Слушай, направление диплома вообще не то, на что смотрят при найме. Смотрят на портфолио и то, что ты умеешь делать руками. Можно закончить "прикладную математику" и устроиться в уборщики, а можно пройти годовой курс и сразу в джуны к нормальному работодателю.

Если интересует web - учи JavaScript и один фреймворк (React сейчас в топе по вакансиям). Если data science - Python плюс немного математики со статистикой, потом библиотеки pandas, sklearn. Это то, что реально спрашивают на собесах, а не название твоей специальности.

Специальность на дипломе имеет значение только первые пол года после выпуска, потом работодатель смотрит исключительно на опыт. Проверено лично.

Что реально важно при выборе:

• Универ с сильной кафедрой (не название специальности, а конкретная кафедра и преподаватели)
• Наличие стажировок на 3-4 курсе
• Сообщество студентов: если однокурсники сами пилят проекты и участвуют в хакатонах, ты тоже начнешь

По направлениям: программная инженерия дает больше практики с реальным кодом, прикладная математика - больше теории. Если нет четкого понимания, что хочешь в науку или в алгоритмы, бери инженерное. Базу математики догонишь сам по мере необходимости.

Data science в 2026 - рынок перегрет джунами с курсов. Web - стабильнее, порог входа ниже, вакансий стабильно много. Но выбирай то, что реально интересно, а не то, что "платят больше", иначе через три года сгоришь.

Вопрос поставлен неправильно. Ты спрашиваешь "на кого идти", но не задаешь себе главное: что тебе вообще интересно делать восемь часов в день? Писать интерфейсы и смотреть как кнопка красиво переливается? Копаться в данных и строить модели? Разрабатывать системы которые не падают под нагрузкой?

Пока ты не ответишь на этот вопрос, любой совет про "куда идти" будет гаданием на кофейной гуще. Специальность вторична. Самопознание первично.

Иди на математику. Точка. Программирование выучишь сам за год, а математическое мышление без нормального универа не поставишь никогда. Через 5 лет скажешь спасибо.

Если хочешь именно хорошо зарабатывать и быстро трудоустроиться - смотри на DevOps или облачные технологии. Там сейчас жуткий кадровый голод, а курсов на эту тему мало по сравнению с вебом. AWS Certified Solutions Architect стоит больших денег на рынке и это факт, а не мнение.

Помню, как в 2008 году сам выбирал между "вычислительными машинами" и "информационными системами". Тогда казалось что это важнейшее решение в жизни. Просидел неделю с распечатками учебных планов.

В итоге пошел на вычислительные. Проработал потом двадцать лет в разных местах. Ни разу не спросили про специальность. Зато три раза спросили на собесе про указатели в C и один раз попросили на доске написать алгоритм сортировки.

Ко мне на стажировку приходят ребята с "прикладной математикой", с "программной инженерией", с колледжем и вообще с нефтяным менеджментом. Разница только в том, умеет человек думать или нет. Это единственный критерий.

Прежде чем выбирать специальность - проверь, не закроют ли нужный тебе универ через пару лет из за оптимизации. У нас в регионе два IT-факультета объединили в один и половину кафедр порезали. Студенты доучивались кое как. Смотри на рейтинг универа, количество партнерских соглашений с компаниями и наличие современных лабораторий, а не на красивое название программы.

сам щас заканчиваю 3й курс прикладной математики и информатики, если честно - больше половины однокурсников не знают нормально ни один язык програмирования, зато мы тут доказываем теоремы которые в работе вряд ли пригодятся... так что универ универу рознь, смотри на конкретных преподов и отзывы выпускников а не на название специальности

Аналитик данных. Порог входа ниже чем в ML, зарплаты от 120к уже через год опыта, SQL везде, Python везде, вакансии во всех отраслях от банков до ритейла. И не нужна сильная математическая база на старте в отличие от настоящего data scientist.