信息與計算科學專業在數學、計算機、金融等方面的課程都有涉獵，可是每個又都學的不透徹，不深入。這是一個很嚴重的問題，又不是一個學信息與計算科學專業的小伙伴們能改變的問題。咱們能做的，只有學會怎么利用咱們學的東西找到一份適合自己的工作。
“信息”、“計算科學”很容易讓人聯想到計算機專業，事實雖不如此，但咱們完全可以考慮計算機專業的相關行業，作為自己的職業發展方向。學信計的前輩們有很多都選擇了去做程序員，但也不能僅僅局限于這一方面。咱們學了四年的數據分析、算法也可以用來找工作，還有系統軟件開發、測試工作也是適合咱們專業的。
程序員：軟件、Java、iOS、c++、php等開發測試
“編程那么好玩的事情，能作為職業，還能賺錢養家，還有機會富起來，天下居然能有那么好的事情”，熱愛編程的學長如是說。
的確，IT行業是目前公認的高薪行業，而信息與計算科學專業的小伙伴們進入IT行業也是主要的就業方向，咱們可以在互聯網企業從事計算機軟件開發、信息安全與網絡安全等工作。
咱們雖然不屬于計算機專業，但也用過Matlab或C++解決數據問題，這就使得我們比其他專業離IT行業更進了一步。很多IT企業招聘時也打出了“招收數學、計算機專業”的名號。
從同學們的角度考慮，編程可能更適合內向的完美主義者，也就是工匠特質的人。因為對于這類人來說，對就對，錯就錯的世界太美麗，而IT的設備的最大特點又是及時反饋，你錯了馬上就說你錯了，在反復嘗試后的成功，你的成就感是巨大的。
如果從程序員的角度反向考慮，數學不僅可以培養邏輯思維，做事情有條理并且思路清晰，也可以提供一種規范性的意識，理性的處理事情，一步一步地去解決問題。
編程在外人眼里是很枯燥的一件事，其中樂趣也只有置身其中才能體會得到。想做程序員的小伙伴們，你們要能吃苦，走純技術路線需要投入大量時間和精力，加班或者通宵都是常有的事。但這種付出與回報是成正比的，測試成功之后的成就感也不是一般人能夠體驗得到的。工作幾年有了經驗后，可以做到高級軟件工程師或者項目工程師，自己帶團隊做項目，項目做成之后的喜悅更是不可言喻的。
老本行：數據、算法分析師
正如N.Wirth所說，“程序=算法+數據結構”，想要做出一系列完美的程序，需要的是靈活的算法和強大的數據結構。這個方向算是學信計的小伙伴們的老本行了，如果你熱愛數據分析，成為一個數據分析師是很不錯的打算。
大多數時候，數據分析都是為了解決一個問題或者驗證一個猜想。而測試工程師也和數據分析師溝通，將測試之后的數據反饋給數據分析師，再進行優化算法或者得出結論。其中重要的是獲取有效數據的途徑，比如線上的數據是通過網站日志或用戶cookie留下的信息，結合數據挖掘算法而獲取。
理解數據以及其中的信息也是非常重要的，這決定了你的分析和呈現的方法是否合適，決定了最后的結論是否可靠。從不同角度要衡量、監控的項目或產品的方面，側重點也不一樣。在實際工作中運用到的知識只能靠經驗積累，咱們要從工作中總結經驗、分析得到更有效的方法，才能讓工作越來越得心應手。
從事數據分析師這一職業不必局限于互聯網行業，也可以來源于多個行業，比如房地產、風投、期貨等等。
投資、理財
說到風投和期貨，學信計的小伙伴們也可以考慮在投資、理財行業做顧問。相比其他，投資理財是個富有挑戰性的行業。
投資顧問需要直接面對客戶，需要強大的市場洞察力，什么時候交易能夠讓你的客戶受益，什么方式能讓你的客戶增加交易次數，最終目的就是使客戶頻繁交易，從而獲得傭金收入。
現在有很多投資理財公司，也需要大量優秀投資理財人才。從業初期肯定會遇到種種困難，新人犯錯誤是難免的，要不停修正自己的錯誤，多向有經驗的同行請教，不斷努力做到更好。所以小伙伴們要是對投資、期貨感興趣，有足夠的信心和耐心能夠和客戶打好交道，投資其實是個很能鍛煉人的行業。
教師
信息與計算科學專業屬于數學學科，喜歡小孩子的小伙伴們可以去當老師。能夠把自己的知識分享出去，能夠有人對自己的分享表示感謝，個人虛榮心會得到很大滿足。有老師這么說過，這種事利人利己，錢少，有時甚至不要錢也干。
先說教育機構里的教師，一般是不需要教師資格證的，通過面試培訓就可以了。再說說公辦學校教師，是有編制的，入職需要按照規定走流程的，各種證一個都不能少。
都說老師工資少，那是對公辦教師說的。教育機構里的老師大部分是按照課時計算工資的，所以在學生放假的時候，教育機構里的老師也是“苦中有甜”。另外，不論公辦還是教育機構，教師的假期都很長（相比普通上班族），所以咱們更能有時間去做自己喜歡的事。
查看信息與計算科學專業對口的職位>>
==============================
參考文章：
[1]信息與計算科學專業
[2]信息與計算科學專業就業前景及職業發展情況分析
[3]你曾后悔進入 IT 行業嗎？為什么？
[4]小明說，我是數據分析師——淺談數據分析師的前世今生
[5]為什么需要數據分析人員而不能全部由機器和算法完成數據分析工作？
