1. 名字高大上，进去却懵圈

大量学校都搞专业群，就连你看名校的招生章程，里面全是那种几百个词汇堆出来的专业名称，看着高大上，实际上大多是一锅粥。比如咱们说的“大数据”、“物联网”，目前哪位还只学数据库要么只学网络技术？你得明白，这些词背后，是esor 公司那种搞科研的组，是华为那种管算法的组，还是直接跟企业抢生意的组。

要是你只盯着名字看，大约率会被误导，当作这是个纯理论学科，结局进去才发现自己是去干运维的。故此，最靠谱的办法是看学校的专业目录里的“教学方向”要么“培养模式”。

2. 应用型 vs 研究型：选错路，徒伤悲

有些学校把本科直接定为“应用 xxx"，比如应用数学、应用经济学，就连应用文。这种直接给行业贴标签的做法，比那些苦哈哈地写“培养 xxx 人才”要实在多了。你直接看这个，就知道学校是不是真打算让你摸鱼，还是真让你去干。

举个例子，你想搞 AI 相关的，光看“人工智能”这三个字，在 A 大可能学的是传统的算法建模，在 B 大可能是学如何调参、如何部署。就连有个例子，有些学校把专业分成了“应用型”和“研究型”两堆，应用型的是直接对接岗位，研究型的是发顶刊、搞科研。要是你是个只想早点毕业搞钱、想进大厂的同学，千万别为了“研究型”的名头去读，那是给你当研究生的。

3. 数据科学：跨界还是噱头？

说到数据，目前连数据都成资源了。大量学校都在搞“数据科学”、“数字媒体”、“金融科技”这种跨界的新专业。那会儿是学计算机的人转码农，目前是直接给互联网大厂、金融机构提数据方案的人。要是你有搞数据清洗、建模型的需求，还得看学校是不是有对应的实验室要么实习基地。光听名字不中，你得去看看他们去年招了几个实习生，那些实习生是不是确实能帮到公司，还是只派去写文档的。