关于问题211 大一材料生，打算转计科所以一直在蹭课自学计科专业知识，本科未来几年怎么处理本专业和理想专业呢？一共有 4 位热心网友为你解答:
【1】、来自网友【博士研究生讲故事】的最佳回答：
对于你这种情况，我建议你可以考虑以下几点：
- 继续学习自己感兴趣的计算机科学专业知识。在大学期间，你可以自学一些计算机科学相关的课程和技能，如编程语言、数据结构、算法等，以及参加一些与计算机科学相关的活动和比赛，以增加自己的实践经验。
- 寻找机会接触计算机科学领域的工作或实习机会。如果你有机会接触到计算机科学领域的工作或实习机会，不妨尝试一下，深入了解这个领域，以帮助你更好地了解自己的兴趣和潜力。
- 考虑是否要改变自己的专业。如果你真的对计算机科学非常感兴趣，并且认为它是你未来想从事的职业方向，那么你可以考虑转专业。但是，你需要了解转专业的具体规定和要求，并且需要思考一下是否值得花费额外的时间和精力。
- 保持专业知识的更新和学习。无论你最终选择什么样的职业道路，保持学习和更新自己的专业知识都是非常重要的。因此，你可以通过各种途径，如阅读书籍、参加培训班、参加研讨会等，不断地学习和提高自己的技能水平。
- 与老师和同学交流讨论。你可以与你的老师和同学交流讨论，了解他们对于计算机科学专业的看法和建议。同时，也可以了解他们的职业规划和发展路径，以帮助你更好地确定自己的未来方向。
【2】、来自网友【喜欢行走的徐老师】的最佳回答：
这很好，说明你是一名热爱学习，积极向上的大学生。能在学好本专业的同时，自学计算机专业知识。不但对你以后的就业，还是工作，都是非常有益的。
在本科就读几年应该怎样处理二者的关系呢？
个人建议，首先还是要先学好本专业的知识。材料科学，有的人说是“坑”，我是不赞同的。
材料科学专业，它的发展具有可持续性，是推动社会发展进步不可缺少的科学。
据资料，在今年大学毕业的秋招时，热门的建筑，地产，互联网，金融等相关专业，出现了寒冬。制造业成了今年秋招杀出的黑马。材料专业对口的工作的求职比例比往年直接提高了 17 个百分点。
相信随着半导体，新能源，生物医药等产业的快速发展，“理化生材”专业将会走出“坑”，成为香饽饽。
为此，一定要学好本专业。在学好本专业的前提下，同时可看你们学校是否可以辅修第二专业，若可以的话，你可以把计算机专业作为辅修专业，只要成绩合格，同样可以获得第二专业的文凭。
倘若你们学校没有辅修专业，你可以参加国家自学考试，仍可获得计算机专业文凭。
当然，要想同时学好两门专业，确实非常辛苦。但世上无难事，只要肯攀登。你只要能坚持，相信你的目标应该是可以实现的。
【3】、来自网友【西柚 blueprint】的最佳回答：
陆陆续续看到了腾讯（固体、分子）、华为（分子，据说固体好像也有）、字节跳动（分子），微软都在招计算背景的人，就想说说我最近的一些想法，主要从材料专业或者说计算材料学的角度讲讲。
一、计算与机器学习
首先是我觉得业界是因为机器学习的大背景，开始注意到计算的。我觉得做计算做的非常好的人应该去学，但不要抛掉计算，不要扎堆去学深度学习，把机器学习作为辅助工具。
从实验的数据质量和数据大小而言，我不看好在前沿或者是不成熟的情况下，仅仅凭借机器学习来推动研发和生产，对于实验室，通过人工做实验的方法来积攒数据，是个效率太低下的方法，并且可重复性还是个大问题。
至于我为什么不看好在实验室做机器学习？
第一获得合适样本的高质量数据是制约机器学习能不能起作用的重要问题。当然不是说一定都要好的数据，但合适的数据量还是挺重要的。
第二同计算相比，机器学习跟实验的关系并且是独立并行的，要推进的话有严重的时间滞后性。想要走在实验的前面，起引领作用我觉得比较难。
第三机器学习的本质是分析数据，其实还是通过大量经验的积攒，以数学的方法去归纳总结规律。也就是说没有绕开实验，跟实验的关系还是同根同源。
