想去日本学AI，到底应该选情报工学、计算机，还是数据科学？

发布者：: 王璐颖

分类：: 留学新闻

2026-09-02

12
浏览

播放

分享至

微信扫码分享给好友和朋友圈

这两年，我发现越来越多准备去日本留学的学生，会在选专业的时候提到同一个词：AI。

有的学生会直接跟我说：“老师，我以后想学人工智能。”有些家长也会问：“现在AI这么火，是不是让孩子去日本读AI专业比较好？”

但真正开始查日本大学以后，很多人很快就会发现一个问题：为什么大学里很少有一个专业直接叫“人工智能专业”？

你会看到情报工学、情報科学、コンピュータ科学、データサイエンス、知能情報、情報理工，甚至有些学校把AI相关方向放在电气电子、系统工学或者数学下面。名字看起来都和计算机有关，课程里面也都可能出现人工智能、机器学习、编程，但真正学起来，差别其实不小。

所以，如果一个高中生告诉我“以后想学AI”，我通常不会马上告诉他应该报哪所大学，而是会先问一句：你说的“学AI”，到底是想学什么？

因为AI并不是一个孤立存在的专业，它更像是数学、计算机、数据、算法以及具体应用交叉以后形成的一整套技术体系。你未来想站在这个体系的哪个位置，会直接影响大学阶段应该选择什么方向。

情报工学：如果你喜欢研究“计算机到底是怎么工作的”

先说日本大学里非常常见的“情報工学”。很多中国学生看到“情报”两个字，会下意识地联想到信息收集，甚至有人看到“情报学部”时会问我：“老师，这是不是学情报分析的？”

当然不是。日语里的“情報”更接近中文里的“信息”，所以情報工学可以粗略理解为信息工程或者计算机相关的工程学科。

这个方向通常会涉及编程、算法、计算机系统、网络、数据库、人工智能、图像处理、信号处理等内容。不同大学的课程设置会有差异，但整体上，它通常带有比较明显的“工学”属性。

也就是说，你不仅仅是在学习怎么使用软件，而是在理解计算机系统和信息技术本身是如何运作的。

如果一个学生喜欢数学和物理，也愿意研究技术背后的原理，那么情报工学通常是一个比较自然的选择。尤其是以后希望进入软件开发、AI工程、机器人、嵌入式系统、图像识别等技术方向的学生，可以重点关注这一类专业。

这也是为什么，我经常提醒准备情报工学方向的学生，不要因为“以后想学计算机”，就只盯着编程。

大学里的计算机相关专业，远远不是“学Python”这么简单。

计算机科学：重点不是“会不会写代码”，而是计算本身

另外一个经常出现的名字是Computer Science，也就是计算机科学。日本不同大学的叫法并不完全统一，有些会直接使用コンピュータサイエンス，有些则放在情報科学、情報理工等学科体系里。很多高中生对计算机专业最大的误解，就是觉得计算机科学等于编程。

其实编程只是工具。真正的计算机科学，会涉及算法、数据结构、计算理论、操作系统、计算机体系结构、人工智能等内容，而这些课程背后需要大量数学。

为什么一个算法比另一个算法快？计算机为什么能够解决某些问题，却无法有效解决另外一些问题？搜索、排序、图结构、概率模型背后的数学逻辑是什么？

这些问题才更接近计算机科学真正研究的东西。

所以，如果一个学生告诉我：“我特别喜欢电脑，所以想学计算机”，我通常还会继续问：你喜欢的是玩电脑、使用软件，还是喜欢研究这些系统为什么能够运行？

这两者差别非常大。真正适合计算机科学的学生，往往并不排斥抽象思考。相反，数学能力通常会成为以后非常重要的基础。

数据科学：同样和AI有关，但关注的问题已经发生了变化

数据科学是这几年日本大学里发展非常快的另一个方向。

很多学生看到“数据科学”和“AI”以后，会觉得这两个专业差不多，其实它们的关注重点并不完全相同。

如果说计算机科学更关注“如何让计算机完成任务”，那么数据科学更关注的是：如何从大量数据中找到规律，并利用这些规律进行预测和决策。所以数据科学通常会大量涉及统计学、概率、线性代数、微积分、机器学习以及数据分析。

比如一家电商平台积累了几百万用户的购买数据，能不能预测某一个用户接下来可能购买什么？医院拥有大量患者数据，能不能通过这些数据辅助判断疾病风险？企业积累了大量经营数据，能不能通过模型预测未来需求？这些都是非常典型的数据科学问题。

所以我在判断一个学生适不适合数据科学的时候，反而会特别关注他的数学。

如果你非常排斥统计、概率和数学建模，只是因为觉得“AI很热门”就选择数据科学，那么真正进入大学以后，很可能会发现和自己想象中的专业完全不同。

那么，真正的“人工智能”到底在哪里？

说到这里，很多学生可能会发现一个很有意思的问题：情报工学有AI，计算机科学有AI，数据科学也有AI，那人工智能到底属于哪一个？

答案其实是：都可能属于。

因为今天所谓的人工智能，本来就是一个高度交叉的领域。

如果你研究机器学习算法，可能更加靠近计算机科学和数学；如果你研究机器人，需要结合控制、机械、电子和计算机；如果你研究计算机视觉，会涉及图像处理、数学和深度学习；如果你利用AI分析医疗、金融或者商业数据，又可能更加靠近数据科学。

