关于 Matrix Talk

在少数派 Matrix 社区聚集着一批分享者，你可能经常看他们分享数字生活的心得体验，但你大概还不熟悉他们。为了拉近大家的距离，我们策划了 Matrix Talk 栏目，将不定期邀请 Matrix 内的活跃作者，聊聊他们的故事与观点，希望你从中也能找到些许共鸣。

本期 Matrix Talk 我们邀请了 5 位作者来聊聊他们的专业，来看看那些不被大众熟悉的专业究竟是做什么的，也希望能为即将选专业的朋友提供一些参考。你的专业是什么？大众也曾对你的专业有所误解吗？有什么想要劝诫即将选你专业的学弟学妹？在评论区一起分享吧🙋！

本文内容仅代表作者本人观点，不代表少数派和 Matrix 的立场。

如果给我一个与高中时代的自己对话的机会，那我一定会劝彼时的我：慎重考虑你要选择的大学专业。那个时候的一些学生和家长，总是会绞尽脑汁地考虑怎么能让分数在报考学校时显得「不亏」，却很少有人提前考虑好什么专业更适合‌自己。于是，在大学生中常常存在的抱怨就是「我是怎么盲目地选了这个专业，我好后悔」。

显然，专业的选择会在很大程度上决定一个人今后从事的职业领域。但更现实，也近在眼前的影响是，它决定了你在大学中能不能一直保持学习的热情。所以，专业选择的重要性并不亚于学校对于分数的「不亏」。这是一个应该被所有学生考虑的问题。

SCHOENBERG：数学/理论数学

数学是什么

我的专业是汉语语境中常说的「基础数学」。简单来说，我们做的事是把研究对象的一些性质单独拎出来研究，而不去考虑它具体是谁。

举个例子。当我们在化简一个分数（更准确地说，有理数）时，我们所做的事实上是求出分子和分母的公因子，再把它们除掉。我们对这步操作已经如此熟悉，但深究一下，你的大脑是这样做的：18/12 = (3 ⨉ 3 ⨉ 2)/(3 ⨉ 2 ⨉ 2)，然后从分子和分母各划掉一个 3 和 一个 2。类似，当我们化简一个分式时，我们的思路其实还是这样：比如 (x^2 + x)/(x + 1) = (x)(x + 1)/(x + 1)，再同时划掉分子和分母的公因子 (x+1)。

这样理所当然的操作，实则有着大量理论的支撑：我们做每件事时都要问自己：为什么能这么做？

上面我们所做的并不是在相同集合中的操作。前者我们考虑的是全体整数的集合，而后者我们考虑的是以整数为系数的多项式的集合¹。我们总是可以这样做的根本原因是，这两个集合中的元素都可以分解为一些不能继续分解的元素的乘积。于是我们想要知道什么样的集合具有这样的性质（于是在这些集合中我们可以化简分式）。

一般来说我们不能通过穷举来断言一个集合是否具有上述的「唯一分解性」，因为我们常常会遇到全体整数这样无穷的集合。想要将性质搞明白，我们需要摆脱整数集合——因为它太复杂了。这个复杂指的是，我们很容易被它的其他无关性质和其中的具体数值所干扰。于是我们只研究一些特殊的性质。事实上，用数学的语言来说，一个整环²具有这样「唯一分解」性质的充分必要条件是，它是诺特的，且其中每个素元都是既约的。

随着研究的深入，我们会不得不舍弃一些不重要的，或者我们不感兴趣的性质，来让我们「做得下去」。对于人们来说，这样一步又一步的抽象化常常是劝退的。所以，如果你觉得自己看不到研究抽象物件的意义何在，那么数学或许是不适合你的学科，因为它不能吸引你。

在归纳时，我们一般认为数学有三条主要的分支：几何、代数、分析。当然，在数学这样古老的学科中，不同分支的交叉是常见的，也是逻辑上不可避免的。因此，把这三条分支当成是「不同的方法」或者「不同的思路」或许更合适。

大家都需要用的数学

这个问题或许轮不到我来说，但它是重要的。如果你选了理工类的专业，那数学总是会作为工具伴随在你的左右，想躲都躲不掉。拿广大理工科学生最熟悉的微积分³来说，虽然学起来痛苦，但你会发现，在很多后续的专业课中，如果你忘了之前学的微积分，那你什么都做不了。

总的来说，微积分为现实应用提供了计算与「无穷」相关的数值的可行方法。最常见的例子是，我们都很熟悉怎么计算匀速运动的位移，那就是用速度乘以时间。

如果速度在变化，但变化是均匀的，那么我们在每个时间段内都可以找到一个「平均」的速度，于是继续刚才的思路，即位移等于「平均速度 ⨉ 时间」。

但是一旦速度在非均匀地变化，那按照之前「速度 ⨉ 时间」的思路，我们只能分段来计算每一个「差不多匀速」的时间段内的位移，再把它们加起来获得一个近似值。当然，这样做的前提是，我们选取的每个时间段中速度的变化都是「差不多均匀」的，也就是说，速度不会产生大幅度的加减。显然，我们选取的时间间隔越小，这个近似值与实际位移的差就越小。

直觉告诉我们，当我们不怕累死，选取非常小的时间间隔时，总能够无限地接近真实的位移值。最精确的情况是这个时间间隔「无穷小」的时候。这时，当我们算完，我们就成功了。

微积分告诉我们，的确是这样，而且不用累死也可以算⁴，而且告诉了我们怎么算最容易。

这个例子当然很浅显，而且是我们熟悉的。如果你进入了一个工程相关的学科，那你在工程问题中可能会遇到需要处理「无穷」「局部」「微小扰动」的时候，而我们加减乘除的次数总是有限的，于是我们常常不得不用微积分。

