今天在GenAI有關的會議，有個專場講到今後趨勢。今天GenAI需要的數據，80%靠data science engineer, 20%靠工具，趨勢是80%靠LLM，20%靠engineer。
喜歡CS，專業還是CS好。
data science 專業慎重。
一家之言，僅供參考。
==================================================================================
雖然主貼說了一家之言，也難免有爭議。在紫檀說話不容易，特別是適用普娃，不適用牛娃的話。牛娃之所以是牛娃，任它風吹草動，永遠都能成功。對普娃來說，減少信息差，打破信息壁壘，也是一種有效的風險控製。家有普娃，更甚有醬油普娃，對此深有感觸。
=== 把後麵的跟帖提上來
=== CS是不是也沒用？AI都能生成code了
現如今最火的AI，屬於GenAI(的類別，比如CHATGPT。GenAI嚴重依靠海量的數據和數據的準確度。這就是為什麽Chatgpt可以寫文章，因為可靠的用來學習的文章是海量，從有出版開始到今天網絡，有幾百年的文章都可以用來學習和參考。為什麽AI可以寫code？因為開源代碼的存在，各種考編程的題庫，還有各種論壇中討論和分享的code。有題庫就有答案，有成功項目的source code就能夠判斷什麽是可行的code，這些都是可靠數據，可以用來學習判斷，可以AI化。還有為什麽AI考Step One可以通過，是一樣的道理。Step One考試，依靠是現存的知識，特別是記憶的比重還是很大的。
那麽AI真可以替代CS嗎？目前還沒看到。每家公司的應用有大眾性的場景也有特殊的場景，大眾場景的AI可能可以提供，這是基於既然是大眾場景，那麽場景數據也是大眾的，可得到的，可判斷的，而且夠多夠海量。但是特殊場景AI沒有可依靠的大量數據用來學習，這還是需要人工來思考設計。
這裏做CS的不少，過去三十年，在CS field還做30年前同樣技術的，真是如熊貓般稀有啊。我清點一下自己早期做過事，現在的CS孩子估計聽都沒聽說過，比如AS400，比如聽得到噠噠噠信息傳輸的IBM token ring, 比如有個叫PASCAL的古董編程語言。同樣，三十年前的我，也不可能知道今天的ChatGPT,BARD, Bedrock的運行原理。CS從業就是不停的跟著技術，緊跟技術的步伐。新人入行入到就行。以後靠個人努力。CS行業需求永遠是存在的，隻是我們沒有水晶球，可以看到未來。一個技術的淘汰，總有幾十個新技術誕生。
如果在DS火的時候，選這個專業順利畢業入了行，即使這個職位沒了，自然有新的職位可以轉。而現在在高中的孩子，知道一下趨勢，還是有用的。
===============================================================================
Data Science 作為正式的本科專業是非常短的時間。2018前後，各大TOP University才相繼開出這個專業，然後遍地開花。而第一批DS專業的孩子畢業時，大數據紅利已接近尾聲。我們幸運的是，大數據泡沫沒有爆。市場充足的資金，讓這個新技術直接無縫連接到GenAI。 在大數據紅火的時候，MIT和Standford都是最早提供相關的Online program(Coursera - S 和 edX - MIT) 。
然，DS本身發展速度非常快，淘汰的也快，比如Hadoop，眼看他起高樓，眼看他樓倒了。DS類知識，更合適用提供即時緊跟技術的選修課或者是給從業的技術人員，更新技術培訓的方式，而不是一個新本科專業的設立。當然這隻是我個人意見。MIT好像至今都沒有DS專業，但是有很多相關課程。Standard有DS專業，但好像在統計大類之下。(由ChatGPT 提供）
再強調，對牛娃來說，任他風吹雨打，我自橫牛。所以就讀各TOP XX DS專業的牛娃都無妨！牛娃父母可以輕鬆ByPass本帖。嗬嗬。。。。。。
普娃選專業，請慎重考慮。自謙類普娃請參看上麵一行。
