數學、物理、化學等基礎科學，著重邏輯思考與數字演算，是一般學生從國中開始就最熟悉，也可能是最頭痛的幾門學科。加上就業市場直接對應的職缺不算多，多數人直覺認定這是「內容難、出路窄」的學門。
事實上，數理化在科技資訊業的各種研發與應用中，都是基底學問。具備演算能力和邏輯訓練的數理化人才，若要跨到程式開發、資訊工程等當紅的領域，上手速度往往更快。
AI與大數據 理論基礎就是數學
「AI人工智慧的盛行，主要的理論基礎都是數學，」東吳大學數學系副教授林惠文表示，數學是基礎科學之母，現在各產業要建置的AI技術，必須結合數學中的統計理論，並搭配資訊、財金、醫學等專業知識，才能有效落實AI進程。
林惠文表示，知名的華裔數學家丘成桐曾說：「人工智能需要一個堅實的理論基礎，否則它的發展會有很大困難。」這個基礎，就來自數學。
這也是近年各大學數學系所紛紛開設AI、大數據相關課程的原因。
東吳大學數學所正是第一個開設大數據分析相關課程的研究所，分成「決策科學與海量資料分析」與「數學」兩組。決策科學組必修科目包括資料探勘、高等應用統計、作業研究；數學組則有分析通論、代數通論，學生可互相修習這兩組課程。
除了理論，東吳數學所也很重視實務分析技巧，廣邀業界專家參與教學合作，就是為了讓學生能夠理論與實務並重，進一步增進就業競爭力。
很多人都以為算數能力好的學生才能讀數學所，林惠文說，其實對挖掘數字背後的意義有興趣更重要。不論是抽象地喜歡思考、追根究柢，或是對資料分析、股票分析有興趣的學生，都很適合。
AI與大數據的基礎是數學，科技業研發的基礎，就是物理。
中興大學物理學系教授陳惠玉說，國內科技業以代工為重，一般人常有「基礎科學相關系所不利於就業」的誤解；事實上，科技業的研發創新，正是由具有完善物理訓練的人才撐起。
舉凡積體電路元件的設計與製作、半導體材料的開發、奈米檢測技術研發、光電元件的設計與製作、面板的光學核心技術、無線通訊研發或製程、生醫檢測技術研發等，都需要具有物理知識背景的專業人才。
也許因理工系所的名稱，看起來比較貼近業界，其實物理系所的學習內容，才是突破科技局限的根基。觀察台灣前幾大科技廠歷年的招聘人才訊息，對物理系所人才的需求，從未下架。
物理人才的特點，就是沒有單一科技產業的限制，各科技領域都適用。物理系所的訓練著重於邏輯思考，看問題的角度更寬廣，讓物理人才在不同產業的生存能力更強。
結合物理基礎與工程實務 訓練扎實
很多人擔心物理所課程太理論，與實務脫鉤。
陳惠玉強調，絕對不會，目前物理所課程多半結合物理基礎與工程實務，學生在研究所生涯中的完整訓練，有助面對未來挑戰。
興大物理系為了因應科技發展需求，也成立奈米科學所，以跨領域的方式，發展應用科學、半導體科技及生醫檢測為目標，開放化學、材料、電機、電子、機械等科系學生報考。
主要研究方向包括：固態物理學相關的材料物理與奈米科技；理論物理與計算物理相關的量子電腦；人工智慧與模擬計算；傳統光學雷射物理及光電元件；以及生醫感測應用與生物物理。
以材料物理與奈米科技為例，主要研究半導體物理、奈米元件製造等，就業方向為半導體相關產業與法人研究機構，常擔任研發、測試、製程或磊晶工程師等職務。光電物理研究所訓練出的學生，更是緊密連結至光電、半導體、綠能與光學設計等高科技產業。
生醫感測應用與生物物理則是最新趨勢。一般大眾很難將物理與生醫連結在一起，其實許多醫療重要技術，都有物理學家的貢獻，如X-ray、核磁共振造影等技術。物理訓練能讓學生更快切入問題核心，統整不同技術與方法找出問題解決方案，是培養未來奈米生醫最有潛力的生力軍。
• 適合就讀對象：邏輯能力強、喜歡探究數字背後意義的學生
• 可能就業產業：半導體業、科技製造業、光電產業、綠能產業、財務金融產業、奈米科技產業等
• 主要職位：半導體工程師、精算師、化工工程師、奈米科技研發人員等