除了微积分之外，其他数学分支也会在一些特定的学科中常被用到。比如，如果严格追溯信号处理中常用的积分变换，那或许你会看到傅里叶变换背后的无穷维线性空间理论。所以，各个专业在开设课程时也总是可取所需，为那些需要的理论设立数学课。当然，很多复杂的理论也可能直接被拿来应用，而不让学生纠结背后的数学原理。

不知道会被谁用到的数学

相比与应用数学，纯数学（pure mathematics）更像是在研究我们自己思维中自然产生的问题。在数学中，我们自己提出一些理所应当、广为存在的东西，但难过地发现我们对它们一无所知。即使是看起来最简单的问题，想要解决它，也或许会让我们用上大量看起来庞大到夸张的理论体系（比如，为什么我们没法写出一个通用的，五次方程的求根公式？）。

对于选专业的你来说，这些问题或许还是过于遥远。我们关心的是，我们到底会学到什么？这些东西学起来是什么感觉？

就像你想象的一样，纯数学专业的学习方式几乎都是单纯的看书和推导。为了更深入的学习，你需要让自己熟悉地了解各类数学物件的性质，从而在看到一个断言时很快地说服自己。这听起来很像「为了学习而学习」，而事实或许就是这样。

数学的另一个特点是，我们所有的讨论都是基于几条假设（公理）。在承认这些假设的情况下，我们得到的真命题就是完全正确的。所以如果你和我一样对「近似」的结果有心理障碍，或者觉得定义不明的论断没法说服自己，那可以考虑选择数学。

在你学习的道路上，具体的计算会越来越少，取而代之的是越来越抽象的理论推导。久而久之，你会发现当你的爷爷奶奶在问你「你的专业到底是做什么」时，你想要解释一个最简单的拓扑空间的概念都没办法让大家理解。这是因为想要快速理解一个概念，最好的办法是找到一个例子，但这些例子本身通常就已经十分抽象，难以给大家解释。

对于外行人来说，你所说的一切都陌生而抽象，但对于内行人来说，或许刚好相反。因为这个学科的一切都是基于理论，所以每当一个命题被证明或者证伪，那它在它自己的理论框架内就已经稳定下来，变成了基础砖石的一部分。或许你觉得这个命题已经十分高深难以理解，但它已经是「平凡」的——只要证明的步骤足够详细，那任何人都应该能看懂。这也就导致你每次在网上查资料时，总会有一种「全世界只有我不知道」的感觉。

总之，我认为数学专业（劝退）的特点是：

• 理论深刻而复杂，需要勤于思考；
• 抽象性强，常常让人看不到现实生活中的应用场景；
• 体系庞大，让人感到渺小。

但是，理解抽象概念所带来的满足感是无与伦比的。

附录：第一同构定理

之前我说的一切都十分抽象，让你无法对「数学是什么」有一个直观的认识。我之所以到最后才举这个例子，是不想让你有「前面的我都没看懂，那后面的我肯定也看不懂」的感觉。

第一同构定理： 设 f 是群 G 到 H 的满同态映射，那么商群 G/ker(f) 同构于同态像 Img(f)=f(H)。

这个定理在代数学中具有非常重要的地位，十分深刻，但它是一个很自然的结果。像我之前说的那样，只要我解释得足够详细，那任何人都能看明白这个定理说了什么，为什么是这样。现在我尝试这样做。

我们会挨个解释这个定理中对大家来说可能陌生的概念。

群。 群是一个被赋予了「代数结构」的集合。所谓「代数结构」，一般来说指的是一种二元运算：比如输入两个数字，我们会得到它们的乘积。为了让这个集合（也就是我们所说的「群」）在给定的代数结构下看起来更完整，我们要求它满足几条很有限制性的性质：

1. 结合律：群中所有的运算都满足结合律 a(bc) = (ab)c。
2. 中性元素：群中存在一个元素 1，它跟别的元素 b 做运算时总是得到 1b = b。简单来说，存在一个「1」，谁乘以它都会得到自身。
3. 逆元素：群中的每个元素都有一个所谓的「逆」，使得它和这个「逆」做运算总是得到「中性元素」。简单来说，这相当于每个数都有一个对应的「负数」或者「倒数」。

一个简单的例子：全体整数的集合，被赋予加法之后就构成一个群。这个群的「中性元素」是 0，因为 0 加任何整数 d 都会得到 d 本身。每个元素 d 的「逆元素」都可以写成 -d。

另一个更抽象的例子：对一只魔方能进行的所有操作的集合构成一个群，其中的二元运算是两次操作的依次进行。在这个群中，「中性元素」是「什么都不做」。再比如，一个个操作是「把正对你的那面顺时针旋转 90°」，它就是一个元素。它的逆元素是「把正对你的那面逆时针旋转 90°」⁵。

群同态。 简单来说，一个群同态 f 是两个群 G 到 H 之间的映射，而这个映射需要和群具有的「代数结构」相容，也就是：

G 中的运算 x+y 在映射后成为 H 中的运算 f(x) + f(y)。

一个简单的反例是完全平方。或许大家都记得在第一次看到 (x+y)^2 = x^2 + y^2 +2xy 这个公式时那种「不完美的感觉」，而这正是「二次函数不是群同态」的体现。考虑两个函数 f(x) = 2x 和 g(x) = x^2。把他们看成是全体实数关于加法构成的群到自身的映射。简单的运算可以得到 f(x+y) = f(x) + f(y)，但 g(x+y) ≠ g(x) + g(y)。所以 f 是群同态，而 g 不是。

