-
1 # 小美樂學
-
2 # 三邵爺的夢囈
你好，科技領域工作十多年的三邵又來夢囈了:-)，如有回答不妥，請指正。
我的觀點是不僅可以，而且很「 必要 」。
1. 在我們還是小學的年代，全中國學生流行 “學好數理化，走遍天下都不怕”； 在我們上中學的年代，學生們流行 “學好英語，走遍世界都不怕”。而如今，滿大街都是在宣傳
「 少兒程式設計， 程式設計要從娃娃抓起 」。 從這個趨勢你可以看出電腦、計算機在當下亟待普及，在未來也是一門很重要的技能，就像當初的數學、英語、物理、化學一樣。
2. 原因何在？ 計算機是全球第三次工業革命的成果，由美國引領世界已經70多年了，其生命力依然旺盛，從各高校每年的本科、研究生錄取情況可見其專業的火爆程度。很多理工學生選專業的第一選擇是計算機、電子資訊、自動化、電子技術等相近專業，這個趨勢無論是中國還是美國都一樣。
3. 即使是全球第四次工業革命，計算機也不會被淘汰！
現在普遍認為的全球第四次工業革命是： 人工智慧、機器人技術、虛擬現實、量子資訊科技、可控核聚變、清潔能源以及生物技術。
除了生物技術和能源，幾乎另外幾個都是計算機發展的產物，計算機技術只會往更高階方向發展而不會淘汰，你現在看到的資訊快速發展的世界不就是計算機技術發展的結果嗎？你的日常生活 (手機、電視、電腦、汽車、微信、支付寶) 哪一項裡面不含有晶片、控制器、網際網路 ? 未來的智慧家居生活將佈滿感測器，實現萬物互聯。
物聯網、雲計算、人工智慧正在悄悄改變著這一切。
-
3 # IT人劉俊明
作為一名IT行業的從業者，同時也是一名計算機專業的研究生導師，我來回答一下這個問題。
首先，答案是肯定的，在當前的資訊化時代背景下，不僅可以學習計算機，而且學習計算機相關技術還會有大量的就業機會和巨大的發展空間。
經過多年的發展，目前的計算機領域已經形成了一個龐大的產業生態，涉及到的細分領域也非常多，所以在選擇具體學習方向時，應該考慮三方面因素，其一是自身的知識結構和能力特點；其二是發展趨勢；其三是興趣愛好。在5G通訊和產業網際網路的推動下，目前大資料、雲計算、邊緣計算、物聯網、人工智慧等方向具有廣闊的發展前景，可以重點考慮。
對於數學基礎比較紮實的人來說，可以重點考慮一下大資料方向和人工智慧方向，這兩個方向既有區別也有較為緊密的聯絡。對於初學者來說，可以選擇從大資料開始學習，然後轉向人工智慧領域。大資料和人工智慧目前的主要人才需求依然是研究型人才（創新型），所以建議讀一下研究生。
對於動手能力比較強，同時物理基礎比較紮實的初學者來說，可以重點考慮一下物聯網、雲計算和邊緣計算方向，這些方向在5G時代將迎來大量的發展機會，相關的工作崗位也會比較多。物聯網是產業網際網路發展的重要基礎，同時物聯網涉及到的領域也非常廣泛，包括車聯網、農業物聯網、工業物聯網、智慧家居、可穿戴裝置等等，所以發展空間還是非常廣闊的。
與大資料和人工智慧領域不同，物聯網領域已經具備了一定的產業基礎，目前物聯網領域不僅需要研發型人才，也需要大量的應用型人才和技能型人才，所以相對來說，物聯網領域需要的人才結構更加豐富。
-
4 # 我是蛋卷
發展越快，越要學習，從融入的角度看，這是社會趨勢。
只是計算機發展越來越快之後，他的工具屬性會發生改變。
等於你要應用的層面會發生變化，可以學習的層面也會發生巨大的變化，生態層次也會拉長，分工也會更明晰。
比如光計算機硬體這個領域，就分了很多的生產，設計過程，在這之中，光一個CPU的問題就把整個國家都難住了。
你所處的環境和需求，決定了你要學習或是應用計算機的什麼知識。
比如你是一個自媒體人員，適當學習推薦演算法等，就有利於寫出平均閱讀量更高，更容易被推薦的文章出來。
-
5 # 新華小魚
可以的對計算機感興趣的話可以學習UI視覺設計、大資料、人工智慧、環藝設計、高階商務行政管理、影視動漫遊戲設計、新零售等，都是目前發展比較好的專業
回覆列表
計算機是一切運用工具的開始
其中一個分支就是人工智慧
那就簡單介紹一下人工智慧與計算機認知
你自己來做判斷！
在計算機出現之前人們就幻想著一種機器可以實現人類的思維，可以幫助人們解決問題，甚至比人類有更高的智力。隨著上世紀40年代計算機的發明，這幾十年來計算速度飛速提高，從最初的科學數學計算演變到了現代的各種計算機應用領域，諸如多媒體應用，計算機輔助設計，資料庫，資料通訊，自動控制等等，人工智慧是計算機科學的一個研究分支，是多年來計算機科學研究發展的結晶。
人工智慧是一門基於計算機科學，生物學，心理學，神經科學，數學和哲學等學科的科學和技術。人工智慧的一個主要推動力要開發與人類智慧相關的計算機功能，例如推理，學習和解決問題的能力。
沒有AI程式設計
沒有AI的計算機程式解決具體問題。
程式中的修改會導致其結構發生大的變化。修改麻煩，很可能導致修改錯誤。
用AI程式設計
具有AI的計算機程式解決一般性問題。
AI程式各個引數部分高度獨立，修改不會導致結構變化，程式修改快速簡便。