理論上軟工稍微接近點。

我結合師兄、輔導員的意見排除了嵌入式，網工。

首先排除這兩個，思路沒問題。

雖然現在移動裝置上的機器學習很火，比如蘋果有CoreML（在iOS裝置上進行機器學習開發的框架），新的裝置有專門的機器學習晶片，其他很多手機廠商也宣傳自己的手機配備了AI技術。但實際上今天的智慧手機、平板，基本上就是一臺電腦。實際上，今天的智慧手機和平板，效能比嵌入式開發流行的年代的電腦效能要強很多了。所以，排除嵌入式。

然後，網工（網路工程師）主要是負責運營商的網路裝置，包括軟體，也包括硬體，比如流量模型的調優，和機器學習基本沒什麼關係。

接下來是資料庫。和機器學習密切相關的概念是大資料（對媒體宣傳用的術語）或者資料科學（學術界、工業界內部用的術語）。而傳統的資料庫其實並不適用大資料或資料科學。當然，也有Hadoop這樣的用於大資料的資料庫。但考慮到你的學校，專業方向只設置網工、軟工、資料庫、嵌入式，所以資料庫方向的課程設定估計也比較老舊，可能很少甚至不涉及Hadoop這樣的“新”資料庫（其實已經在業界使用多年了）。

軟工的話，主要涉及一下方面：

軟體的複雜度評估：機器學習模型複雜度評估很簡單，比如神經網路，主要考慮引數數目測試：神經網路模型是黑盒，並不能進行單元測試建模、UML、文件：機器學習的建模，其實和數學的建模更接近，和軟體工程的建模有所不同工程方法（需求分析、風險評估、協作方式）：這個多少有些用，畢竟機器學習也是開發，也需要分析需求、協作什麼的。雖然這些東西更多的是等你實際參與團隊開發才需要的，作為學生來說，其實重點應該是先磨練技術，再考慮這些軟性的實力，就像練習打遊戲，一般都是自己練技能，確保自己能打出足夠高的輸出，然後再練習和隊友配合，而不是一上來就先練配合。

所以總的來說這四個方向都和機器學習關係不大。勉強選一個的話，就軟工吧。

自學也可以。不行就學數學，搞統計。然後研究生搞個研究啥的，最好貼近nlp、深度學習應用之類。軟工實際上不合適機器學習，資料庫還有一點沾邊。但機器學習實際上是數學。