‌同态的核。 采用上面的记号。设 f 是群 G 到群 H 的同态映射。f 的「核」（kernel）定义为群 G 中满足 f(x) = 1’（注意这里的 1’ 是指 H 的中性元素）元素 x 的集合。这个集合被记作 ker(f)。不难验证，ker(f) 本身一个群。鉴于它是 G 的一个子集，我们称它为 G 的‌子群。

‌同态的像。 当 x 遍历整个 G 时，f(x) 组成的集合称为同态 f 的像，记作 Img(f)。事实上，它是 H 的子群。如果 Img(f) 包含所有 H 中的元素，则称 f 是一个满同态。

‌子群的陪集。 一个群可以有很多的子群。举个例子：全体偶数配备加法组成的群 2𝐙，就是全体整数的加法群 𝐙 的子群。这是因为，我们能在 2𝐙 中进行和 𝐙 中一样的加法，所得到的结果不会跑出 2𝐙。

选取一个任意的整数 a，考虑 a 和子群 2𝐙 中所有元素的和组成的新集合 a+2𝐙。

如果 a 是偶数，那 a+2𝐙 只是 2𝐙 的一个平移。因为 2𝐙 在数轴上向左右无限延伸，所以 a+2𝐙 = 2𝐙。

如果 a 是奇数，那 a+2𝐙 将是全体奇数的集合。

一共只有这两种情况。所以我们由子群 2𝐙 可以得到两个集合，它们分别是全体奇数的集合，还有全体偶数的集合（也就是 2𝐙 本身）。这两个集合称为子群 2𝐙 的陪集。

‌等价类。 字面意思，指的是一个集合在等价关系下，一共可以被划分为几个区域。比如，我们在全体鸟类的集合中定义一个等价关系「名称相同」，而名称相同的两只鸟我们认为它们没有区别。那么全体被我们称作「鸽子」的鸟是一个等价类，全体被我们称作「麻雀」也是一个等价类。任意一只鸽子都代表了「鸽子」这个类别。

‌商集。 全体鸟的集合很大。为了教孩子辨别鸟类，我们不可能教 ta 辨认每一只鸟的身份。既然同一种鸟之间都没有区别，那么我们只需要教孩子辨认鸟类。所有的鸽子都叫「鸽子」，我们不区分每只鸽子的区别：孩子不需要认识这世界上的每一只鸽子，而只需要知道「长这样的都是鸽子」。在数学中，全体等价类组成的集合称为商集。

对于上面所说的陪集，我们可以把「处在同一个陪集中」定义为一个等价关系。比如上面的例子中，如果我们认为「奇偶性相同」的两个整数是等价的，那我们的商集就包含两个元素：{奇数, 偶数}。同时，这个商集继承了 𝐙 的运算：

• 奇数 + 奇数 = 奇数；
• 偶数 + 偶数 = 偶数；
• 奇数 + 偶数 = 奇数。

不难看出，这个商集就此也构成一个群：它的中性元素是「偶数」（因为任何元素与它发生运算之后不改变自身）。这个群称为 𝐙 关于 2𝐙 构成的商群，记作 𝐙/2𝐙。

回到第一同构定理。我们在这里不证明它，但用上面的这个例子来说明它。

定理： 设 f 是群 G 到 H 的满同态，那么商群 G/ker(f) 与 H 同构。

在我们上面的例子中，取 G = 𝐙，H = {偶数，奇数}，映射 f 规定为：设 d 是任意整数，规定 f(d) = (d 的奇偶性)。比如，f(5) = 奇数，f(6) = 偶数。那么 f 是一个满同态。

我们计算 f 的核。根据上面的观察，商群 H 的中性元素是「偶数」。那么，哪些 𝐙 中的元素会被 f 映射成「偶数」呢？就是全体整数中的那些偶数。所以，同态 f 的核就是 𝐙 中全体偶数的集合，也就是 2𝐙。为了看到第一同构定理的结果，我们分别考虑商群 𝐙/2𝐙，还有目标集合 H。因为我们已经验证 f 是满同态，所以目标集合 H 也就是同态像本身，即 Img(f)。

和上面观察的一样，𝐙/2𝐙 中的运算就是：

奇数 + 奇数 = 奇数；

偶数 + 偶数 = 偶数；

奇数 + 偶数 = 奇数。

这刚好也就是 H 中的运算，同时覆盖了 H 中的所有元素。如我们所愿，G/2𝐙 = 𝐙/2𝐙 = H。

鸿苓：Pharmacy

我的专业是 Pharmacy，名称直译成中文是「药学」，毕业后获得的学位是 MPharm。这个专业据我的了解并不能和国内的药学完全等同；非要拿来对比的话，更像是北美那边的 PharmD。

主修的科目有三门：药理学、药剂学，以及实践课（Pharmacy Practice）。还有一些夹在中间，边界不清的课程，比如药物合成、生物化学、药品生产制造销售相关的法律政策等等。

这三门主课简单来说，就是「实验室里做的」「药厂里做的」还有「医院/药房里做的」。前两者在国内的药学院也会涉及，后者就更像是「临床药学」的范畴，但是在英国的医疗系统下，涉及的范围更广。

药理学

药理学的维基定义是研究药品与有机体相互作用及作用规律的学科，既包含了药物对某种病原体或某种病理变化的作用（pharmacodynamics），也包括了药物人体的影响下所发生的变化及其规律（pharmacokinetics）。