也就是说在没有较大量的优质的数据的情况下，机器学习是无法起主导性、关键性的作用的。尤其是当下最火的深度学习，也是非常需要庞大样本的数据的。
所以对于做计算的人来说从事机器学习，构建材料体系的数据库是一个非常重要的问题。对于业界来说，有非常多不理想的实际问题需要解决，业界并没有非常完美的理想的规整的数据可以处理。
那么机器学习可以在工业界发挥作用的地方是
1.单纯作为数学的工具，用于筛选实验中影响实验结果的影响因素，因为在实际的研究或生产中，有非常多的条件可能会对最终的结果产生影响，这是计算无法考虑到的
2.其实机器学习还有一个不太成熟的方向是小样本学习，但这个方向可能是工业界未来会重点关注的，详细的原因上面已经提到了。
其实要想完全解决材料学科实验盲目试错的大问题，那就是要把实验、计算、机器学习这三者都走通，三者相互补足。明确这三者的试用范围、条件，以及在现阶段可以解决的具体问题。
我现在的看法是使用有所侧重，计算作为主体，机器学习作为辅助，实验作为了解问题的手段。
一切的方法都要以明确复杂体系结构与性能之间的关系为着力点，而不是盲目地追热点。
我想工业界的最大特点就是务实地去解决问题，前沿的先进的科学技术能不能用来解决生产和研究中的问题。这可能才是学习机器学习、人工智能的意义。
二、计算在业界的潜在可能性
我想可能十年内计算还是无法完全摆脱它的研究性质，上升到研发层面。我觉得虽然是技术人员除了关心技术问题以外，引领性、方向性的问题思考一下也是很有必要的。
从工业界的招人角度来讲，我想有三类公司可能会去招聘计算背景的人
1.家大业大，有足够的资金去支撑起非常前沿的且不确定性非常大的研究，把一些前沿的火热的研究方向作为公司战略布局的一部分
2.实验的推进比较困难，需要借助其他手段或者说是避开实验来推进研究
三、工业界中已经应用的比较成熟的体系
其实对于做计算的人来说也是一项重大的挑战，那就是要有很多相关领域背景的知识，可能专注于算电子结构还不够，需要把材料体系从微观到宏观涉及到的很多问题都走通。
工业界一直都很缺乏有强大技术背景，有技术实力以及将计算落地的人。对于业界而言，同计算机专业一样，做计算也要做到活到老学到老的准备。跟机器学习一样，计算对于业界而言也是一个创新性比较强并且不确定性极高的研究方向，适合有冒险精神并且喜欢钻研新知识的人来从事。
三、关于计算软件
这也是一个可以把计算的影响力尽可能扩大的方向，也是极其费尽心力的，但我觉得是非常有意义的。无论是从学术研究的角度来看，还是业界注重产品落地的方面来看，我觉得相对于文章，软件对于业界来说是更有分量的。
不借助于学术界的力量，自行开发或许短期内费力不讨好，但从长远的角度来讲，我觉得非常有实用意义。
国产计算软件的开发推广、大规模地成熟应用以及将计算应用在业界的一些复杂体系上，是计算生态圈能否良性循环的关键问题，可能也是一个非常大的难题。
对计算有很大的热情，并且学习自然科学有天赋的人完全转行去做程序员，去做机器学习，我觉得真的是件非常可惜的事。
四、关于匹配问题
计算是个很难应用的方向，所以真的不建议很多人来学，要及时退出，做自己喜欢做的事情，找到自己的天赋领域才是最重要的，名声、头衔、外在、金钱一切都不重要，不要盲目地追随热点，重要的是你发自内心想做的，一直以来长期要做的。
【4】、来自网友【云雾拨开】的最佳回答：
以前的“生化环材”，现在是生物和化学因为燃料电池的发展，可以说不是坑了。材料需要大量的实验，没有试验很难出成果，但是材料也是基础的。计算机科学基本就是学数学。计算机技术才是软硬件。
以上就是关于问题【211 大一材料生，打算转计科所以一直在蹭课自学计科专业知识，本科未来几年怎么处理本专业和理想专业呢？】的全部回答，希望能对大家有所帮助，内容收集于网络仅供参考，如要实行请慎重，任何后果与本站无关！
