研究生实分析

运筹学03:01来自LearningYard学苑运筹学是现代管理学的一门重要专业基础课，是应用数学和形式科学的跨领域研究，利用统计学、数学模型和算法等方法，去寻找复杂问题中的最佳或近似最佳的解答。它是20世纪30年代初发展起来的一门新兴学科，其主要目的是在决策时为管理人员提供科学依据。是实现有效管理、正确决策和现代化管理的重要方法之一。运筹学经常用于解决现实生活中的复杂问题，特别是改善或优化现有系统的效率。 研究运筹学的基础知识包括实分析、矩阵论、随机过程、离散数学和算法基础等。而在应用方面，多与仓储、物流、算法等领域相关。因此运筹学与应用数学、工业工程、计算机科学、经济管理等相关专业。运筹学主要研究经济活动和军事活动中能用数量来表达的有关策划、管理方面的问题。当然，随着客观实际的发展，运筹学的许多内容不但研究经济和军事活动，有些已经深入到日常生活当中去了。运筹学可以根据问题的要求，通过数学上的分析、运算，得出各种各样的结果，最后提出综合性的合理安排，以达到最好的效果。运筹学作为一门用来解决实际问题的学科，在处理千差万别的各种问题时，一般有以下几个步骤：确定目标、制定方案、建立模型和制定解法。虽然不大可能存在能处理极其广泛对象的运筹学，但是在运筹学的发展过程中还是形成了某些抽象模型，并能应用解决较广泛的实际问题。随着科学技术和生产力的发展，运筹学已渗入到很多领域，发挥着越来越重要的作用。运筹学本身也在不断发展，涵盖线性规划、非线性规划、整数规划、组合规划、图论、网络流、决策分析、排队论、可靠性数学理论、库存论、博弈论、搜索论以及模拟等分支。运筹学有广阔的应用领域，它已渗透到诸如服务、搜索、人口、对抗、控制、时间表、资源分配、厂址定位、能源、设计、生产、可靠性等各个方面。运筹学是软科学中“硬度”较大的一门学科，是系统工程学和现代管理科学中的一种基础理论和不可缺少的方法、手段和工具。运筹学已被应用到各种管理工程中，在现代化建设中发挥着重要作用。该试题答案由小编自己整理，如有错误欢迎指正。Operational research is an important professional basic course of modern management. It is a cross-field study of applied mathematics and formal science. It uses statistics, mathematical models, and algorithms to find the best or approximately best solutions to complex problems.It is an emerging discipline developed in the early 1930s, and its main purpose is to provide a scientific basis for managers when making decisions. It is one of the important methods to realize effective management, correct decision-making and modern management. Operations research is often used to solve complex problems in real life, especially to improve or optimize the efficiency of existing systems. The basic knowledge of operations research includes real analysis, matrix theory, stochastic process, discrete mathematics and algorithm foundation. In terms of applications, it is mostly related to warehousing, logistics, and algorithms. Therefore, operations research and applied mathematics, instrial engineering, computer science, economic management and other related majors.Operational research mainly studies the problems related to planning and management that can be expressed in quantities in economic activities and military activities. Of course, with the development of objective reality, many aspects of operations research not only study economic and military activities, but some have gone deep into daily life. Operations research can obtain various results through mathematical analysis and calculations according to the requirements of the problem, and finally propose comprehensive and reasonable arrangements to achieve the best results.As a discipline used to solve practical problems, operations research generally has the following steps when dealing with diverse problems: determining goals, formulating plans, establishing models, and formulating solutions.Although it is unlikely that there will be operations research that can handle a wide range of objects, some abstract models have been formed ring the development of operations research and can be applied to solve a wide range of practical problems.With the development of science and technology and proctivity, operations research has penetrated into many fields and is playing an increasingly important role. Operational research itself is also constantly developing, covering linear programming, nonlinear programming, integer programming, combinatorial programming, graph theory, network