想要理解药物如何被体内的各个系统影响的，就需要明白人体内各个器官的作用和它们之间的相互联系；想要了解为什么这个药物能够发挥作用，就要从这些化学分子和目标的结构入手，结合疾病的病理、病原体的特性，分析药物会给身体带来的种种变化；想要知道药物是否真正发挥了作用，就需要观测在给药后症状的改变和体内各种生物因子的含量，以及，药物的浓度会如何影响药效？并且在需要服用多个药物、或者服药人有其他共病的场景下，它们的机理是否会有影响，那么同服时需不需要注意肝肾功能、改变药量，或者需要换另一种药？

就拿药店里随处可见的止痛药布洛芬为例。它在口服后经肝部代谢进入血液中，主要目标是体内的 COX 酶。COX 的作用是将分子 AA 转化为可能引起疼痛和发热的 PG，布洛芬（及同族的其他非甾体抗炎药）可以抑制 COX 酶的作用，减少生成的 PG，服药者因此不会感受到疼痛。

但同时，PG 也能促进胃部表面粘液的分泌，防止胃酸对胃本身造成伤害。服用布洛芬之后，人体内所有系统都会受影响，胃部也不能幸免。防护减少后，胃部就更容易受伤，因此，布洛芬最常见的副作用就是胃溃疡。

还有一些尚未发现具体原理的副作用，比如布洛芬并不适合有哮喘史的人群服用，因为它们可能会导致支气管痉挛，继而引发哮喘。布洛芬也可能会引起体液潴留，因而有心血管疾病的人服用前也需要注意。……这些现象背后的原理，其实就是药理学未来的研究方向。

药剂学

当科学家们找到一个（或许）有效的药物后，下一步就是「该如何把药物安全、方便、准确有效地送进人体内」。当然还有一个「尽量给公司省钱」的隐含条件。

大部分药物中的活性成分，想要直接在人体内发挥作用是很难的，通常还需要加入各种辅料。这时就不仅需要考虑药物本身的特性，还要考虑那么就要考虑什么样的辅料不会和某类药物冲突，成本最低、最适合大批量生产；如何调整辅料的组合，使药物能在体内以稳定的形态，在适宜的时间内，送去适宜的地方，使其发挥出适宜的功效。

除了最常见的口服之外，还有注射、吸入、外用等等许多方式可以获取药物的作用，有些药物的服用频率和方式还会影响服药人准时服药的意愿。于是就要加入病情和服药人的因素来考虑，哪种方式、哪种形态在不影响药效的前提下，最方便服用，能让服药人获得最大的收益？

拓展阅读：药物的不同剂型；药物的服用方式。

决定了药物的形态和服用方式，就到了投产的时候。这个过程中，怎么能确保每一剂里面的活性成分都相同，服用后释放的速率和含量也一样，就是需要考虑的问题。在原研药和仿制药的

此外，还有一些其他问题，比如一二三四期临床测试，药物在怎样的包装中才能最大限度地维持其稳定性，专利期的相关政策（以及如何利用独占期赚更多的钱），也是在药厂里需要考虑的事情。

药学实践

最后就是药学实践。相比于更「科学」的药理和药剂，它更注重和「人」的交互。

在英国的医疗系统里，社区药房（community pharmacy）是很重要的一部分。本地人有了什么小毛病，通常也会先选择去药房问药剂师的意见——背后的原因当然是免费但要排队很久的免费公立医疗。

和药物相关的医嘱，像是怎么吃、副作用有什么、需要注意的其他生活方式改变，大部分时候都是药剂师，而非医生来交代的。医院的药房面临的情况就会更复杂一些。除了社区药房中的那些职责，还要负责询问病人的病史，综合考虑患者的身体状况，调整药物的使用。

药学实践就是为了成为药剂师准备的。所以，要想办法把艰深的科学原理讲给对生物化学一窍不通的普通人；在医疗环境下和其他职业共同工作，利用药学知识为他人提供辅助。还要懂得交流技巧（aka 向别人套话），经常有需要角色扮演的 workshop。想不到吧，我们还有表演课呢！

总结

说到这里，可能已经看出来了，Pharmacy 是一个包含很广的学科。在这里既可以学到医学、神经科学、生物化学的知识，也能学到化学工程的知识，还有与社科和商科的交集。能进实验室跑胶，能下厂进流水线，还能和各种各样的专业人士或普通人交流药学知识。没有太难的数学，但是也开了统计课和流行病学的选修。

但是，同样的时间里，做到「博大」就意味着很难「精深」。和正儿八经学生命科学、生物化学工程的朋友相比，同样一个主题，我们需要了解的只是他们 PPT 最开始的那几页；和医学相比，对人体结构的了解也没那么深刻。进实验室的机会有一些，进医院实习的机会也有一些，但是频率和技术含量都不如生命科学和医学的学生。

如果不知道将来想做什么，只是模模糊糊地感觉自己对医疗健康、生物化学方面有兴趣的话，药学是很合适的。每一个方向都能了解一点，从中找到自己最喜欢的方向深耕，肯定比跑进一个精深的领域然后发现自己什么都学不懂更轻松。

将来的职业发展，在药学内通常就是：进实验室、进药厂和进药房。还有一些人选择了转去相近的其他行业，比如流行病学、生物统计、（很难考的）医学和牙医。这些方向的待遇都不会太差，想求稳定的话做药剂师也足够养活自己。赚大钱也不是完全不可能，学校里就有很多老师早早靠专利实现财富自由的。

当然还有一个不得不提的劝退点，就是所谓「生化环材」四大天坑，药学至少占了两个半。而且，它是一个背书量丝毫不逊医学的学科。国内的药剂师和英国不能一概而论，制药产业的环境也落后欧美很久，因此在选择这个专业之前，最好还是先评估一下自身的兴趣和能力再做决定。

