苡居Ync66290
不知道您這裡的編程能力薄弱是指的什麼？
編程能力這個其實通過多練習，多一些項目實戰是能夠提高編程能力的。有一句話叫熟能生巧，參與的項目實戰多、代碼敲得多了，其實是能夠提高自己的編程能力的。
回到你的正題，計算機這個學科其實範圍太廣了。這個具體的要看你主要的學的那方面的內容？
我們來系統瞭解一下美國的計算機科學（Computer Science，CS）專業的16個分支。
人工智能
人工智能（Artificial Intelligence）學習研究的核心領域大致包括：學術呈現，推理，學習，規劃，決策，視覺，機器人，語音和語言處理。同時AI也旨在運用先進的算法來解決各領域的實際問題，其中包括生物信息學，網絡及各類系統，搜索和信息檢索等等。人工智能與認知科學也是緊密相聯的，包括心理學，語言學和哲學方面。除此之外，研究人工智能還需要涉及到以下的技術和工具：統計學，神經科學，控制，優化和業務研究。有的大學會開設AI與Machine Learning相結合的課程，但更多的大學開設的是獨立的機器學習課程。也有些大學雖然沒有AI專業，但是有Robotic Systems（機器人系統）相關的課程，其實也是類似人工智能的專業。
計算機算法和理論
計算機算法與理論（Algorithms and Theory ）是研究更高效的算法和協議。它強調學習許多20世紀的發明，如密碼學、計算生物學、機器學習、量子計算等先進算法和理論。同時計算機算法和理論還研究包括複雜性理論，算法，數據結構，計算幾何，密碼學，機器學習和計算經濟學，並且與計算生物學，圖形，網絡和系統緊密連接。計算機算法與理論屬於基礎理論學習的學科，需要紮實的數學基礎。
生物系統與計算生物學
生物系統與計算生物學（Biosystems & Computational Biology）越來越依賴計算機科學和電子工程的算法和工具。生物數據包括多品種的基因組數據，多態變體的數據庫，蛋白質結構和RNA結構，基因數據庫，實驗生物化學測量數據和生物醫學數據。對這些數據進行表達，操縱和整合需要計算機科學的技術，如數據庫，算法，人工智能，圖形，信號處理和圖像處理，因而生物系統也被稱為生物信息學（Bioinformatics）
大數據
大數據（Big Data）相關專業的別稱包括：Data Science（數據科學）、Data Analytics（數據分析）、Data Mining（數據挖掘）。由於互聯網和社交媒體的興起，數據量空前龐大，而獲取數據的設備也越來越多，如智能手機和微型傳感設備收集數據、科學儀器收集類似的基因組數據，天文數據，醫療。管理和分析“大數據”需要全新的技術和系統。除了通過常規數據庫系統及相關應用程序管理數據外（已經難以駕馭多樣化嘈雜的數據分析），還要增強捕捉和關聯個人數據，保護安全和隱私問題的能力。要解決大數據管理的各個方面，需要學習的方向包括：高性能計算，數據庫，雲計算，分佈式系統，可視化以及安全性和隱私的領域。所以大數據屬於CS中的交叉學科。
計算機系統結構
計算機系統結構（Computer Architecture）是計算機的機器語言程序員或編譯程序編寫者所看到的外特性。所謂外特性，就是計算機的概念性結構和功能特性，主要研究計算機系統的基本工作原理，以及在硬件、軟件界面劃分的權衡策略，建立完整的、系統的計算機軟硬件整體概念。有大學將Complier（編譯器）和Architecture（系統結構）一起研究，研究內容集中在為下一代計算機和計算組件進行硬件，編程語言和編譯器的設計，很多大學將編程語言及編譯器單獨開設課程進行學習。
計算機圖形學
算機圖形學（Computer Graphics and Visualization）的主要研究內容就是研究如何在計算機中表示圖形、以及利用計算機進行圖形的計算、處理和顯示的相關原理與算法。除這些以外，還會研究如何科學可視化，基於物理渲染，動畫製作，計算機輔助幾何設計，快速成型，計算機輔助角膜建模和可視化，醫學成像等等。相較於藝術類的動畫製作而言，計算機圖形學更注重算法及理論的學習。
數據庫系統
數據庫系統（Database Systems）的重點領域包括生命科學和生物數據庫，圖形數據庫，傳感器網絡數據管理，社交網絡數據管理，移動數據庫，P2P網絡和非結構化的文本數據庫。數據庫系統的學習將繼續在傳統數據管理的基礎上進行創新，如提高管理和查詢數據，空間數據庫的速率，增強查詢處理和優化，數據流，近似查詢處理和數據挖掘的能力。與Data Science相比，它更傾向於單純的數據處理管理（Database Management Systems or Information Systems），隨著時代發展，這個專業方向正在逐漸被髮展獨立開來成為IS。
分佈式系統
分佈式系統（Distributed Systems）往往與操作系統（Operating Systems）同時學習，也有學校直接用系統（Systems）來概括這個專業。學習的偏重性根據學校不同有所偏差。操作系統的研究重點是針對一臺機器或物理設備運行的系統軟件，而分佈式系統則是研究如何實現網絡互連的多臺計算機運行一致的，安全的，可擴展的，可靠的系統。學習重點包括調查算法，設計原則，並制定運行現代計算機系統所必需的軟件工程技術。