flow, decision analysis, queuing theory, reliability mathematical theory, inventory theory, game theory, search theory, simulation, etc. Branch.Operational research has a wide range of applications, and it has penetrated into various aspects such as service, search, population, confrontation, control, timetable, resource allocation, plant location, energy, design, proction, reliability, etc.Operational research is a subject with greater "hardness" in soft science, and it is a basic theory and indispensable method, means and tool in systems engineering and modern management science. Operations research has been applied to various management projects and plays an important role in modernization.The answer to this test question will be sorted out by the editor. If there are any errors, please correct me.参考资料：英文翻译来源Google翻译，运筹学概念资料来源百度百科本文由LearningYard学苑原创，部分素材来源网络，如有侵权请联系删除。文案 | WWW排版 | WWW审核 | 袁溢君

大家好啊，我是研学君，本文是我的第34篇考研原创文章。这两天研学君在指导复试班同学的过程中，发现同学们对于复试还是不够了解，并且看到网上的一些带有负能量的文章，如考研黑幕，复试被老师刁难等，便会很慌张，害怕自己遇到这样的情况，乱了复习节奏。因此研学君今天就单独写一篇文章详细的给大家介绍高校里复试是怎么操作的，导师需要什么样的学生，为什么网上总有复试的负面新闻。这篇文章的目的就是帮助大家稳住心态，了解复试，高效去进行复习。复试的重要性对于考研，很多同学的直观概念还是初试分数吧，网上的经验贴大多也是讲初试高分的情况，这也就导致了一个情况，大家的目光主要集中于初试，反而忽视了复试的重要性。高校最后录取学生的总成绩=初试成绩X权重+复试成绩X权重。这个权重各个学校略有不同，有七三开，六四开和五五开。一般来说越好的学校，复试权重越大，导师们就越看中学生的综合能力。当然，这些权重在学校的研究生招生网都有公布的，大家可以去查一下。光说权重大家没有直观的概念，那么以一个例子来说明吧。如果你和对手一起考的985高校，权重是五五开，你是380分，对手是350分，都过线顺利进入了复试。在初试，你的优势很大，领先了对手30分。但是到了复试，按五五开，把分数换算为100分（便于理解），初试50分，复试50分。这样的话，你初试成绩只是38分，对手是35分，仅相差3分！看到这里，同学们应该就明白复试的重要性了吧，初试30分的优势，按权重换算后，也就是3分，在复试中可能仅对手的口语就能弥补上来。因此对待复试，千万不能掉以轻心，初试那么艰苦的过程都挺过来了，复试再拼一把，也就上岸了，切忌放松，机会是留给有准备的人！（注：不同学校权重不同，上述是为了便于大家理解）复试黑幕？No！网上总是能看到有一些考生说某某学校复试很黑，高分被刷。我总结了一下情况，大致说的就是以下几种：（1）导师偏爱本校学生，直接复试走过场，排挤外校。（2）有低分关系户，初试排名倒数的人，分数比我低很多，最后进了。（3）学校政策差，为了招985和211调剂，刻意刷掉尽量多的一志愿双非院校复试学生背景在回答这些问题之前，我给大家讲个背景。同学们应该都有了解到，读研期间一般都会叫导师为老板，这是因为读研和本科不一样，本科你只要听课，做好自己的事情就行了。读研时候，你需要帮助导师做课题，做项目，刷论文，并且你做事了，导师每个月还会发给你科研经费。导师是发工资的角色，就像老板一样，那么他们需要什么样的“员工”呢？当然是有经验，有能力，可以快速上手工作的人。不过也有佛系导师，只要你能安稳达到毕业要求顺利毕业就可以，也不会发科研经费。回答问题（1）导师偏爱本校学生，直接复试走过场。其实你看了我上面的背景就会发现，导师挑学生就像老板挑员工一样，他们肯定都希望招知根知底的人来干活，这样上手工作快，也知道后期怎么去教导，提升他。导师偏爱本校学生的道理就是这个了，本校开设的专业课程，以及学生的素质水平导师都很清楚，后期指导也方便。但是外校的学生，本科开设的专业课程可能导师的研究方向不同，也不知道学生具体学的怎么样，只能通过半个小时不到的时间去了解，达不到知根知底，这样后期指导起来可能还要让学生再重新学专业课，然后多花精力去培养。从经济学的角度看，也是选本校的学生收益更高，那么老师为什么不选本校学生了，并且复试完，就可以直接让他进实验室干活了，不用再花精力去培养。所以说这个是黑幕吗？当然不是，这个是社会上公认的规则，公司也是有内推，然后才会向外界招聘。本校学生没有考更高一级的学府，也是放弃了一些，在复试有优势也属正常。（2）有低分关系户，初试排名倒数的人，分数比我低很多，最后进了。同学们都知道，复试确实可能会出现关系户，但是如果今年的进复试的学生都很优秀，一般老师都会向教育部争取扩招一个名额来给这个关系户，老师们也惜财也知道考研辛苦。不过关系户哪有那么多，再分到学校，分到各个专业，能碰到那也是可以去买彩票了，所以同学们想这个没有意义，不如去好好准备复试。但是网上很多拿这个理由来黑复试的人，那能说明什么呢？他没有认真的准备复试，或者说是没用对方法去准备复试。被刷之后，心中给自己找理由开脱，然而这个理由就挺好的。不过为什么看去年的录取名单，也经常会发现初试排名靠后的学生经过复试最后录取了呢？原因就在于别人的复试确实准备得很充分，像我在复试指导班里和同学交流时，就经常会提到，复试不像初试，它不仅需要笔试，还有面试，还有复试之前的工作，例如发邮件联系导师，与导师面谈等，后面这两项在复试中占得比重甚至比笔试还高。换位思考一下，如果你是导师，面试过程中碰到上台就紧张的学生，也不会表达自己的长处，英语口语也一团糟，交流起来费劲。整个面试下来，只知道他初试分数还不错，这样的学生你会要吗？你会有耐心去指导他吗？还是选另外一个初试分数也还行，学习态度不错，交谈起来很愉快的学生。考研是一场搏斗，不要想着自己表现差还会有导师来同情你！失败了也不要给自己找理由开脱，老老实实分析原因，去提高自己不是更好嘛！（3）学校政策差，为了招985和211调剂，刻意刷掉尽量多的一志愿双非院校复试学生这个情况其实也蛮常见的，不过我想对双非院校的同学们说，在你报名的时候估计也会看到过有这样的消息，知道自己复试会吃亏，不过既然都已经报名了，也进了复试了，现在能做的就是抓住可控的因素，去准备好复试，在面试时展现最好的自己，让导师把你留下。虽然说985和211的学生确实综合素质要高一些，大学四年的师资和资源也会拉普通院校一大截。但是，真正非常优秀的人早就出国或者保研去了，与你竞争的人是参加了考研，还没有被录取，最后调剂了的985或211学生。那么他们的优势也不是很大，只要你准备充分，是可以与之竞争的，就怕你先畏难，然后准备过程中偷懒，这世上的事，你不去拼，被别人取代不是理所当然的吗？没想到写了那么多的内容，大家能看到最后也是不容易的啊。不知道同学们看到我的文章之后，对考研复试是不是有更深层次的了解了呢？是不是觉得现在要抓住时间去准备复试呢？将自己最好的一面展现在导师的眼中，投其所好！哈哈哈哈，我平时的复试指导班里也有思想指导这一块，帮助同学们了解复试，制定针对性的计划去准备，在复试取得好成绩！今天将这个见得比较多的问题，把回答写成文章分享给大家，希望可以对你们有帮助，感觉不错可以点个赞哦~

