们看几个例子:
计算机科学
MATH 239 组合学概论
STAT 230 概率
STAT 231 统计
CS 240 数据结构和数据管理
CS 241 序列程序基础
CS 245 逻辑和计算
CS 246 面向对象软件开发(软件工程专业不需要)
CS 251 计算机组织与设计
CS 341 算法
CS 350 操作系统
此外还有一些计算机科学选修课。
软件工程
CHE 102 工程师化学
ECE 222 数字计算机(包含汇编语言)
ECE 358 计算机网络
MATH 213 软件工程师高等数学
MATH 239 组合学概论
STAT 206 软件工程统计
MSCI 261 工程经济学:工程师财务管理
CS 241 序列程序基础
CS 240 数据结构和数据管理
CS 247 软件工程原理 (计算机科学专业不需要)
CS 341 算法
CS 349 用户界面(计算机科学专业不需要)
CS 343 并行和并行编程(计算机科学专业不需要)
CS 348 数据库管理概论
SE 212 逻辑和计算
SE 350 操作系统
SE 465 软件测试和质量保证
SE 464 软件设计和结构
SE 463 软件需求规格和分析
SE 490 设计项目
此外,还有一些计算机科学和电子工程选修课。
总结
这两个专业对于数学和统计方面的要求几乎相同,两者都包括组合学,概率和统计的知识。
关于计算机科学的核心知识需求也相似,包括算法,数据结构和操作系统。
关键区别在于:
软件工程专业在电气工程和软件工程基础方面有更多的要求,例如软件测试,设计和软件需求规范。
计算机科学则能选择更高级的计算机科学课程。你可以在大量的选修课中进行选择,例如安全性、软件工程基础知识、计算机视觉、机器学习和数据库管理。
应该选择哪个专业?
选择哪个专业主要取决于你的喜好。
简而言之:
如果你喜欢数学、逻辑学,或者如果你想进入计算机科学的专业领域,比如人工智能,机器学习,安全或图形,那你应该选择计算机科学。
如果你对实际操作更感兴趣,并且想要了解软件构建和维护的整个过程,则那你应该选择软件工程。
如果想成为软件工程师,哪个专业更好?
根据滑铁卢大学具体的课程要求来看,如果你想成为一名软件工程师,那么计算机科学是更好的选择。
假设你想在美国从事高薪(每年约10万美元)的软件工程师工作,这些工作通常在大型软件公司(例如微软,谷歌,亚马逊等)或中型、高增长企业(例如Dropbox,Lyft,Snapchat,Pinterest等)。
通常,这些公司希望软件工程师能够编写可靠的代码并构建有趣的项目,并且熟练掌握数据结构和算法等计算机科学基础知识。
我认为培养这些技能的最好方法是,快速学习计算机科学基础知识,花时间练习解决问题和编写代码。
我认为根据软件工程的课程,以及该专业课业的繁重程度,比起计算机科学专业,软件工程专业能够支配的时间和精力更少。
计算机科学专业的另一个好处是能够选择更多的选修课。这很好,因为你可以根据就业市场的需求调整课程。例如,如果移动应用程序开发需求很多,你就可以针对这方面进行学习。如果并行计算的需求多,你则可以学习这方面。
当然学习软件工程基础知识(项目管理、设计、测试等)也很有帮助。但我更希望有更多的时间学习特定的技能。这就是为什么我认为要成为软件工程师,计算机科学是更好的专业选择。
但这只是我的个人看法,如果你有不同的看法,或有计算机科学、软件工程专业的学习经历,请给我留言。
注意
· 不同的大学对这两个专业有不同的要求。你应该根据具体学校的课程进行选择。
· 一些大学没有软件工程专业。例如,温哥华的不列颠哥伦比亚大学有计算机科学和计算机工程学位,没有软件工程专业。但是计算机科学专业和计算机工程专业都有软件工程课程。
如果你感兴趣的大学没有软件工程专业,而且你想成为软件开发人员,那么我建议选择计算机科学专业。与计算机科学或软件工程相比,计算机工程更侧重于硬件,因此与一般的软件开发人员的工作相关性较小。
参考来源
滑铁卢大学计算机科学
https://uwaterloo.ca/future-students/programs/computer-science
滑铁卢大学软件工程
https://uwaterloo.ca/future-students/programs/software-engineering
感谢您的阅读,祝愿您选到心仪的大学和专业!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29