我个人觉得data science 和 machine learning 还是有些比较大的区别的。 做纯machine learning的会更关注算法创新，原理，证明，可解释性等等， 研究方向主要是做优化算法开发（比如Adam K-FAC），模型结构创新（比如nurelODE）等等。 ML 领域里的NLP，CV，RL这些偏应用的方向，就比较接近做软件开发+算法创新，主要的研究方向是以某一个任务在特定数据集的应用为目标，（比如CV中的object detection 在日常场景如COCO中的应用）。这些研究方向同时要求要有算法创新和实际应用，但是对理论的要求会低一些。 做data science会更在意数据收集，处理， 建模，可视化等等，这个方向我不是特别熟悉，和身边学这个专业的同学交流还是感觉和ml是差别很大的。

数学系可能会难，也可能会很抽象，但只要努力就一定会有成果。不要相信学习好的同学是比你聪明，努力才是获得好成绩的关键。如果宿舍学习不好的话建议多去图书馆学习，如果没有人和你一起去图书馆就一个人去，不要怕孤独。不要羡慕或者嫉妒任何人，今天走捷径得到的结果会让让你在未来付出代价。如果在国外找实习的话千万不要相信中介的谎言，学校提供的资源远远比中介靠谱。如果有签证方面的问题一定要去找学校的官方组织比如international student center，千万不要去找中介，中介只会制造焦虑，说中介也有好人的都是中介的托！远离中介！