今天在GenAI有关的会议，有个专场讲到今后趋势。今天GenAI需要的数据，80%靠data science engineer, 20%靠工具，趋势是80%靠LLM，20%靠engineer。
喜欢CS，专业还是CS好。
data science 专业慎重。
一家之言，仅供参考。
==================================================================================
虽然主贴说了一家之言，也难免有争议。在紫檀说话不容易，特别是适用普娃，不适用牛娃的话。牛娃之所以是牛娃，任它风吹草动，永远都能成功。对普娃来说，减少信息差，打破信息壁垒，也是一种有效的风险控制。家有普娃，更甚有酱油普娃，对此深有感触。
=== 把后面的跟帖提上来
=== CS是不是也没用？AI都能生成code了
现如今最火的AI，属于GenAI(的类别，比如CHATGPT。GenAI严重依靠海量的数据和数据的准确度。这就是为什么Chatgpt可以写文章，因为可靠的用来学习的文章是海量，从有出版开始到今天网络，有几百年的文章都可以用来学习和参考。为什么AI可以写code？因为开源代码的存在，各种考编程的题库，还有各种论坛中讨论和分享的code。有题库就有答案，有成功项目的source code就能够判断什么是可行的code，这些都是可靠数据，可以用来学习判断，可以AI化。还有为什么AI考Step One可以通过，是一样的道理。Step One考试，依靠是现存的知识，特别是记忆的比重还是很大的。
那么AI真可以替代CS吗？目前还没看到。每家公司的应用有大众性的场景也有特殊的场景，大众场景的AI可能可以提供，这是基于既然是大众场景，那么场景数据也是大众的，可得到的，可判断的，而且够多够海量。但是特殊场景AI没有可依靠的大量数据用来学习，这还是需要人工来思考设计。
这里做CS的不少，过去三十年，在CS field还做30年前同样技术的，真是如熊猫般稀有啊。我清点一下自己早期做过事，现在的CS孩子估计听都没听说过，比如AS400，比如听得到哒哒哒信息传输的IBM token ring, 比如有个叫PASCAL的古董编程语言。同样，三十年前的我，也不可能知道今天的ChatGPT,BARD, Bedrock的运行原理。CS从业就是不停的跟着技术，紧跟技术的步伐。新人入行入到就行。以后靠个人努力。CS行业需求永远是存在的，只是我们没有水晶球，可以看到未来。一个技术的淘汰，总有几十个新技术诞生。
如果在DS火的时候，选这个专业顺利毕业入了行，即使这个职位没了，自然有新的职位可以转。而现在在高中的孩子，知道一下趋势，还是有用的。
===============================================================================
Data Science 作为正式的本科专业是非常短的时间。2018前后，各大TOP University才相继开出这个专业，然后遍地开花。而第一批DS专业的孩子毕业时，大数据红利已接近尾声。我们幸运的是，大数据泡沫没有爆。市场充足的资金，让这个新技术直接无缝连接到GenAI。 在大数据红火的时候，MIT和Standford都是最早提供相关的Online program(Coursera - S 和 edX - MIT) 。
然，DS本身发展速度非常快，淘汰的也快，比如Hadoop，眼看他起高楼，眼看他楼倒了。DS类知识，更合适用提供即时紧跟技术的选修课或者是给从业的技术人员，更新技术培训的方式，而不是一个新本科专业的设立。当然这只是我个人意见。MIT好像至今都没有DS专业，但是有很多相关课程。Standard有DS专业，但好像在统计大类之下。(由ChatGPT 提供）
再强调，对牛娃来说，任他风吹雨打，我自横牛。所以就读各TOP XX DS专业的牛娃都无妨！牛娃父母可以轻松ByPass本帖。呵呵。。。。。。
普娃选专业，请慎重考虑。自谦类普娃请参看上面一行。