高性能計算
高性能計算（High-Performance Computing）主要是學習用大型計算機來解決的重大科學和工程問題及並行算法和開發相關軟件。HPC研究的重點在於從創新的核心數值算法中提煉精華，運用到系統軟件或者嵌入到需要大規模生產計算的工具中去。該專業的形成與“大數據”息息相關。有大學也將高性能計算的學習併入科學計算（Scientific Computing）的學習。
人機交互設計
機交互設計（Human-Computer Interaction）是指通過計算機輸入、輸出設備，以有效的方式實現人與計算機對話的技術。它與認知學、人機工程學、心理學等學科領域有密切的聯繫。主要研究在未來雲計算環境中如何人機交互，包括辦公室，家庭，移動，醫療互動。該課程強調對環境的感知系統，感知接口（如計算機視覺和語音），可視化和學習技術。
機器學習
機器學習（Machine Learning）的研究主要集中在機器學習的基礎理論和實驗研究機器學習算法。在學習ML的同時，要學習如何在其他領域運動ML，比如生物學和信息圖像採集。同時，大多數大學對將ML運用到大而複雜的數據集中非常感興趣，因而也將ML歸類於Data Science中的數據挖掘或分析。應用實例包括物種分佈的棲息地建模，大量學術文章主題歸類，大腦圖像分類，蛋白質功能分類等等。
互聯網與系統
互聯網與系統（Networking and Systems）的學習往往與操作系統直接相關聯，具體研究內容包括分佈式系統，操作系統，存儲系統，網絡和網絡架構，移動和無線系統和網絡協議設計。網絡架構的學習包括疊加架構，分佈式哈希，下一代網絡的設計，對等聯網，移動和點對點網絡，故障排除，能耗影響問題的研究等等。也有學校將互聯網與通信（Communications）結合進行學習，其專業性質是屬於EE與CS的交叉課程，很多學校歸類於EE，而伯克利大學將其歸類於EECS系下。
編程語言
編程語言（Programming Languages）的學習目的主要是為了提高程序的安全性和隱私性，極大限度得提高軟件的靈活性，可靠性，可用性，高效性，可重複利用性。編程語言的學習往往會和編譯器（Complier）一起學習，研究重點集中在雲計算，移動端計算，高利用率系統，靜態分析，函數型編程，調試和隱私保護計算。同時編程語言的學習非常側重於編譯器的優化，軟件的設計，合成和測試，因而編程語言往往也和軟件工程（Software Engineering）併為一個專業進行學習。
科學計算與數值分析
科學計算（Scientific Computing）也被稱為數值分析（Numerical Analysis）。它的重點是在設計和分析算法來解決各領域發生的數學相關問題，特別適用於科學和工程領域以及高性能電腦上算法的應用（最明顯的就是應用在並行和分佈式系統中）。研究的內容包括數值線性代數，快速求和的方法等等。並且在不同的領域中也有涉入，比如影像學，流體力學和聲學。也有大學將科學計算和數值分析分開，科學計算更傾向於高性能計算（HPC）的學習，數值分析更傾向於統計，數學領域。
安全與加密
安全與加密（Security and Cryptography）注重密碼學從理論到應用的學習和時間，並且強調研究數據庫的隱私，監控系統的隱私，基於Web的應用程序的隱私及傳感器網絡安全，測試平臺的安全，人機界面的安全，互聯網安全(在Networking專業的學習中也會涉及，但是如果被分出學習的話，更偏向於密碼學的學習，對數學邏輯思維的要求較高)等等。有些學校甚至從計算機信息安全這個專業的方向衍生到對心理學及經濟學、社會學的思考和學習中去了。
軟件工程
軟件工程（Software Engineering）的目標是改進現有的技術來提高軟件系統（也有學校開設Software Systems專業，其內容和軟件工程相似）的成本、準確性和可用性。將這三個互相制衡的因素都實現，是目前軟件工程研究的重點。同時軟件工程也致力於軟件的開發，測試及維護等等工作，立志於解決複雜系統及處理程序中產生的問題。
以上總共是16門學科，其中大部分並不需要具備非常熟練的編程能力。那麼關於你的回答，這個就要基於你自己的興趣愛好來做最終的決定。根據目前國內國際互聯網的發展趨勢，以及你的本身是女生，我給你的建議是，可以考慮[人工智能]、[科學計算與數值分析]、[人機交互設計]、[計算機圖形學] 這4個方向考慮！
溳城丁丁
如果以後不想從事編程工作的話，可以跨專業讀研究生，如果不想跨專業，大數據，雲計算，物聯網，智能識別這些方向是現在的趨勢。
有句話叫360行，行行出狀元，如果想畢業找研究生方向的工作的話，當然你要對在學校時所研究的方向有深刻的認識，否則也不太好找這些方向的工作。我作為一個畢業6年的計算機專業的女研究生，我看到的是女同學們大部分都轉行了，或者從軟件測試做起，現在當產品經理這種，或者國企，銀行做網絡維護，或者在信息部門做系統維護，就這樣吧！我個人看法，可能有誤，僅供參考！
單純妮子
可以考慮人工智能，大數據，虛擬現實，這三個都是未來發展的大方向，前景都比較不錯
