都很高。但資料探勘更高，特別是機率論和線代。兩者都有成熟的框架，但是想對資料有更深度的挖掘，就要自已設計算法了。

資料分析涉及幾乎最廣的科學問題。比如量子力學的波函式求解等等。計算機視覺更偏向實驗，比如光學儀器，半導體發光器件等等。

個人感覺是資料分析吧，對計算機視覺不太熟悉。資料分析需要很多數學課和統計類課。在很多人印象裡統計學就包括在數學裡，其實不是，我們國家在08年的時候統計就已經從數學分出，統計和數學現在是平行的，都是一級學科。

資料分析其實和統計類課程和更相關，需要很多的統計類課程，像機率論，數理統計，多元統計分析，迴歸分析，時間序列，統計與機器學習等。

資料分析的方向也有很多，比如有做演算法的，也有做影片處理的等等。數學或者說統計類課程學好了，再根據方向選擇需要的計算機課程就好，當然不同的課程需要的數學基礎和計算機課程是有不同的。像我們系的資訊與計算科學專業，正在進行專業改革，在學生實習的時候，給出幾個方向，不同的方向，培訓不同的課程，選擇自己擅長的和感興趣的。這樣，既利用了自己大學期間打下的數學基礎和計算機方面的嚴格邏輯訓練，又針對社會的需要進行了培訓，效果還是不錯的，至少從就業方面看還是不錯的。

好多人有個誤區，既然這樣，我直接去社會培訓機構培訓就好了，幹嘛上大學？上大學不但叫你怎麼做，最主要的是告訴你為什麼？因為新的語言不斷出現，越新的需要越高階，高階好用，但壞處是什麼呢？就是好多時候不知道為什麼。你只知道一塊一塊的。但每一塊內部是什麼，不瞭解。比如說，簡單的排序，在Python裡一個函式就實現了，但怎麼實現的不知道。大學的課程就是訓練這個的，告訴我們為什麼，比如排序可以用冒泡法。知道了為什麼問題發生變化之後我們同樣可以解決。我覺得這才是大學最重要的作用。