现在国外留学的人都选了machine learning，data mining，图形学之类的，为啥那么少人研究分布式，并行之类的，难道这两个前景不好，难创业就业
如果你真心想学计算机，欢迎申请UIUC，单单一门课就期末设计多线程CPU。由于它过于凶残并且不大合胃口，当场就被我上系统退了。并行也是全美数一数二的，最近还跟IBM把最快的超级计算机Blue Waters做出来了。墙外的童鞋请移步： http://www.youtube.com/watch?v=kcuMPHO-wWA\u0026amp;feature=shareCS学好衣食无忧，不过选校的时候可以留意下毕业率，较低的毕业率往往意味着较少的时间可以去玩儿。References：Startups comes from UIUCNetscapePaypalYoutubeYelpGeniSlideIronPort SystemsZivitySiebel SystemsMyMiniLife(acquired by Zynga)Pattern Insightfrom University of Illinois, Urbana-ChampaignFamous Alumni：Ang Lee
■网友
1.国内系统研究比较差，有钱有能力搞系统的就那么几个地方，大部分大学没钱没技术搞这个，所以只能搞一下不费钱的算法领域的，这样培养出的学生就习惯选这个2.算法需要学生smart，需要数学基础好，这是中国学生的长项
■网友
我来回答一下：分布式其实是一个很古老的领域了，只是国人接触的比较晚。分布式领域的相关论文非常之多，大多数都是纯学术的场景，比如纯异步通信。因为在同步通信领域，一致性被证明是可以达到的（Lynch的论文），而在异步领域又被证明是不可达的（FLP结果），事实上我们的集群都有时钟同步，那种纯异步的场景又很少存在。这就导致了，即使没有使用什么高深的算法，很多程序也能在同步通信中运行的良好。在真实的世界中，分布式领域能挖掘的东西不多了。而ML、DM这些都是新兴领域，有大量的空白需要填补，而现在整个行业都鼓吹大数据、深度学习，又因为二者需要较多的数学知识（概率），这突然显得非常高大上。自然也成为大多数人的选择。
■网友
【现在国外留学的人都选了machine learning，data mining，图形学之类的，为啥那么少人研究分布式，并行之类的，难道这两个前景不好，难创业就业】 商科中的business analytics中会用data mining, mapping and analytics, 但学的还快，还没掌握就要作业，其实基础并不牢固，本来想继续深造，也只能中断，想想能在不要求过多数学基础的data science 找到一个研究入口，好不浪费这项技能。
■网友
不知道你的数据是哪里来的，想学什么就去学什么呗。能毕得了业，学的好，工作什么的还不是手到擒来。
推荐阅读
![[快船队]从理论角度分析今年的超级战舰快船和去年全民皆兵的猛龙谁更强？](http://img88.010lm.com/img.php?https://image.uc.cn/s/wemedia/s/2020/22b1c2bb65f771b99b08e1710c8dc2cf.jpg)
- 电饭锅内部铺一张纸，想不到这么厉害，大多人都不懂，早学早受益
- 家里这种床单可不要扔了，要比古董还值钱，难怪有钱人都收藏起来
- 古人都说：“一颗绿萝七个鬼”，家中为什么忌讳养绿萝？
- |扬州好地方文明热情友善 来过‘三都’扬州的人都不想走
- 趣头条|【为什么300万人都选帝豪GL】因为有你，每个周末都与众不同
- 学的自动化却对IT比较感兴趣。。感觉对自己的专业帮助不大，好苦恼，要不要继续是专精还是学点感兴趣的?
- 加拿大像滑铁卢，多伦多大学的计算机授课型研究生咋样
- 平凡评车|全新奥德赛发布，外观大改，酷似传祺M8，聪明人都放弃GL8
- 静态展示|全新Model Y参数正式曝光，性能出众，很多人都喜欢
- 特斯拉|全新7座SUV参数正式曝光，性能出众，很多人都喜欢！