AI 時代，如何選擇電腦科學、數據科學與數學？

maplestudylink

22小时前

讀畢需時 4 分鐘

從興趣探索到大學與職涯規劃

對於喜歡數學、電腦或程式設計的學生來說，選擇大學主修既令人期待，也可能讓人感到迷惘。

Computer Science（電腦科學）、Data Science（數據科學）和 Mathematics（數學）之間有甚麼不同？這些學科適合甚麼樣的學生？未來又可以探索哪些職業方向？

隨著 AI 逐漸融入學習和工作，家長也越來越關心：孩子現在應該學甚麼、培養哪些能力，才能為未來做好準備？

圍繞這些問題，Maple Study Link 於 2026 年 10 月 22 日舉辦 Maple Pathways 線上分享會，邀請 Salesforce 高級軟件工程師、Maple Study Link 加拿大電腦競賽（CCC）導師 Eric Ni，與學生及家長一起探討大學學習與未來職涯的聯繫。

Eric 擁有滑鐵盧大學電腦科學本科及研究生背景，曾任 Huawei Technologies Canada 軟件工程師，參與資料庫系統開發。他的學習、研究、業界工作及教學經驗，為學生了解這些方向提供了貼近實際的視角。

三個相關學科，如何理解它們的區別？

電腦科學、數據科學與數學有不少交集，但學習重點和解決問題的方式各有側重。

電腦科學：理解運算與系統，設計解決方案

電腦科學涉及演算法、軟件與電腦系統。如果學生喜歡理解程式如何運作、開發應用程式，或思考如何更有效地解決運算問題，可以進一步探索這個方向。

學習過程中，除了編寫程式碼，還需要分析問題、設計方案、測試結果，並不斷改進。

數據科學：透過數據提出問題、尋找證據

數據科學結合程式設計、統計與數學思維，利用數據研究問題。喜歡尋找規律、分析資訊、評估證據，並解釋發現的學生，可以透過實際的數據分析任務，了解自己是否喜歡這個方向。

值得思考的是：數據來自哪裏？分析方法是否合適？結果能夠支持甚麼結論？還有哪些不確定之處？

數學：培養抽象思維、邏輯推理與嚴謹表達

數學強調概念理解、邏輯推理和解決問題。根據課程與主修方向，學生可以深入理論，也可以探索數學在電腦、統計、金融及其他領域中的應用。

對於喜歡追問「為甚麼」、研究規律和推導過程的學生，數學提供了值得深入了解的學習路徑。

比較大學課程時，學科名稱只是起點。學生還需要查看實際課程內容、主修選擇的靈活性，以及實習、研究和專題實作等學習機會。

面對 AI，學生應該關注甚麼？

在討論 AI 與未來職涯時，一個有價值的問題是：

學生如何學會有效、審慎地使用 AI，同時建立自己的理解與判斷能力？

以程式設計學習為例，得到一段可以執行的程式碼，只是學習過程的一部分。學生還需要能夠解釋程式碼的邏輯、設計測試、發現錯誤，並根據問題調整方案。

在數據分析中，同樣需要判斷資料是否可靠、方法是否適用，以及結論是否有充分依據。

因此，學生在使用 AI 的同時，也應持續練習獨立思考、驗證結果、清晰表達和解決問題。家長可以關注孩子能否說明自己的思路，以及遇到困難後如何繼續推進。

選主修之前，先累積真實的探索體驗

學生不需要一開始就確定未來職業。一個有明確目標的小專題，就可以幫助他們更了解自己。

程式設計專題、數學探究、數據分析任務或電腦競賽，都可以成為探索的起點。完成之後，學生可以回顧：

哪一個環節最吸引我？
遇到困難時，我嘗試了甚麼方法？
我更喜歡設計與製作、分析與推理，還是解釋與表達？
我還想繼續學習哪些知識？
這次體驗對我的選課或主修考慮有甚麼啟發？

體驗的價值，在於學生能夠從行動、回饋和反思中，形成更有依據的判斷。

將探索轉化為下一步行動

在 Maple Study Link，我們幫助學生把學業規劃、職涯探索、能力培養和個人反思聯繫起來。