Kostya：俄语语言文学

嗯，俄语。不知道你第一次听到我是学俄语的，会是什么感觉。似乎在大众的认知中，俄语很难学、俄语很难听、俄罗斯人都很剽悍、俄罗斯都是极寒之地 —— 这些刻板印象其实在我学俄语之初，或者说，我在做出学俄语这个决定之初，并没有仔细思考过。

我一直都觉得自己是一个随遇而安的人。只是因为对语言有着一腔热情，所以当时的我在日语和俄语中选择了俄语，最后也就到了我曾经所在的城市和大学，从 АБВГ 学起了俄语。这么多年过去，我觉得大家对俄语专业本身，有几个十分常见的问题。我想先回答一下这些问题，然后再讲讲，如果你要学语言作为自己的专业（不仅仅是俄语，任何外语，乃至中文），应该怎么选择。

俄语难学吗

感觉在大家的认知中，好像总是俄语很难学。

但是我要说的是，俄语是挺难的，但是难不过数学、物理 —— 如果你乐意把语言看作是一种技能，那么俄语就是通过勤学苦练就能够达到较高水平的专业 —— 其实任何外语专业，都是如此。俄语的「难度」，可能主要体现在它和我们的母语 —— 普通话 —— 之间的鸿沟。无论是一个动词有 100 多种变化形式，还是每说一个名词的时候都需要把它的词尾弄对，这些汉语中没有的东西，是我们在学俄语的时候，最头疼的。但是，我没见过一位学习俄语的同学，在足够的练习之后，不能把这些形式一一掌握。所以，只要你有恒心、有信心，俄语语法的规则本身，其实并没有那么难学。世界上的确有些东西是无论如何努力也学不会的，但是语言不是 —— 它是每个人生下来就在大脑中的天赋。

既然难度是相对的，那么或许我可以把俄语和其他语言做一些比较？其实我们在上学的时候经常做这些实际上没有太大意义的比较，权当是一种争论吧。以下仅为我个人的观点：对国人来说，最简单的也最常用的外语可能就是英语和日语 —— 前者尽管和汉语的族类不同，但是语法结构上有许多共同之处，拼音的普及也使得英文书写不是问题；后者尽管和汉语也属于不同族类，但是入门阶段会很愉快，因为中日共享许多文化传统，甚至是书写文字。此外的语言，比如俄语、西班牙语、法语、德语、阿拉伯语等等，各有各的难点。西班牙语的发音确实比较容易，但是它的语法也富有变化，与中文截然不同。法语从发音到语法，没有一样是简单的。德语的单词有多长，这个不用我说大家可能也听说过。阿拉伯语的学习意味着你要面对一套完全陌生的语音、语法和书写体系。这些我也不展开了。

所以，在我看来，俄语有一定的相对难度，但是你要说它有多难学，其实未必。

俄语难听吗

不难听。这个问题纯粹属于个人主观喜好 —— 在我看来语言没有好听难听的区别。无论是什么语言，都可以很美丽，富有音乐性、和律动。

推荐一首由诗人玛琳娜·伊万诺夫娜·茨维塔耶娃（Марина Ивановна Цветаева, 1892-1941）所著诗作《我喜欢，你并非因我相思成疾》改编的歌曲，在俄罗斯家喻户晓。

学俄语能干啥

好问题。学俄语能干啥？这可能要从不同人学俄语的初心谈起。我认识的学习俄语的人，有很多不同的理由。有些人纯粹对俄罗斯 / 苏联相关的话题感兴趣，想通过俄语了解更多东西；有些人则是对语言感兴趣（比如我），所以对具体学哪门语言其实没有那么关注；有些人想去俄罗斯的高等学府读书，俄语是他们入学的敲门砖 …… 等等。就像很多人说的那样，语言是一种工具，一种媒介。这我倒是很认同。

不过对于俄语专业本身来说，如果我们只关注毕业时可以选择哪些与俄语对口的职业的话，那我可能要说：几乎没有一种靠俄语吃饭的职业，一位只学了四年俄语的本科毕业生，可以胜任。俄语翻译需要更高的学位的同时，也需要更多的、异于常人的努力；俄罗斯外贸本身比较辛苦的同时，在疫情的冲击下也未必能够坚持很长时间；基础教育阶段的俄语老师岗位需求不多，因此你面对的是大批的硕士乃至博士毕业生的竞争；高等教育阶段的俄语老师岗位必然需要博士学位；外交部、央媒等重点机关、事业单位的俄语岗位竞争压力大、要求特别高是其一，其工作地点往往位于中亚。如果你觉得你的职业规划不包括以上各种我谈到的职业的话，或许你需要一个更加符合你个人规划的专业。

但是，话说回来，有位朋友跟我说，有些事情确实要在做的过程中找到意义。或许你会被命运分到俄语专业 —— 这种情况在我们专业非常常见 —— 但是实际上你最后的职业能够和专业相关的概率并不大，因为人生有很多种可能。有些时候，我被问到「学俄语能干啥」的时候，我也会反问一句：「啥不能干」？

俄语专业学啥

有关俄语、俄罗斯的一切，都是广义上俄语专业的学习内容。从课程的体系设置上来说，最重要的课程是综合课程，即听说读写都会被训练到的课程，是语言基本功课程。语言能力类课程可能还包括一些辅助类的听力、口语、写作、泛读可能等等，会从不同的方面进行语言能力的训练。当年我上的专业课程中，听说课一般是外教来上，所以难度一般会更高，但是效果也会更好一些。

此外，语言与文化是天生的一对，不能脱离一个谈另一个 —— 因此，文化类课程也有很多，比如俄罗斯文化、历史、文学、电影欣赏、造型艺术、音乐、国情地理等等。以上课程通常按照专题进行教学，一般也都是选修课程，可以在学分允许的情况下选择自己最感兴趣的课程。在国内的大学，这些课程很大程度上会使用中文俄语混合教学，也有时候因为外教上课，所以仅用俄语。

