支持向量机（SVM）是一种广泛应用于多个学科领域的监督式学习方法，主要在以下专业中学习：
计算机科学与技术
作为人工智能和机器学习的基础专业，涵盖数据结构、算法分析、机器学习核心课程（如SVM、决策树等），是学习SVM的主要专业。
数据科学与大数据技术
侧重数据挖掘、数据分析及预测建模，SVM在异常检测、推荐系统等场景有重要应用。
人工智能
课程包含机器学习算法（如SVM）和深度学习基础，用于模拟智能系统。
数学与统计学
提供线性代数、概率论等数学基础，帮助理解SVM的原理与优化过程。
经济学与金融工程
用于风险评估、资产定价等场景，SVM可处理高维数据特征。
工程类专业（如机械工程、电气工程）
在信号处理、模式识别等方向应用SVM进行数据分析和预测。
生物学与医学 ：用于基因序列分析、疾病诊断等生物信息学任务。
计算机视觉 ：在图像识别、目标检测中发挥关键作用。
若想系统学习SVM， 计算机科学与技术、数据科学与人工智能 是最佳选择。若需结合数学基础，可辅修数学与统计学专业；工程类或经济学等专业可根据具体应用方向选修相关课程。
温馨提示：