专业介绍统计学原本是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察系统的数 据，进行量化的分析、总结，并进而进行推断和预测，为相关决策提供依据和参考。随着统计学的不断发展它逐渐被广泛的应用在各门学科之上，从自然学科、社会科学到人文科学，甚至被用在工商业及政府的情报决策之上，并逐步发展为一个独立的学科。统计学的分支统计学的研究大致可以分为两类，一类偏向于理论统计学，另一类偏向于应用统计学。其中：1.1 理论统计学理论统计学从纯理论的角度，对统计方法加以推导论证，核心是统计推断问题，实质是以归纳方法研究随机变量的一般规律。研究内容包括：样本设计、数据挖掘、随机过程、建立统计模型、模型的选择、时间序列、非参数统计方法、蒙特卡罗法、生存分析、空间统计、贝叶斯推论、各种经典的统计模型和各种概率论理论的学习等等。1.2 应用统计学应用统计学是统计学的一般理论和方法在社会，自然，经济，工程等各个领域的应用，它是统计学和其他学科之间形成的交叉学科也 是理论统计学发展的源泉。研究方向包括：生物/医学统计、环境统计、经济/金融统计、工程统计、农业统计、化学统计、心理统计等等。其中生物/医学统计、工程统计、环境统计、经济/金融统计的发展非常最为迅速，成为目前国外统计学研究的热点。（1）生物统计是运用数理统计的原理和方法，分析和解释生物界的种种现象和数据资料，以求把握其本质和规律性。其最常见的是应用于生物学、医学、农学等的研究中，合理地进行调查或实验设计，科学地整理、分析收集得来的资料。在美国，现在很多学校都专门设立了独立的生物统计系，另外生物统计有很大一部分设置在公共卫生学院(School of Public Health) 里面，毕业后可以在医院或者科研机构进行研究工作。（2）环境统计是用数字反映并计量人类活动引起的环境变化和环境变化对人类影响的工作。环境统计可为政府部门制定环境政策和环境规划，预测环境资源的承载能力等提供依据。包括：土地环境统计，、自然资源环境统计、能源环境统计、人类居住区环境统计、环境污染统计等，以及反映环境保护专业人员的组成和工作发展情况的统计。（3）工程统计是结合工程问题，研究怎样去有效地收集、整理和分析带有随机性的数据，以对所考察的问题作出推断或预测，直至为采取一定的决策和行动提供依据和建议（4）经济统计也是比较热门的专业之一，主要是对于经济金融活动进行数量方面的调查﹑整理﹑分析的，目的是认识经济活动客观规律，对经济活动实行科学建议、管理与监督。（5）除了以上比较热门的分支之外，还有一些其他分支。随着学科的发展健全，统计学与其他学科间的融合越来越明显，统计专业与学校内其他各个系之间合作的越来越多、越来越深入。统计学在美国 正如前文所言，统计学应用性强，本身虽然只是一种工具，一件武器，这些特点决定了它的适用范围非常广。产业和行业的发展离不开教育，在美国共有 4,100 左右所大学中，从顶尖的斯坦福大学、哈佛大学等到最普通的社区大学，大部分学校都设置了统计学专业。但各所学校的统计学又各有侧重，统计专业大部分设在文理学院，有些则为了与应用方向结合的更紧密，将统计专业设在商学院，工程学院、农学院等不同学院。这样广泛的学校资源和研究方向为各种背景、各类条件的申请者都提供了多元化、多层次的选择空间。统计学在英国英国作为统计学的发源地，拥有非常悠久的历史。对于专业细化的英国院校，英国大学的统计学研究方向，可以开始出现多学科交叉的专业，例如：数理统计、社会经济统计、生物卫生统计、金融统计与风险管理和精算、应用统计等。英国大学统计专业主要包括：一般统计、经济统计、社会统计等多种专业方向。该校培养学生能够掌握统计学的基本理论和方法，熟练地运用计算机分析数据，能在企业/事业单位和经济/管理部门从事统计调查、统计信息管理、数量分析等开发、应用和管理工作，或在科研、教育部门从事研究和教学工作的高级专门人才。申请要求申请者专业背景一般来说，美国和英国大学的录取委员会在招生的时候，比较倾向于具有理工科背景的学生，尤其是本科为统计学或者数学专业的学生。这些学生在低年级的基础课程大部分相同，只是在高年级的专业课有所不同，但还是有很大一部分交叉的课程，所以二者在申请的过程中差别不大。还有部分是转专业的申请者，录取委员会的教授们会比较注意这部分人的部分数学背景，比如一些数学类的基础课程，如数学分析，高等代数（或者是高等数学），统计的基础课程、实分析等课程。以斯坦福大学为例，该校的对申请者的专业要求为：A strong mathematics background, especially in probability, statistics and linear algebra, is important in the admission process. However, it is not the only factor that determines which applicants are admitted. If such is the case, it is strongly suggested that prospective applicants consider strengthening their math skills and apply later.软件要求（实习，科研，工作等等）1、对专业知识即专业软件的熟悉程度大部分学校需要申请者具有相应数学背景，即在数学相关的课程起码在五门以上，PHD 甚至要达到七门，一些计算软件，如 R、SPSS、Eviews、MATLAB、SAS 等的熟练操作和使用也是录取 委员比较看重的方面。2、参加科研项目情况这些是学生申请的基本条件之一，参加科研项目是录取委员会衡量你专业水平的首要标准，通 过申请者参与项目的多少，含金量的高低，以及从文书中所反应出你在这些项目中获得的能力和对专业的理解，都是录取委员会成员关注的内容。3、发表学术论文的情况针对本科生发表文章的要求不是太高，但是如果有的话，在申请前把论文摘要作为申请材料，无疑是吸引对方眼球的方法之一。4、实习/工作要求由于统计学是一个应用性非常强的专业，而实习或者工作无疑对于申请有很大的帮助。所以，我们强烈建议同学们能够利用课余时间参加相关实习。学费介绍以下是美国部分大学统计学专业学费的介绍，每年的学费范围基本在 $30,000~$95,000之间。（注：美国大部分统计学专业为一年半或者两年制）以下是英国部分大学统计学专业学费的介绍，每年的学费范围基本在20,000~30,000之间。（注：英国的大学统计学专业基本都是一年制）典型项目介绍Stanford University斯坦福大学统计学系近几年一直位居美国统计学专业排名的榜首。系内目前拥有全职教授29人,在读研究生近140人。学校致力于统计方法的应用而非统计理论的发展。学院的目标是培养学生具有使用概率和统计的观念和方法在理工科领域占有一席之地，给那些已经被普遍认为有用技术的理论和应用方面提供指导，培养在概率和统计方面的研究人员，学校为学生提供各种课程，同时也为他们提供在商业，政府，工业和教育方面的职业指导。统计学学位的要求非常灵活，取决于学生的需要和兴趣，学院很早就认识到统计理论和应用的关系，因此一直以来致力发展跟其它学科的联系：经济，教育，电子工各一，地理环境科学，健康研究和政策，数学，生物医学等方面.University of California—Berkeley加州大学伯克利分校统计学系目前拥有全职教授43人,在读研究生近90人。