高年级的俄语课程可能包括一些学术能力的训练，以及一些更加高阶的技能的训练。一般来说，俄语语言学相关的课程（句法、词法、修辞等等）会在这个时候开设；翻译类课程也是这样。此外还有商务俄语等专门领域的俄语课程作为选修课程出现在课程表中。

以上几个问题，差不多是见到我的、对俄语专业抱有疑问的人，会问的最常见的问题了。接下来说说外语类专业（乃至中文专业）的选择问题。

• 如果你想「好找工作」，学英语吧。尽管学英语的人很多，但是需求也更大，同时日后各种机会也很多。当然了，对于其他小语种专业来说，在学习相对应语种的同时，千万不能忘记英语。
• 如果是想「好找工作的小语种专业」，那么日语 / 韩语（朝鲜语）可能更适合你。这两门语言在国内的就业市场中更加受青睐，是因为有许多在中国开设分部的日韩企业，会对此类语言的能力有要求。此外的小语种专业，说实话，一届里面没有几个最后的工作和专业有关系的。
• 如果纯粹是对语言或者语言学感兴趣，学英语 / 中文吧。这两个专业在培养的过程中，相比小语种，更注重学术能力的培养 —— 这本无可厚非，因为小语种是需要一定时间的学习才能够达到可以做研究的水平的 —— 而学术能力的培养过程中，你会发现自己究竟是不是适合做学术、是不是真的对语言或者语言学感兴趣。即使发现自己不感兴趣，英语 / 中文也能保证你更加广泛的就业、升学面。

最后，我希望无论是谁，在选择专业的时候，都一定要慎重。尽管现在大学本科的文凭本身仅仅是工作的敲门砖，有很多很多的人最后的职业和自己学的专业没有很大关系，但是专业的选择至少能影响到接下来四年的生活是如何度过的。我个人其实很感激自己选择了俄语专业 —— 从一开始我就提到，我是一个随遇而安的人，我选择了自己相对如鱼得水的专业，最后也比较顺利地升学，去探寻自己对于语言学的兴趣 —— 但是最后发现自己的学术志向被生活磨得一干二净。但即使是在这个阶段，我也不会对自己的选择过于后悔，因为我获得了让自己极其难忘的快乐的四年大学生活。

衷心希望，你也可以。

阿斯巴_甜：机器人工程

机器人工程专业（Robotics Engineering, 专业代码：080803T），从专业名称就可以知道，这是一个以机器人作为主体研究对象的工程学科。尽管「机器人」一词耳熟能详，从《铁臂阿童木》到《变形金刚》，「机器人」的形象四处可见。但作为一个 2015 年才在我国开设的年轻专业，机器人工程到底是干嘛的，可能大家并不清楚。

机器人工程学的是什么

要想了解这个专业，首先需要了解「机器人」具体指的是什么？提到机器人，大家可能都不陌生：从星球大战中的 R2D2 到机器人总动员中的 Wall-E，从终结者中的 T-800 到阿西莫夫的机器人三定律，多少都会有所耳闻。「机器人」一词第一次出现在 1920 年的科幻作品《罗梭的万能工人（Rossum's Universal Robots, R.U.R）》中，原文为「Robota」，在英语中通行为「Robot」。现如今，「机器人」作为一个寻常可见的词汇，在人们日常的使用过程中，其含义被大大泛化。这也使得对「机器人」含义的定义变得十分困难。除了可以用来描述像波士顿动力的 Atlas 这样的双足人形机器人，人们也会用使用聊天机器人（Chatbot）这样的词语来描述一个计算机程序。另外，由于一些翻译的原因，中文字面意思上的「机器人」也会给人造成一定程度上的误解：「Robot」不一定要有人形（一般会用 Humanoid Robot 来特指模仿人类外形的机器人）。

相对而言，在机器人工程专业中，「机器人」一词所指涉的含义会更小一些。我们可以用「可编程机器（Programmable Machines）」来理解机器人工程专业所指的「机器人」。一方面，「可编程」意味着这一机器可以按照人的想法自行工作，从而可以将人从劳动中解放出来；另一方面，「机器」则意味着它需要一个与真实物理世界交互的实体，而并非赛博空间中的某种存在。当然，以上定义可能不够完备准确，但应当能有助于对机器人工程这一专业的研究对象有一个粗浅的了解，并能就此将其与一些文艺作品中的机器人形象加以区隔。

机器人工程学哪些

在明白了机器人工程的研究对象之后，也就大致能够理解机器人工程专业的课程设置了。与绝大多数理工科专业一样，数理基础都是必不可少，这一部分主要包括微积分、线性代数、概率论与数理统计、大学物理、理论力学、材料力学等课程。另外，一般还需要学习一门计算机编程的课程。以上这些课程都属于理工基础课，与其他工程类学科应该是类似的。

在掌握了以上理工基础课程之后，将会开始进入机器人工程的专业课学习。这里需要指出的是，机器人是一个庞大且复杂的系统，因而机器人工程专业会涉及到很多不同的领域。最初人们幻想出机器人这一形象的时候，想要将机器人造出来的想法就已萌生。因而，对机器人的相关研究开始得很早。在还没有机器人工程这一专业之前，机械、电子、自动化、计算机等不同学科都在机器人领域有相应的研究。因此这些领域的内容也会在专业课程上有所体现。这些相关学科的课程主要有 CAD 与工程制图、机械设计基础、电路基础、信号与系统、控制工程基础等。学习这些课程的目的主要是给日后在机械、电子、控制等不同研究方向的学习打好基础。除了这些与其他学科相关的专业基础课外，机器人工程专业的核心课程则有：机器人学（主要学习机器人的运动学和动力学）、机器人操作系统（ROS 算是机器人领域开发的一个事实标准）、传感技术（各类传感器是机器人与外界交互的主要途径）等。