所以，一个高中生说“我以后想学AI”，其实就像说“我以后想学医学”一样，只是确定了一个非常大的方向。

真正需要进一步思考的是：你希望用AI解决什么问题？这个问题越清楚，专业选择就越容易。

对高中生来说，比“现在会不会编程”更重要的是数学基础

这是我特别想提醒准备去日本读计算机和AI方向的学生的一点。

很多人会因为自己没有学过编程而焦虑，觉得别人高中已经会Python、C++，自己是不是已经落后了。其实，我反而不会把“高中阶段会不会编程”看得特别重。因为编程完全可以从零开始学习。

真正让我担心的，是一个学生想学AI，却非常排斥数学。

人工智能、计算机科学和数据科学越往深处学，越绕不开数学。微积分、线性代数、概率统计、离散数学，最后都会以不同方式重新出现。

尤其是机器学习。很多学生看到的只是“训练一个模型”，但模型背后其实是大量数学问题：如何表示数据，如何衡量误差，如何寻找最优参数，为什么模型能够逐渐逼近我们想要的结果。

所以，如果一个高中生未来明确想走AI、计算机或者数据科学，我反而会建议他现在不要急着追各种“AI入门课”，先把高中阶段的数学真正学扎实。

物理也是类似的道理。虽然并不是所有计算机专业都会大量使用高中物理，但如果以后选择机器人、硬件、电子信息、控制、图像、通信等偏工学的方向，物理基础会变得非常重要。

那么，准备EJU的时候应该怎么选？

这也是很多准备日本留学的家庭真正关心的问题。

如果未来想申请偏工学的情報工学、電子情報、情報理工等方向，那么在选择大学之前，就应该认真查看目标学校的募集要项以及具体考试科目，因为不同大学、不同学部对EJU数学、理科科目的要求并不完全相同。

而如果目标是数据科学，也不要因为名字听起来不像传统工科，就默认数学要求会比较低。恰恰相反，很多数据科学课程的数学含量并不低。

所以我一直不太建议学生先凭感觉确定一个“热门专业”，然后等到出愿的时候才研究考试要求。

更合理的顺序应该是，先了解自己真正感兴趣的方向，再去研究有哪些大学开设相应专业、课程到底学什么、入试需要哪些科目，最后反过来决定现在EJU应该把哪些科目准备到什么程度。这样，备考才不是为了一个抽象的分数，而是在为一个明确的目标服务。

情报工学、计算机科学和数据科学，到底怎么选？

如果你对计算机系统、软件、网络、AI以及各种工程应用感兴趣，可以重点了解情报工学；如果你更喜欢算法、计算理论、程序背后的逻辑以及计算本身，可以重点了解计算机科学；如果你喜欢从数据中寻找规律，利用统计和机器学习解决现实问题，数据科学可能更加适合。

但这只是一个最初步的分类。真正选择大学的时候，我反而建议大家少看一点“专业名字”，多看一点课程表和研究室。

因为日本大学的专业名称并没有完全统一，同样叫“情報科学”，A大学和B大学实际学习的内容可能并不完全相同；反过来，两所大学的学科名称完全不同，课程内容却可能高度重合。

所以，与其纠结“这个名字听起来是不是AI”，不如直接打开大学官网，看大一到大四到底学什么，再看看教授的研究室究竟在研究什么。这一步，往往比专业名称本身重要得多。

这几年AI越来越火，我其实很理解为什么越来越多学生和家长开始关注这个方向。但我并不希望学生只是因为“AI以后好就业”，就稀里糊涂地选择一个名字里带“情報”“AI”或者“データ”的专业。

专业选择真正应该回答的，不是“未来什么最热门”，而是两个问题：这个专业究竟在学什么，以及这些东西是不是我愿意花四年甚至更长时间认真学习的。如果答案是肯定的，那么接下来才是大学和考试的问题。

而对于现在正在准备EJU、未来又想申请AI、计算机、情报工学或者数据科学方向的学生来说，我认为目前最值得做的一件事情，就是把自己的目标专业和现在的学习真正连接起来。

不要只是问“EJU数学考多少算高”，而是去问：如果我想进入这个方向，我现在的数学和物理到底够不够？

明天我准备专门聊这个问题：想去日本学AI，EJU数学和物理到底要学到什么程度？到时候我会从具体的学习内容和备考角度，把这个问题继续拆开讲。

院校太多: 不知道自己能上哪所?

AI智能选校助力选校

20万+录取数据
智能分析
2分钟出结果

打开微信扫一扫码上体验

小工具大用途

近期热门

文章案例

想去日本学AI，到底应该选情报工学、计算机，还是数据科学？-新东方前途出国

欢迎来到前途出国，请选择您要咨询的城市

王璐颖

日韩部前期规划师

顾问服务

预约回电