其主要研究领域包括理论统计学 (Theoretical Statistics)、应用统计学(Applied Statistics)和概率论(Probability)三大研究领 域,可授予统计学硕士(M.A. in Statistics)、统计学博士(Ph.D. in Statistics)、生物统计学硕士 (M.A. in Biostatistics)和生物统计学博士(Ph.D. in Biostatistics)四类研究生学位。学校在统计和概率上都有相应的研究内容和教育课程，除了发展基础理论和方法，同时也在解决多种环境下例如分子生物学，天文学，艾滋病学，神经生物学，社会，教育等领域出现的统计问题。学校也与其它领域和学科建立了广泛的联系，特别是数学，计算机和生物学，同时积极在新进研究生和教职员中找寻力量建立和稳固这些联系。John Hopkins University约翰霍普金斯大学统计学系是前十名学校中唯一一个隶属于工程学院的统计学系,其全名为“应用数学与统计学系” (Department of Applied Mathematics & Statistics)。系内目前拥有全职教授18人,在读研究生60余人。该校学位课程包括基础课程和各个领域的课程导论的所有课程，同时还有一些像统计，概率，运筹及优化方面的专业课程。学生，在咨询自己的指导老师后，可以申请一些富有挑战性的项目。 学院重视数学推导，数学建模等以解决问题为导向性的课程，目的是培养学生将来在数学或相关领域例如政府，工业部门和研究机构中具有专业技能。此外，JHU 还在公共卫生学院下设置生物统计系都设立在，因此学生物统计经常会与生物医学 背景的人打交道，从而沟通与交流的能力，统计方法和结果可以得到交流。专业研究包括：衰老研究，应用统计学，贝叶斯统计，生物信息学，癌症统计学，临床统计学主要研究临床实验(clinical trials) 的设计与数据分析等等。生物统计毕业的学生毕业后主要是做学术或者进药厂当 programmer 或 statistician，另外因为生物统计背景的学生也就是掌握了统计方面的知识，所以去 consulting、 nonprofit 甚至 finance 机构也是有可能的。Columbia University哥伦比亚大学统计硕士学位是为那些希望提高自己的统计理论与应用知识的学生设置的。大多数学生是为了从事统计学工作或提高自己的职业技能，还有一部分在读生打算攻读统计学的博士学位。学习该专业的学生，有部分是职场中人，哥大为了满足学生的要求，规定该硕士学位接受全职和兼职的学生。哥伦比亚大学的统计硕士学位的毕业生华尔街、纽约都从事着重要的公司职位，每位哥大的统计学系与华尔街、行业内人士、纽约的医学和基础科学研究人员保持着紧密的联系，同时也提高了当地的就业率。训练有素的统计学家在社会上是有持续的需求的。University College London (UCL)UCL统计学专业采用基础广泛的统计方法，为各类实践应用提供培训，让理论与应用之间达到极好的平衡。内容涵盖了应用贝叶斯方法，广义线性建模和面向对象统计计算在内的现代统计思想。核心课程包括：统计模型和数据分析，调查统计，统计计算和应用贝叶斯方法等，而可以选修的模块有：医疗统计，决策和风险，统计推断，预测，操作风险与保险分析的定量建模等。UCL的医学统计学位为学生提供了统计学理论的良好背景，以及在设计，分析和解释健康研究方面的实际操作经验。为学生配备了用于医疗经济评估的分析工具，该研究项目提供了使用真实临床数据集的经验。核心课程包括：统计推断，统计模型和数据分析，医疗统计和统计计算等。可以选修的模块有：贝叶斯方法在卫生经济学中的应用，流行病学和调查统计设计等。The University of Warwick华威大学的统计学课程为统计理论与技术提供了全面的基础，为涉及统计学的职业生涯提供了一个启动平台，学生将接受两门核心课程，统计方法和统计实践入门的培训，然后将其应用于可选修的六个模块。可选修的模块包括：高级统计设计，医疗统计，贝叶斯预测与高级主题干预和数据挖掘等。通过对数学和统计学的独立研究，进行更广泛深入的研究和实践。学生将从一开始就与世界一流的研究人员保持密切联系，帮助你就未来的研究主题做出明智的决定。学生将专注于分析，应用数学，数值分析，概率和统计等研究领域，整个项目非常灵活。毕业生受到工业，企业或政府机构的雇主以及实验室的高度重视，也将有条件继续在学术生涯更深一步探索。统计专业的就业情况 统计学专业作为应用性很强的专业，就业范围非常广泛统计学专业就业主要在医药类、工程类、金融/保险类等三个大方向，其他的都是小的分支。1、医药类 制药公司和生物技术公司往往有大量的医学/生物数据需要处理，这就决定了他们都需要一个稳定的统计学的团队来进行支持。尽管生物统计并不是公司里的核心部门，但作为药品开发，临床应用的所有决策的都需要来自公司统计部门的数据分析。尽管受到金融危机的影响，很多美国的大制药公司都先后进行了大规模的裁员， 但是这并不影响生物统计的就业，除非公司倒闭，否则从来没有任何作生物统计的被裁掉现在生物统计专业的员工。除了制药公司以外，统计学专业在制药类的另外一个就业方向就是在医院或者医疗类科研机构工作，在医学院，癌症，AIDS 研究中心这样单位也有很多的统计学的就业机会。尽管工资水平与制药公司相比稍低，这些岗位的工作环境舒适愉快，轻松，适合需要照顾家庭孩子的。如果附属在大学上的研究所，很多还提供减免学费的政策，如果想继续充电，可以边工作边上 PHD 的课，先学3-5 门再申请，再牛的学校都能申请成功。2、工程类 工程中为了实现利益和效益的最大化，必须合理的配置资源和人力，统计学在其中发挥着无可比拟和替代的作用，往往是需要的是一个统计学的团队，一个专家带领具有统计学博士背景的高级人员设计分析方法，然后硕士层次的专门的程序员去写实现，结果再由高级人员分析后提交给工程决策部门领导。对刚毕业的研究生来说，在工程类公司，年薪 9-10万非常普通，再少就比较少见，11-12 万的也很多见。虽然在工程类公司的工作比较忙一些，但升职空间很大，而且可以积累丰富的实际工作经验，是向更好公司跳槽重要筹码。3、金融/保险类 金融业的薪资待遇优厚，工作环境优越，吸引着很多人的目光是社会公认的白领阶层，是几乎所有毕业生向往的行业。虽然受金融危机的影响，虽然近几年金融行业受冲击最大，但仍是统计学毕业生的重要就业渠道之一。美国花旗银行副总裁柯林斯（Collins）在英国剑桥大学的讲演中叙述到：“从事银行业工作而不懂统计和数学的人实际上处理的是意义不大的东西。”足以证明统计和数学在在金融业界的重要性。在国外精算师是金融业金领中的金领，银行、证券公司、保险公司、投资公司对这类精算师的需求逐年上升。统计学毕业生能熟练地运用现代数学方法和数据对未来变化的趋势做出分析、判断，对风险具有敏锐的洞察力和处理各种可控风险的能力。所以具有良好的数学专业背景的统计学毕业生无疑能够在这个领域的就业中迅速进入角色。 目前金融业中级职员在国外的平均年薪达 10 万美元以上，国内月薪也在 1 万元以上。