另外，学习完机械、电子、控制、计算机等方向的基础课程之后，后续也可以根据自己的兴趣选修一些深入课程，如机械加工制造、信号处理、现代控制理论、数据结构与算法分析等等，这里不一而足。还有一些关于机器人的高级话题的课程也多半是以选修课的形式出现，这些课程主要是介绍一下相关领域的基础以及研究概况，如行走机器人、微型机器人、协作机器人等等。

需要强调的是，不同学校机器人工程专业的课程设置可能会有些差异，不同课程的名称也可能会有所不同，上面的课程仅供参考。下面给出几所不同大学的机器人工程本科的课程要求作为参考：东南大学、南方科技大学、卡耐基梅隆大学。另外，B 站 UP 主 稚晖君 的 机械臂项目 也很好的展示了做一个机器人所需的相关技能。

机器人工程的学习特点

除了涉及的领域广泛，机器人工程专业的学习特点还包括注重实践、强调合作。在书本上学习了那么多，总是要做出一点东西来检验一下学习情况。无论是搭建硬件还是调试软件，都需要动手亲自尝试一番。另外，一个人能做的东西总是有限的，学会与不同的同学一起沟通合作才能做出更完善的机器人。

机器人工程毕业能干啥

由于机器人工程专业所学内容很多，随之而来的问题是多而不精。如果本科毕业想就业的话，可能需要在本科阶段就要有所侧重。因为作为一个很年轻的专业，很少有企业会提供「机器人工程师」这样的职位，而往往是以「硬件工程师」「软件工程师」这样的职位进行招聘，顶多会在职位名称前加上一个「机器人」的前缀，即使在一些机器人公司也是如此。如果想要继续深造的话，机器人学是一个有着很大探索空间的领域，各种专业背景的人都能找到适合自己去探索的问题。

总结

在2022年的当下，扫地机器人正逐渐走进千家万户，无人机不再小众，自动驾驶也初见曙光，这些都是随着机器人技术的发展而给人们带来的便利；另一方面，距离我们所想象的机器人世界还有很长的路要走。由于互联网的普及，关于机器人技术的学习资料触手可及，想要学习机器人技术也不一定需要学习机器人工程这一专业，机器人技术的进步需要各个不同学科（甚至不仅仅是理工科）一起努力。在此欢迎广大有志之士投身机器人领域。

lep：电子与计算机工程

我在国内本科学习的是电子信息工程专业，目前在加州就读电子与计算机工程（Electoral and Computer Engineering，ECE）硕士。根据不同学校侧重点和习惯的不同，我们专业的名字可谓是五花八门。国内常见的电子信息工程，电子与通信工程等都可以被划为 EE（Electrical Engineering）专业；在国外，除了 EE，ECE 等叫法外，在 UC Berkeley、MIT 等顶尖学校，由于 EE 和计算机科学（Computer Science，CS）的紧密联系，往往还会将两个专业直接合并成为 EECS 系。可以说，EE 是一个涵盖范围广，内容跨度大，交叉学科多的专业，可以根据具体方向的不同被进一步细分。限于篇幅我也只能选择最为常见的几个方向进行介绍。

专业方向

计算机工程（Computer Engineering，CE）是处在 CS 和 EE 交叉点的一个非常灵活的方向。如果已经进入了 EE 专业，而又对偏硬件的内容不感兴趣，你完全可以选择转码，在本科阶段学习好数据结构（Data Structure）和相关的软件课程，熟悉至少一门编程语言，多做项目刷 LeetCode 找实习，在毕业后继续深造或就业，成为一名软件工程师（Software Development Engineer，SDE）。但更为「正统」的 CE 方向，在熟练掌握上述内容的基础上，还应该通过嵌入式系统、计算机体系结构、操作系统等课程，对于计算机科学的底层架构有一定的深入认识，有比较坚实的 C++ 水平，在未来对应嵌入式（Embedded）、架构（Architecture）、系统（System）、固件（Firmware）等方向。当然，你还可以更向硬件倾斜，走向数字电路设计的方向。总的来说，这一方向可软可硬，灵活性较大。

机器学习（Machine Learning，ML）也是目前非常热门的领域。尤其是深度学习（Deep Learning，DL），可以与众多学科交叉，大有万物皆可 DL 的趋势。如果你对这一方向感兴趣，线性代数是第一门必须学好的基础课。优化模型课程也是一门对深入理解 ML / DL 颇有帮助的课程（Berkeley 的 EECS 127/227 是一门不错的优化课程）。在这一基础上，你可以进一步学习相对传统的机器学习课程（支持向量机，随机森林等算法）或应用日益广泛的深度学习课程（卷积神经网络等）。当然，理论知识还不够，你还需要有较好的动手能力。熟练掌握 Python 后，使用 PyTorch 或 TensorFlow 等框架进行模型的实现是必不可少的学习内容。随着这一领域涌入的人数越来越多，其行业门槛也水涨船高。仅会调个参数肯定是远远不够的，对这一方向非常感兴趣的同学可以考虑寻找科研机会或大厂的实习机会。对模型有较为深刻的认识，甚至能够有论文发表的话，可以在这一行业获得更好的发展。

