學計算機，最好不要讀博士

聽說一個來美國讀計算機博士的小留因為做不下去了，自殺了 

今天剛剛我回答網友什麽是Data Science的：

古希臘Pythagoras說過，萬物皆數。

早期計算機語言，Fortran和lisp，介於不同的理念。Fortran認為最基本的是number，而LISP認為是函數公式function。所以產生了2種不同的語言，Fortran以變量為基礎，任何結果從基本的幾個變量得到，而LISP以function為基礎，任何結果都從不斷調用函數得到。

後來發現，這些都不能解決實際問題。最重要的是Data，所以產生了Set language，以Edgar Codd的Relational 數據上的SQL把幾乎所有的應用程序都是建立在 Data driven之上的。但是SQL的問題在於一是速度慢，二是不能處理非結構性數據，所以NoSQL的大數據開始興起，Data mining從cube分析轉向大數據。人工智能從以前以為的算法問題，轉化成數據問題。現在的人工智能，machine learning, deep learning，都可以囊括在data science裏麵。data science概念的外延不斷擴大，幾乎無所不包了。

另外，大學裏麵的data science學不到什麽，頂尖的都在工業界。Data science的重大進展幾乎都是工業界做出的

R不是革命性的語言。而SQL是！

Simula是革命性語言一樣，因為是第一個OO語言。不是單純的把世界看成number,或者function。而是看成一個組合Object。裏麵有member, 有function，有各種acess level

然而，如何整合relational database(SQL)和OO object（C++，Java）成了關鍵，加上文件從 XML到 JSON。

R基本上不重要，就像SAS不重要。他們能做的，Python也可以做，而且做的更好。學習data science，不是學習一門語言，而是學習從語言（Python也好，R也好），到技術（從statistics，到數據分析，到machine learning)，到平台（從 RapidMiner到Anaconda, 到Matlab，，，）到構架（從TensorFlow到Hadoop），到Visualization（2D到3D模擬，從 surface rendering 到 volume rendering)....

上麵這些技術，基本上全是工業界的發明創造，老實說，大學落後工業界幾個年代，大部分大學教授根本跟不上工業界的步伐。前麵我講過這個觀點，受到不少網友嘲笑。但我還是要說，在大學攻讀什麽計算機博士，完全是在浪費金錢和生命 （除非極個別的幾個大學計算機大拿教授）

[古樹羽音]

對！這裏的研究室的學生優秀的，權衡不能當教授的話，拿了修士後，幾乎都進入了一流企業，計算機技術是在應用中發展的，二人又在企業中成長（技術與資本）；而博士企業都不太愛要，除非研究所，但一個蘿卜一個坑，需要多年才能熬成婆（專任）。所以真正的人才帶動了企業走入世界，雖然今年有點...，但高端技術仍舊靠前。
國內因為“官本文化”，優秀的卻是先選國家機關→京城院校→經商的次序（我隻知道社會科學分野的畢業生），所以台浪費人才和教育資源了，十分可惜。 謝謝分享