案例分享案例一毕业院校:国内非211院校主修: 金融学GPA: 3.8/4.0托福/雅思: 105+GRE/GMAT: 320+实习/工作: 两段银行投资部实习科研经历: 无录取院校: Columbia University, Georgetown University案例二毕业院校: 国内某211院校主修: 数学与应用统计学GPA: 2.8/4.0托福/雅思:6.5GRE/GMAT: 无实习/工作: 两段相关实习科研经历: 无录取院校: University of Glasgow, University of Sheffield, University of Lancaster案例三毕业院校:国内某985院校主修: 计算科学GPA: 2.4/4.0托福/雅思: 85+GRE/GMAT: 305+实习/工作: 两段相关实习科研经历: 两段相关科研录取院校: Marquette University, University of Missouri, Binghamton University案例四毕业院校:某美国top 50本科主修: 数学GPA: 3.5/4.0托福/雅思:WaiveGRE/GMAT: 320+实习/工作: 一段相关实习科研经历: 无录取院校: University of Southern California, University of Washington, Georgetown University案例五毕业院校:国内某中外合办院校主修: 应用数学GPA: 3.9/4.0托福/雅思:100+GRE/GMAT: 320+实习/工作: 一段相关实习科研经历: 一段相关科研录取院校: The London School of Economics and Political Science, Imperial College London, Cornell University, University of Michigan, Yale University案例六毕业院校:国内某985院校主修: 物理GPA: 3.4/4.0托福/雅思:105+GRE/GMAT: 325+实习/工作: 一段相关实习科研经历: 无录取院校: Columbia University, University of Southern California

人物介绍李跃一，南大商学院经济学专业大四，即将赴耶鲁大学生物统计系深造。南京大学校友发展中心主席，南京大学交响乐团二提首席，作为国家二级运动员曾效力于社会学院、商学院排球队。曾带队参加贝恩杯后获得咨询公司实习机会，担任过TBL中美领导力论坛志愿者等。“感谢南大的三三制教学和开放灵活的转专业、选课政策，我得到了最好的本科通识教育。在跨专业的探索中我逐渐发现了自己热爱的研究领域，从一个文科生转变成了理科生。”在6月6日召开的2018年本科招生政策发布会上，商学院2018届本科毕业生李跃一谈到“三三制”带给她的收获与体会时，说了这么一段话。如她所言，从初入大学到站在转向研究生的路口，从文科生到理科生，四年时间，三次学科选择，两度转换专业方向，这是李跃一经历中最令人好奇的一段故事，也是三三制为她拓宽的可能性。从社会问题到经济模型因为从小受家庭氛围的影响，李跃一喜欢读思想史，来到南大后也就自然选择了讨论社会现实问题的社会学专业。大一通过跨院系选修，接触到了微观经济学课程，在深入了解的过程中，那种简明生动的公式、用模型讨论问题的方法吸引住了她，也让她有了探索经济学领域的想法。一年后，通过转专业选拔，达到“专业准入标准”获得经济学专业的培养资格后，李跃一正式成为了商学院经济系的学生。作为文科生，初入商学院，最先遇到的挑战来自高层次数学。既需要补修原本属于大一教学计划内的高层次微积分，又要跟进大二新的数学学科，能否适应的压力迫使她每天疯狂地学习。但逐渐，她习惯了用符号语言表达思维逻辑，感受到每一个知识和方法的运用都是值得去尝试的新挑战，也从中发现了应用数学的魅力。仅仅掀开其面纱一角，便窥到了这样的景象，李跃一对应用数学产生了更大的兴趣，想要去发现它的更多面，因此，她还另外选修了随机过程、多元统计等课程。而在应用数学和统计方面的探索与积累，也为她后来再次明确自己真正想要的发展方向提供了助益。进校没有规定的专业“户口”，全校所有课程都成为每个学生的“囊中之物”，与院士、长江学者、国家级教学名师和学科带头人“零距离”接触，本大类院系的平台课专业课让学生了解了本专业的特色，跨院系选修让参与其他专业的课堂成为了可能，而上百门新生导学课研讨课、高年级通识课研讨课、创新创业课程、公选课、DIY课堂又给了大家自主组合课程菜单、丰富课程选择的机会。学生经过自主选课，可以自由“准入”或“准出”自己感兴趣的专业，再进入“专业培养阶段”，接受每个本科专业最核心的学科专业课程。这是“三三制”培养模式可以提供给每一位南大本科生的，入学录取不等于一锤定音，你完全可以在边接受本专业学习、边探索其他专业魅力的过程中，发现自己真正的兴趣所在，做出最适合自己的选择、接受与自己契合的本科教育。而李跃一只是受益于此的所有南大本科生中的一个代表。体验式的成长、可持续性的自我探索帮助她在跨专业的不断探索中，发现了自己真正喜爱的领域。对选择专业方向有点困惑、或者有转专业意向的学弟学妹们，李跃一学姐给出了她的建议：“可以在本科期间，尤其是在大一大二的时候，多去尝试一些跨专业的课程，以及一些通识课，逐渐发现自己真正喜欢的领域。对已经明确转专业方向的同学，不要迟疑，没有困惑，大胆去做。做喜欢的事总是动力满满的。修好准入专业课程，好好准备跨专业考试。”从金陵烟水到大洋彼岸大四这一年，李跃一参加了学校与加州大学合作的交换项目，也是在那里进一步确定了自己对应用数学和统计的兴趣。交换期间，她选择了一些跟研究生、博士生一起上课的难度很大的数学课，在短短几个月时间内自己拓展了运筹凸优化、常偏微分方程、实分析等诸多领域的知识。最后GPA4.0，在两门课上每次考试都是满分，总评班级第一。也是在交换期间，李跃一结识了一位提出主动带她做科研的教授，正是这位教授帮助她了解了生物统计学这个专业，使她发现她对统计、data science、生物医疗交叉方向的兴趣，都可以通过这个专业实现。因此，经历兜兜转转，李跃一以实力和勇气加冕，决定走出经济学的框架，走向生物统计学的天地，重新出发。最终，与研究兴趣的高度契合、自身的数理和计算机背景、经南大导师培养而得到锻炼的科研能力，使得她成功录取了耶鲁大学生物统计系这个每年只招十几名学生的项目。按照“三三制”的人才培养方案，学生进入“多元培养阶段”后，可以根据“多元化路径分流机制”，一边完成相应专业的“专业准出标准”要求，一边从“专业学术类”、“交叉复合类”、“就业创业类”三条发展路径中选择最适合自己的课程模块，可以专业化纵深、未来继续沿本专业深造，可以跨专业学习、成为复合型人才，也可以利用南大众多创业就业资源提早铺开自己的事业，进而实现个性化成长目标。我与南大二三事站在时间的渡口，回忆起在南大走过的这一程，李跃一用了“充实而快乐”形容这四年。南大开放灵活多元化的培养使她既有人文社科的体察和关怀，又有理工科的逻辑思维和方法。在这里，她感受到了极好的学术氛围，认识了极其可爱的老师，找到了志同道合的朋友们。也在丰富多彩的社团活动和社会实践中迎接挑战，开阔视野。四岁开始学小提琴，大一加入南京大学交响乐团，非艺术特长生的她成为了二提首席，每次演出都是震撼而感动的回忆；作为南京大学校友发展中心主席，在校友总会的带领下致力于完善南大校友网络，多次举办同乡会文化节等校园大型活动；通过学校提供的平台参加了Lean in中国峰会成为lean in speaker，担任TBL中美领导力论坛志愿者等等。虽然日程满满当当，但却很喜欢这种感觉，踏实、高效而充实，在她看来，每一天都看到自己做出的改变是最幸福的事情。而赴加州大学的交换之旅中，也有一段奇妙的小插曲，“一次跟那边一位教授聊天时，对方得知我是南大的非常激动，因为他八几年在德国带的一个他觉得最优秀的博士生就是南大数学系的。后来他跟我热情地聊了很多很多，专业，科研，文化差异等等。之后随着对我深入地了解他主动提出带我做科研。让我在感受到南大校友网络遍布全球时，也体会到在意想不到的地方可能就会得到来自南大校友的直接或间接的帮助。”对即将迈入大学校园的你们，李跃一学姐有这样两句话想送给你们，“选南大，不后悔，而且会超出你对大学的期望。不要随波逐流地选择专业和职业，理智地去做人生选择吧。”这也是小蓝鲸想给到你们的话，愿你们未来的故事可以有南大的参与，愿你与我们一同感受“最用心办本科的高校、最注重办学品质的高校、最具有书香气的高校”。愿今年九月，在仙林的晨光中，遇见你。来源：南大招生小蓝鲸

