英国论坛
计算机（Computer Science）到底有多少不可以思议的分类呢？有多少人很认真地去区分过他们呢？不管是国内升学，抑或出国留学，计算机都是热门选择专业，那么，计算机（Computer Science）到底有多少不可以思议的分类呢？有多少人很认真地去区分过他们呢？
1、ArtificialIntelligence人工智能
人工智能学习研究的核心领域大致包括：学术呈现，推理，学习，规划，决策，视觉，机器人，语音和语言处理。
同时，AI也旨在运用先进的算法来解决各领域的实际问题，其中包括生物信息学，网络及各类系统，搜索和信息检索等等。
人工智能与认知科学也是紧密相联的，包括心理学，语言学和哲学方面。
除此之外，研究人工智能还需要涉及到以下的技术和工具：统计学，神经科学，控制，优化和业务研究。
有大学也开设AI与Machine Learning结合的课程，由于ML本身涉及的内容就足以开设一门课程，很多大学也有独立的机器学习课程。
也有些大学虽然没有AI专业，但是有Robotic Systems（机器人系统）相关的课程，其实也是类似人工智能的专业。
2、Algorithmsand Theory 计算机算法和理论
理论计算机科学是研究更高效的算法和协议。
它强调学习许多20世纪的发明，如密码学、计算生物学、机器学习、量子计算等先进算法和理论。
同时，计算机算法和理论还研究包括复杂性理论，算法，数据结构，计算几何，密码学，机器学习和计算经济学，并且与计算生物学，图形，网络和系统紧密连接。
属于基础理论学习的学科，需要扎实的数学基础。
3、Biosystems& Computational Biology生物系统与计算生物学
现代生物学越来越依赖计算机科学和电子工程的算法和工具。
生物数据包括多品种的基因组数据，多态变体的数据库，蛋白质结构和RNA结构，基因数据库，实验生物化学测量数据和生物医学数据。
对这些数据进行表达，操纵和整合需要计算机科学的技术，如数据库，算法，人工智能，图形，信号处理和图像处理，因而生物系统也被称为Bioinformatics生物信息学。
4、BigData 大数据
大数据相关专业的别称包括：Data Science（数据科学），Data Analytics（数据分析）, and Data Mining（数据挖掘）。
由于互联网和社交媒体的兴起，数据量空前庞大，而获取数据的设备也越来越多，如智能手机和微型传感设备收集数据、科学仪器收集类似的基因组数据，天文数据，医疗。
管理和分析“大数据”需要全新的技术和系统。除了通过常规数据库系统及相关应用程序管理数据外（已经难以驾驭多样化嘈杂的数据分析），还要增强捕捉和关联个人数据，保护安全和隐私问题的能力。
要解决大数据管理的各个方面，需要学习的方向包括：高性能计算，数据库，云计算，分布式系统，可视化以及安全性和隐私的领域。所以，大数据属于CS中的交叉学科。
5、ComputerArchitecture计算机系统结构
计算机系统结构是计算机的机器语言程序员或编译程序编写者所看到的外特性。
所谓外特性，就是计算机的概念性结构和功能特性，主要研究计算机系统的基本工作原理，以及在硬件、软件界面划分的权衡策略，建立完整的、系统的计算机软硬件整体概念。
有大学将Complier（编译器）和Architecture（系统结构）一起研究，研究内容集中在为下一代计算机和计算组件进行硬件，编程语言和编译器的设计，很多大学将编程语言及编译器单独开设课程进行学习。