通信（Communication）是 EE 的传统领域之一。在有相对较好的数学基础上，信号与系统（Signals and System）、数字信号处理（Digital Signal Processing，DSP）是本科阶段最为重要的两门课程。而如果继续深造，则可能还需要通信电路等方面的知识。由于这并不是我的专业方向，限于自身的水平我无法做更深入的介绍，欢迎相关方向的读者在评论区补充。

集成电路（Integrated Circuits）是我自己的主要方向，也是 EE 的另一传统领域，又可以被粗略地分为模拟电路（Analog）和数字电路（Digital）两大部分。当然，混合信号（Mix Signal）也是选择之一，但一般不会出现在本科课程中。

专业课

电路基础应该是两个方向都会经历的第一门专业课。模拟电路方向在此之后，线性电路和非线性电路是本科阶段两门重要的课程。除了深入了解 CMOS、BJT 等基本电路元件的性质外，能够使用 Cadence 等工具进行实际的仿真也是模拟电路学习的必要组成部分。需要注意的是，无论是在课程作业中还是实际工作上，由于电路中可以更改的变量要远远多于限制条件，这也就要求你需要有足够好的「直觉」和计算功底，能够通过简化的计算大致了解不同参数的变化对结果的影响，从而避免盲目调整参数的「SPICE Monkey」的情况。尽管模拟电路在现代设备中占比越来越低，但依然是很多芯片和商业设备的关键组成部分；模拟电路工程师也依然是硬件公司中的重要职位。

相比之下，数字电路在某种程度上更偏「软件」。在课程方面，数字逻辑电路是本科阶段学习组合逻辑、时序逻辑、延时、时序等基本概念的必修课。而随着目前芯片集成度与日俱增，超大规模集成电路（Very Large Scale Integration，VLSI）的内容也出现在了很多学校的课程中。根据未来职位的不同，数字电路方向又可以更进一步被细分为设计（Design）、验证（Verification）、后端（Physical Design）、测试（Design for Test，DFT）等。熟练通过 Verilog 等硬件描述语言（Hardware Describe Language，HDL）进行编程，是进行数字电路设计的必修课。而根据你所希望参与设计的方向，你还可能需要通过计算机体系结构等课程，学习 CPU、内存等的架构，以及 PCIe、AXI 等通讯协议的原理。此外，Python 和 C++ 也是业界常用的编程语言。Berkeley 的 EECS151/251 以及配套的实验课是我上过的最有价值的相关课程，感兴趣的读者可以参考。而验证工作除了熟悉一定的电路设计以外，还需要较强的面向对象编程（Object Oriented Programming，OOP）的能力，能够使用 SystemVerilog 和 UVM 等来对数字电路设计进行功能验证。而对于希望从事后端和测试方向的同学来说，Innovus 等 Physical Design 的工具也是必须的学习内容。

总结

尽管我相信一定有很多优秀的刚刚高中毕业的同学，有着良好的人生和职业规划，对不同的专业方向要求和自身兴趣有着较为明确的认识，可以很好地权衡专业选择，但可能大部分同学很难在应试教育阶段接触到较多的大学专业方面的知识，也未必能够很好地确认自己想从事的方向。我的建议是，在条件允许的情况下，尽量选择入学后转专业相对宽松的学校，从而避免未来被困在不喜欢的专业中浪费掉宝贵的四年时间。作为一个高中毕业时对专业方向毫无认识，入学时所选专业并不符合自身兴趣的过来人，我到现在都非常感激自己的本科学校为所有同学提供两到三次任意转专业机会的政策。

对于刚进入这一专业的同学，可能第一个要考虑的问题是：是留在 EE 做硬件还是转码。毕竟，在这个许多人都希望能够转码的大环境下，EE 可能是距离 CS 最近，也是最容易转码的专业之一。以我目前的方向为例，在找实习时，软件和硬件的公司数量完全不在一个数量级是一个无可奈何的现实。这也就意味着前者有着更多的就业机会。此外，即使是在行业头部公司，软件工程师的薪资水平也依然高出硬件工程师不少。而在国内，尽管目前有着一定的芯片热潮，但硬件是一个需要积累的行业，当前的热度能够持续多久，可能是一个需要考虑的问题。

当然，这也并不意味着「大家都应该转码」。除了个人的兴趣外，我个人认为，数字芯片设计在未来也有着广泛的发展前景。随着摩尔定律越来越难以为继，要想继续提高芯片性能，SoC（System on Chip），专用芯片（Application-Specific Integrated Circuit，ASIC）和 FPGA 的使用场景一定会越来越多。随着现在深度学习技术的广泛应用，算法的硬件加速也是一个很有潜力的方向。因此，即便是不做硬件产品的科技公司，当其规模达到一定程度后，也往往有需求进行 AISC 的研发。虽然总的来看，硬件方向的公司数无法与软件方向媲美，但海外的 Meta、Apple、Amazon、Google、Microsoft，国内的阿里、字节、腾讯等科技行业的头部公司无一例外都有着相关的岗位需求，依然有着不少的发展空间。

如果你已经决定留在 EE，便可以随着学校的课程计划，通过基础课来判断自己更为擅长的方向后，通过选修课打下的基础，利用科研和实习机会来提高自身水平。EE 是一个需要积累和沉淀的专业方向，在足够的知识和经验的加持下，EE 方向一样有着广阔的就业和科研前景。

🙋：你的专业是什么？大众也曾对你的专业有所误解吗？有什么想要劝诫即将选你专业的学弟学妹？欢迎在评论区和我们分享！

> 下载少数派 客户端、关注 少数派公众号，找到数字时代更好的生活方式 🎊

> 想申请成为少数派作者？冲！ 🚀

© 本文著作权归作者所有，并授权少数派独家使用，未经少数派许可，不得转载使用。