与美国单独开设金融硕士不同的是，英国很多商学院开设多种金融和金融交叉课程，英国金融专业通常是与财会、经济或投资相结合，有的属于学校的经济系，有的属于商科或管理系，分支很多每个学校的侧重点也不一样。接下来百晓生就为大家简单介绍一下英国金融硕士的申请情况。专业课程设置由于金融专业需要很强的数理背景，很多与数学紧密结合，数学或统计学，计量经济学等是英国金融专业中的重要课程。英国金融硕士专业有金融学、会计与金融、金融工程、公司金融、金融与投资、国际金融、银行与金融、金融与管理、风险管理、房地产金融与投资、金融与经济学等申请专业。如国际金融和投资专业，比较典型的项目是爱丁堡大学的投资与金融专业，凭借爱丁堡大学与国际知名投资或金融公司良好的合作关系，可以为英国留学生提供难得的实习机会或具有实际意义的研究课题，在这过程中能够真正达到提高自己专业能力的目的。推荐院校&申请条件伦敦商学院伦敦商学院( London Business school)是一所国际顶级商学院，也是英国伦敦大学大学系统的成员学院。LBS只提供金融和管理学方向的研究生项目，毕业生就业具有极强的竞争力，且大多进入世界顶尖公司工作，如投资银行、咨询公司和实业跨国企业。申请条件：最低要求2年金融相关工作，很多申请者平均有6、7年工作经验，需要参加GMAT考试，最好700+；雅思不低于7，在听说读写方面要非常流利。Masters in Finance提供全日制或在职教育，针对有工作经验的金融专业人士； Masters in Management一年制，针对工作经验不满一年的申请者。帝国理工学院帝国理工学院的MSc in Finance& Accounting项目为期一年，专为商科背景想要进入金融领域的学生设计的，可以根据自己末来的职业方向及需求来选择非常丰富的选修课程。申请条件：国内重点大学，211或985大学毕业，GPA3.5+；雅思7.0，单项不低于6.5，GMAT680分以上或者GRE320分以上。一般需要申请者有优秀的概率学，微积分，矩阵代数以及实分析的基础；申请者最好有相关的工作或者实习经历。华威大学华威大学( University of Warwick) MSc Finance专业让很多申请者望而生畏，一年只招生16-18个左右的中国学生，其申请难度非常大，要求也很高。如果有很好的国际交换背景，或者有很高的GMAT成绩申请时更有竞争力。申请条件：本科211院校，平均成绩在85分以上。雅思7.5分，单项不低于7.0分。背景要求：相关学科背景，如会计、金融、经济、工商管理、工程或其他科学，同时对数学、统计也有一定要求，且需要有GMAT成绩。由于篇幅原因，百晓生先简单为大家介绍这几所学校的申请情况。十月中旬，留学申请的第一波高峰期已经到来。为了可以赶上第一波申请，小伙伴们冲鸭！

统计学是一门关于数据分析的学科，用于测量，收集，整理，归纳和分析数据的真实情况和估算情况。统计学从 17 世纪的中期逐渐发展起来，不仅存在于概率与数理统计领域，还广泛应用在各种自然学科，社会科学和人文科学上，也会被用于各种团队，企业和国家的决策。随着大数据时代的到来，统计学也与计算机，信息学等领域紧密结合，是数学科学的有力工具之一。正态分布描述统计学又称为叙述统计，是统计学中用于描述和总结所观察到对象的基本统计信息的一门学科。描述统计的结果是对当前已知的数据进行更精确的描述和刻画，分析已知数据的集中性和离散性。描述统计学通过一些数理统计方法来反映数据的特点，并通过图表形式对所收集的数据进行必要的可视化，进一步综合概括和分析得出数据的客观规律。与之相对应的是推断统计学，又称为推断统计，是统计学中研究如何用样本数据来推断总体特征的一门学科。推断统计学是在对样本数据描述的基础上，对总体的未知数据做出以概率形式来描述的推断。推断统计的结果通常是为了得到下一步的行动策略。以上的两个统计学方向都属于应用统计学。W总体和样本在有的学校，统计专业是放在数学系里面的，而有的学校则是把统计和数学分开，形成数学系和统计系。无论分开还是合并，一般情况下都是放在理学院。NUS 统计与应用概率系统计系和数学系的低年级课程是十分接近的，基本上还是数学分析，线性代数，概率论等一系列的课程。Level 1000 和 Level 2000到了高年级之后，所学的课程与数学系的课程就会出现明显的区别。数学系的学生会学习实分析，复分析，泛函分析等一系列课程。而统计系的学生会学习回归分析，随机过程，数据分析，贝叶斯分析等诸多课程。统计系的学生更偏向应用一些，数学系的学生课程则会更加理论一些。Level 3000 和 Level 4000从 NUS 在 2020 的 E-Open House 的资料可以看出，统计专业的学生，其就业方向也是十分宽泛的，可以考虑去银行，金融机构就职；也可以考虑去咨询公司，也可以去政府或者教育机构找到合适自己的工作。统计专业的行业需求对于第四年的学生，如果在国内的话，一般情况下会选择保研，考研，找工作，甚至出国留学。有的学生也会选择去找一个长达半年到一年的实习。最后一年的项目相对于数学系，统计系的课程安排更加偏向于实战与应用，并且其实用性也会高于数学系的理论课程。如果未来要从事数据分析，商业分析等方向的话，其实攻读统计系是一个还不错的选择。在新加坡国立大学的统计与应用概率系，除了统计系这一经典的专业之外，还提供了 数据科学（Data Science and Analytics）这一个新兴专业供学生选择。众所周知，随着科技时代的到来，数据的增加是非常迅速的，无论是用户自身产生的数据，还是平台方产生的数据，都是十分巨大的。数据的增大那就意味着需要使用各种各样的大数据，统计，数学方面的技术来解决现有的疑难杂症，于是大数据时代的技术也逐渐映入大家的眼帘。数据趋势无论是国内还是国外，都在提倡智慧城市这一概念，那么在智慧城市中，大数据技术就是一个绕不开的话题。各行各业都将会使用大数据系统来做各种服务，包括推荐系统（Recommender Systems），高频交易，风险管理，移动支付等等。通过这些技术，人们的生活质量将会大大提升。通过这些产品，科技将会给人们带来诸多便利。智慧城市而数据科学是一门交叉学科，它需要使用到 计算机科学（Computer Science）， 数学（Mathematics）和 统计学（Statistics）等多种学科的技术和知识点。如果要应用在金融领域，还会要求从业者掌握金融方面的知识。因此，数据科学在这个时代背景下是具有实用性的，也是很多行业的发展趋势。数据科学从其课程设置也可以看出，学生们所学的课程包括编程，数据结构与算法，也包括微积分和线性代数，还有统计学等诸多基础课。在高年级的时候，将会学习人工智能，计算与优化，数据库，数据处理，机器学习等课程。除此之外，在具体做项目或者实习的时候，将会根据方向的需要来学习相关的业务知识，涵盖了金融，医药，调度优化等诸多领域。课程设置整体来看，统计与数据科学研究生专业是以实用性为目的，培养学生的理科思维，动手能力和数据分析能力的一门学科。如果你作为一个数学的学生并且希望将来学以致用的话，其实选择统计或者数据科学是一个不错的选择。更多考研资讯与信息，及时关注江西文都考研~

