1.计算机网络
计算机网络技术专业一般追求知识面宽，而不需要专精于某一项技术
其实大部分人都会选择开发工作，也就是程序员，只有少部分选择网络行业本身，因为说实话，网络这个东西本身挺简单的，复杂的东西不是，也就导致门槛比较低，市面上做网络的大部分都是非本科毕业（厂家除外）。工作几年以后会慢慢的有分水岭，一部分人会向销售发展，一部分人走产品经理，一部分市场，一部分还是做技术。
2.嵌入式系统设计与应用
当然嵌入式开发的发展方向有很多，但是具体的专业各有不同，门槛到底各有不同，先就简单从四大职业方向来具体阐述：
1. ARM + Linux/Android开发
据统计，全世界99%的智能手机和平板电脑都采用ARM架构。所有的iPhone和iPad都使用ARM的芯片，多数Kindle电子阅读器和Android设备也都采用这一架构。大部分领先的网络/电信制造商正积极地将其下一代平台迁移到ARM平台上来，有理由相信在今后的几年中，ARM在行业中将扮演一个极为重要的角色。
2. FPGA开发
FPGA(现场可编程逻辑器件)产品的应用领域非常广泛，包括通信、消费电子、汽车电子、工业控制、测试测量等。而应用的变化也使FPGA产品近几年的演进趋势越来越明显：一方面，FPGA供应商致力于采用当前最先进的工艺来提升产品的性能，降低产品的成本;另一方面，越来越多的通用IP(知识产权)或客户定制IP被引入FPGA中，以满足客户产品快速上市的要求。
3. DSP开发
DSP(Digital Signal Processing，数字信号处理)，是一门涉及许多学科而又广泛应用于许多领域的新兴学科。全球DSP市场的前景非常广阔，DSP产业将成为21 世纪最具发展潜力的朝阳产业。近年来，随着DSP芯片产品价格的不断下滑，使DSP能够从以往的军用领域迅速拓展到民用领域，例如应用于计算机、网络、移动电话、调制解调器和磁盘驱动器以及众多的消费电子产品。
4. IC设计
你知道吗?上班的公交IC卡，ATM取钱的银行卡，楼宇的门卡等都是应用IC设计的产品，在现代世界不可或缺。IC设计(Integrated Circuit Design)，或称为集成电路设计，是电子工程学和计算机工程学的一个学科，其主要内容是运用专业的逻辑和电路设计技术设计集成电路。
3.人工智能技术与应用
人工智能在教育、医疗、交通、等多个行业都有应用
人工智能技术应用的细分领域：深度学习、计算机视觉、智能机器人、虚拟个人助理、自然语言处理—语音识别、自然语言处理—通用、实时语音翻译、情境感知计算、手势控制、视觉内容自动识别、推荐引擎等。
经常被人问到，人工智能究竟可以使用在什么地方？特意系统地整理了一下，抽空做了文末的思维导图。人工智能目前还属于弱智能阶段，估计要发展到强智能还需要很长时间。AI应用方向目前有以下几个方面：
1.计算机视觉CV方向
CV方向就是AI应用充当人类的眼睛来识别图像、视频的多媒体元素，目前是人工智能最成熟的分支，很多应用的精度已经超越人类的能力，常见应用有图像分类、图像高级处理、图像识别、人脸检测、人脸识别、视频处理、视频监控、车牌识别与身份证识别等OCR识别应用。
2.自然语言处理NLP方向
NLP方向实际上AI最早想突破的领域，主要处理的文本、语音数据，自然语言处理领域是目前学术界与大型科技公司最为追捧的方向，近两年深度学习的成果大多聚焦于自然语言处理，但总体而言，许多应用还没达到超过人类精度的地步，不过NLP应用爆发出来的能量很大，前景非常好，所以学术界与大型科技公司大量投入该领域。NLP方向典型应用有语音识别、语音搜索、语音合成、文本情感分析、推荐系统、搜索引擎、广告推荐等高价值领域。
3.数据分析挖掘方向
传统数据分析主要使用Excel工具、SPSS/SAS统计分析软件进行，需要自动化提高效率或更灵活定制的话就需要R语言或Python语言来构建数据模型进行数据分析，而随着大数据底层技术的成熟，大数据的采集、处理、存储都相对成熟，而接下来就是给大数据赋能的数据分析挖掘发光发热了。基于Hadoop进行数据存储，使用Spark或Flink等大数据实时处理框架进行大数据处理，之上使用Hive数据仓库或Kylin等工具结合Python创建机器学习模型进行高层的分析挖掘成为目前比较流行的解决方案。
4.综合应用方向
不少AI应用需要综合计算机视觉、自然语言处理、数据挖掘技术，典型的有无人驾驶汽车、无人机、机器人、人机博弈等AI综合应用。另外一个生机勃勃的发展方向就是所谓的"智能+"或“AI+”，其实就是人工智能与产业融合，可以创造出各种各样的AI应用，这是缺的可能就是我们的创意了！
4.软件工程及软件体系结构应用
5.云计算、大数据与物联网技术
这是一个生态，物联网负责把信息收集起来，比如智能家居，你通过手机app就能看到家里空调的温度。
一旦物体都上网之后，必然会产生大量的数据，包括不局限于物体的地理位置、工作状态等等。
但是数据本身没有价值，对数据进行处理得到有效的信息才有价值。这就需要使用云计算强大的计算能力来分析海量的数据。
大数据方向分为：
1，数据分析挖掘方向。要求高，高学历，数学基础好，有统计学的基础更好。
2，数据开发方向。数据开发又分为：数据仓库开发和数据开发。
数据开发又分为：偏底层系统的开发(Spark内核开发这种偏向底层，要求也高)，软件应用开发(使用spark，hadoop生态进行开发软件应用。这种更偏向产品的开发)，业务开发(借助云系统或分布式文件系统或集群，来满足公司日常任务开发)。
数据仓库开发：一般是数仓建模，数据搭建等。