本文是通过在网络上搜集信息、整理完成，按照数学专业不同学科，筛选出了一些广泛使用、经典著名的书籍，其中每个学科按照教材、习题集、辅导处以及提高和拓展分层罗列。建议需要的数学老师或同学，可以在图书馆查阅，挑选部分适合自己的阅读参考。数学分析数学分析是数学专业的专业基础课，也是硕士研究生入学的必考科目，选择一本优秀的教材或辅导书，会是一个良好的开端。国内教材常庚哲，史济怀《数学分析教程》，适合信息与计算专业学生；徐森林，薛春华《数学分析》华罗庚《高等数学引论》，可作为课外阅读华东师范大学数学系《数学分析》，师范类使用最多的一本书；张筑生《数学分析新讲》：深入浅出，通俗易懂，具有新观点；李成章，黄玉民《数学分析》：实数完备性叙述全面；欧阳光中，朱学炎，金福临，陈传璋《数学分析》：普通高等教育“十一五”国家级规划教材；常用考研指定教材国外教材菲赫金哥尔茨《微积分学教程》和《数学分析原理》，一本大部头的名著，不适合初学者Rudin《数学分析原理》，需要一定的基础，书不厚，但有难度卓里奇《数学分析》阿黑波夫，萨多夫尼奇，丘巴里阔夫《数学分析讲义》Zorich《数学分析》，经典的英文教材，难度较大Apostol《数学分析》，一本受西方学术界、教育界广泛推崇，并被很多知名大学作为教材库朗、约翰《微积分和数学分析引论》，经典的、内容丰富的美国数学分析书习题集吉米多维奇《吉米多维奇数学分析习题集》，最好选择精选本，很多题过于简单林元渠、方企勤《数学分析习题课教材》、《数学分析解题指南》、《数学分析习题集》裴礼文《数学分析中的典型问题与方法》：收录了丰富的考研和竞赛的题目，难度不小，适合数学系考研参考使用辅导书辛钦《数学分析八讲》胡适耕、姚云飞《数学分析：定理·问题·方法》，富有启发性胡适耕、张显文《数学分析原理与方法》邓乐斌《数学分析的理论、方法与技巧》，值得一看谢惠民《数学分析习题课讲义》，适合考研的学生提高徐利治《数学分析的方法及例题选讲：分析学的思想、方法与技巧》G·Polya(波利亚)、G·Szego《数学分析中的问题和定理》汪林《数学分析问题研究与评注》狄多捏《现代分析基础》，涵盖了泛函和实变的内容丘成桐《高等微积分》，介绍的是流形上的微积分高等代数高等代数是数学专业的另一门专业基础课，是学习后续课程的基础。国内教材北京大学数学系代数与几何教研室代数小组《高等代数》，国内各大学尤其综合大学数学系广泛采用的教材，也是各大学的考研指定参考书姚慕生、吴泉水《高等代数学》，几何直观与代数方法结合，易于理解张禾端、郝鈵新《高等代数》，师范大学数学系广泛采用丘维生《高等代数》国外教材，科斯特利金《代数学引论》，与菲赫金哥尔茨的《微积分学教程》齐名的又一苏联伟大的著作辅导书胡适耕、刘先忠《高等代数：定理·问题·方法》杨子胥《高等代数习题解》或《高等代数精选题解》，有丰富的题目和解题技巧，具有启发性许甫华、张贤科《高等代数解题方法》，强烈推荐提高Greub《Linear Algebra》甘特马赫尔著，柯召译《矩阵论》，矩阵研究方面的权威著作许以超《线性代数与矩阵论》，一本有难度的好书叶明训《线性空间引论》邱森、朱林生《高等代数探究性课题》，具有启发性，可开拓思维解析几何教材吕根林、许子道《解析几何》丘维声《解析几何》尤承业《解析几何》习题集，巴赫瓦洛夫《解析几何习题集》辅导书苏联科学院院士狄隆涅《(解析)几何学》慕斯海里什维利《解析几何学教程》吴光磊《解析几何简明教程》提高向武义《向武义基础数学讲义·向量几何，解析几何，球面几何》概率论教材汪仁官《概率论引论》李贤平《概率论基础》，适合初学者陈希孺《概率论与数理统计》，强烈推荐陈家鼎、郑忠国《概率与统计》，强烈推荐盛骤、谢式千、潘承义《概率论与数理统计》，浙江大学精品教材杨振明《概率论》钟开来《概率论教程》提高程士宏《测度论与概率论基础》严土建、刘秀芳《概率论基础》汪嘉冈《现代概率论基础》拉普拉斯《分析概率论》威廉·费勒《概率论及其应用》，经典教材姚孟臣《概率论与数理统计讲义·提高篇》张德然《概率论思维论》朱春浩《概率论思想方法的历史研究》运怀立《概率论的思想与方法》常微分方程国内教材丁同仁、李承志《常微分方程教程》，国内较优秀的常微分方程教材王高雄《常微分方程》，广泛使用钱伟长《常微分方程的理论及其解法》，内容丰富国外教材庞特里亚金《常微分方程》Arnol'd(阿诺尔德)《常微分方程》彼得洛夫斯基《常微分方程讲义》辅导书朱思铭《常微分方程学习辅导与习题解答》孙清华、李金兰、孙昊《常微分方程内容、方法与技巧》提高阿诺尔德《常微分方程续论：常微分方程的几何方法》，非常的深奥Hirsh、Amale《微分方程，线性代数和动力系统》卡姆克《常微分方程手册》偏微分方程教材丘成桐《基础偏微分方程》，内容详细华中师范大学《偏微分方程教程》Evans《偏微分方程》，经典教材管志成、李俊杰《常微分方程与偏微分方程》复变函数教材龚升《简明复分析》，国内数学系广泛使用钟玉泉《复变函数》，同样是广泛使用的教材余家荣《复变函数》大连理工数学系《复变函数》习题集，沃尔克维斯《复变函数论习题集》提高普利瓦洛夫《复变函数引论》马库雪维奇《解析函数论》阿尔福斯《复分析》，最经典的复分析教材亨利·嘉当《解析函数引论》实变函数教材周民强夏道行、伍卓人、严绍宗、舒五昌《实变函数与泛函分析》江泽坚、吴志泉《实变函数》，适合初学者那汤松《实变函数论》习题集与辅导书胡适耕、刘金山《实变函数与泛函分析：定理·方法·问题》鄂强《实变函数论的定理与习题》孙清华、孙昊《实变函数内容、方法与技巧》提高汪林《实分析中的反例》泛函分析教材张恭庆《泛函分析讲义》夏道行《实变函数与泛函分析》，值得推荐郑维行《实变函数与泛函分析概要》郭大钧《实变函数与泛函分析》习题集与辅导书柯尔莫哥洛夫《函数论与泛函分析初步》，经典名著孙清华、孙昊《泛函分析疑难分析与解题方法》孙清华、候谦民、孙昊《泛函分析内容、方法与技巧》提高汪林《泛函分析中的反例》定光桂《泛函分析新讲》W·Rudin《Functional Analysis》高等几何教材梅向明《高等几何》罗崇善、庞朝阳、田玉屏《高等几何》周建伟《高等几何》微分几何教材梅向明、黄敬之《微分几何》陈维桓《微分几何初步》彭家贵《微分几何》周建伟《微分几何》苏步青、胡和生《微分几何》陈省身《微分几何》习题集与辅导书姜国英、黄宣国《微分几何100例》杨文茂、傅朝金、程新跃《微分几何习题集》利普希茨《微分几何理论与习题》梅向明、王汇淳《微分几何学习指导与习题选讲》提高苏步青《微分几何五讲》丘成桐、孙理察《微分几何讲义》拓扑学教材李元熹、张国《拓扑学》尤承业《基础拓扑学》，北京大学的教材辅导书熊金城《点集拓扑学讲义》J·L·Kelley《General Topology》习题集陈肇姜《点集拓扑学题解与反例》巴兹列夫《几何学与拓扑学习题集》提高R·Engelking《General Topology》Greenberg《Lectures on Algebraic Topology》巴尔佳斯基、叶福来莫维奇《拓扑学奇趣》M·A·Armstrong《基础拓扑学》近世代数教材冯克勤《近世代数引论》莫宗坚《代数学》熊全淹《近世代数》盛德成《近世代数》习题集，徐诚浩《抽象代数——方法导引》提高S·Lang《Algebra》E·Artin《伽罗华理论》离散数学王树禾《图论及其算法》Bondy、Murty《图论及其应用》耿素云、屈婉玲《离散数学》组合数学王天明《近代组合学》康庆德《组合学笔记》李乔《组合学讲义》，经典教材数值分析关治、陆金甫《数值分析基础》和《数值方法》李庆扬、王能超、易大义《数值分析》奚梅成《数值分析方法》林成森《数值计算方法》数学建模赵静、但琦《数学建模与数学实验》王文波《数学建模及其基础知识详解》韩中庚《数学建模方法及其应用》William P·Fox,Maurice D·Weir《数学建模》数学史

加州大学洛杉矶分校的经济学硕士申请难度极高，不仅需要本科最后两年GPA3.0以上，最好还要修读过相关前置课程，下面托普仕带来详细的申请条件介绍，并附带真实案例解析!加州大学洛杉矶分校经济学硕士申请条件：1、背景方面要求申请者本科毕业，不限专业背景，建议本科期间修读过经济学(如中级微观经济学与宏观经济学理论和经济计量学)、数学(如概率论、统计学和微积分)课程，也建议修读过其它数学和统计学课程，如线性代数、矩阵代数、高等概率论、数学统计学和实分析。2、成绩方面要求TOEFL总分不低于87分，写作不低于25分，口语不低于24分，阅读不低于21分，听力不低于17分，IELTS总分不低于7.0分，无单项分数要求。本科最后两年GPA3.0以上，需递交GRE考试成绩，但未设定最低分数要求。3、软性要求加州大学洛杉矶分校经济学硕士喜欢有实习经历的申请者，建议选择一些能够参与深度高一些的项目，比如一些大企业或者研究机构，哪怕一些比较小的project，实际参与进去能踏实的做一些事情，能与行业人士有一些交流和讨论，在这个过程中能扩展你的视野，一定是好的。一定要记住，参加的实习项目，深度远比广度要重要。推荐去国际银行、证券所、跨国公司实习。4、申请日期加州大学洛杉矶分校经济学硕士申请截止日期为3月15日，只开设秋季学期申请。加州大学洛杉矶分校经济学硕士录取案例：姓名：S同学GPA：3.6GRE：325托福：106本科背景：国内某985大学，经济学专业S同学是在大二签约的托普仕，进入服务后，老师首先给他定位，最终申请方向定在了应用经济学方向。并且规划老师帮助他找了国内的相关专业的实习项目，通过面试后，便顺利进入实习了，还有就是文书以及招生官的面试辅导。托普仕给S同学匹配了UCLA的海外文书老师帮助我进行文书的撰写与润色。给了他很多文书内容点的启发，如何更好的用朴实的语言表达自己，如何能在必要的地方彰显出自己的优势，如何能更快速的抓住招生官的眼球等等。在面试前期，申请老师也帮我安排了前UCLA的招生官进行了面试辅导。通过面试辅导，S同学也进一步确立了信心，并且在招生官的指导下，注重面试的关键点，最终不负众望的获得了加州大学洛杉矶分校经济学硕士录取!offer展示（了解更多留学案例，或咨询留学相关问题，欢迎评论区留言或私信）

作者 | 青暮、蒋宝尚编辑 | 青暮AI科技评论昨天推送了一篇文章《那些坚持做科研的年轻人，现在怎么样了？》，讲述了国内青年科学家遭遇的种种困境，某种程度上算是一篇劝退文。不知同学们看过那篇文章后，是否还保留着“成为科学家”的赤子之心。如果是的话，点个赞。只是读博中难免遇到令人心焦头疼的问题，那就是延毕，上面这篇文章也提到，这是个大概率事件。怎么才能顺利毕业呢？放心，只要完成了博士该完成的科研训练，毕业就不是难题。在这篇文章中，我们将为同学们读博指路。很多打算读博、即将读博或正在读博的同学们可能对此都还很困惑，也许在徘徊着不知如何前进，也许在后悔走错了路，甚至怀疑自己读了个假博。每个博士研究生都希望付出后能获得飞跃式的成长，并不留遗憾。毕竟读博是一项沉没成本很高的人生投资，也就是说，过程中的每一个选择都需要你付出巨大的努力，但不一定能带来收获。而在这个知乎问题下，不少过来人分享了自己的经历和观点。AI科技评论选取了一些高赞回答，并整理如下，希望能对同学们有所启发，少走弯路。1数学很重要读博之前，首先确保自己有足够好的基础，包括数理基础和编程基础，英语能力自然不用多说。同时，博士期间要兼顾课程和科研，对两者的平衡也是很重要的。良好的数理基础无数次的实践证明，没有良好的数理基础，很多时候研究都走不深。如果数理基础薄弱，在短期内也可能做出一些好的成果，但是长远来看研究的深度和持续性高质量原创输出是很难的。这也是为什么我们经常看到很多大牛本科出身是数学系的。数学系四年的高强度训练对以后做研究是非常有益的，其实像工科领域用到的所谓“很难的”数学基本上95%的情况不会超过数学系本科范围。知乎网友@王源分享了自己刷数学基础的经历：我个人本科自动化专业，数学基础也很一般。在博士阶段头一年就意识到数学的重要性，于是博士阶段头三年都会刷一些数学系本科的课程。目前把数学分析，实分析，应用泛函分析，线性代数，拓扑学，常微分方程，统计推断都刷过了，像抽象代数，微分几何，数论这些自己暂时用不上就没刷。即使是仅仅刷了一部分数学系本科课程，而且自学也赶不上科班出身的那么扎实，但已经让我获益匪浅了。至少对比大多数工科生，你会发现自己看问题的深度往往比他们深，同时你掌握了基本的数学知识后，和大牛们沟通起来障碍也小了很多。良好的编程实践能力在信息时代计算机的时代，编程能力毋庸置疑是非常重要的。编程实践能力不单单指你能把算法写成代码就完事了，还涉及如何设计出高效的代码，如何让你的代码更加健壮，以及如何让你的代码更加易懂易用。大多数工科非计算机的学生在编程上还是比较浅尝辄止的，因为单就发论文而言很多时候不需要很高超的程序设计能力，只要能把算法运行起来就行。这样做确实在短期内是完全没有问题，而且就短期来看是非常省事省力的。但某一天当你打开一年以前自己编的代码的时候，你就发现自己竟然看不太懂了。这是因为没有文档和注释，当初编程时也未考虑到程序的易读性。糟糕的设计模式也使得当你想稍微改进一下算法的时候，想要复用以前的代码变得异常困难，只好把以前写过的代码又重新再返工一遍。至于想把自己的工作传承给师弟师妹们的时候也变得异常困难（你自己过1年都看不懂更不用说让别人理解你的代码），所以后面的师弟师妹们又不得不重新再来一遍。大量的时间浪费在了无意义的重复中，自然对前沿方向的探索就时间不足。好的研究是站在巨人肩膀上的，好的研究是需要继承的。@王源谈到，对于“继承”可以从两个方面来理解：一个是继承别人的，一个是继承曾经的自己的。平衡上课和科研关于平衡上课和科研，知乎网友@刀客特李分享道，要选择足够有代表性的专业课，并保证课程的成绩大部分为优秀。在博士第一年和第二年的时候。每个学期要至少选2门专业课（指的是海外博士，国内的话，可能是4门以上），同时做科研工作。这个过程其实是比较痛苦的。因为其实光是上课、完成作业、期中和期末考试就不容易了。国外的研究生课程通还要组队做project，做presentation，一个学期3门课已经苦不堪言，4门课还能同时做TA或RA的已经是到了极限。但是这是博士头两年的必经过程，必须要训练这个同时handle多门课程+项目，且不耽误自己科研的能力。2阅读文献要快阅读文献是科研过程的每天必做功课，并且要有大量的积累。首先要训练每天花时间看文献。如果不能保证每天都看，也要保证每周有看一定数量。读文献讲究方法。了解本领域最近进展，只看文章的标题和Abstract，遇到感兴趣的和重要的留下来重点关照。@刀客特李说，几年博士生涯下来，读过的文章已经超过几千篇，精读文章超过几百篇。要积累如此大量的文献阅读量，快速阅读的能力是不可或缺的，知乎网友@浩浩耗分享了自己是如何从这方面进行锻炼的。和很多科研小白一样，@浩浩耗一开始阅读文献是非常低效的：我刚开始进入科研圈的时候，看文献巨慢，我喜欢从abstract到result一字一字的读，什么？你说discussion，其实到现在我也最讨厌读discussion，因为太费脑。有一次因为在会议中回答不出导师的问题，导师威胁说给一个月的时间，如果到时还是回答不出来，就在两周内读完相关领域的所有文献，@浩浩耗吓的赶紧逼着自己一个月读完了100篇文献。按我之前那种龟速阅读法，就算蹲坑我也看文献也不可能看完啊。所以没办法，只有逼着自己开启浪读模式，记得当时给自己规定的是，一篇paper不能超过20min，并且之后要自己闭卷用英文把这篇文章的key point写出来。当然一开始非常痛苦，但越到后面发现速度越快，当然一个月后的项目讨论也比较顺利，并且我发现从此以后看文献的技能好像进入了下一个等级。这里@浩浩耗提到了快速阅读文献是诀窍是训练总结的能力，@刀客特李也提到了相同的观点：平时读文献，看新闻，听报告，或是自己的灵感，遇到好的点子都可以随时记录下来。这样保证自己处于本领域或本行业的最前沿。同时业保证自己在做手头项目的同时，还有新的想法和工作可以展开。3实验可复现是基本要求科学研究成果的基本要求是实验的可复现性，这也是科学自身的定义。知乎网友@雷风恒强调道，“一个博士的实验是可以复现的，这是基本要求了。”数据的表征和分析需要深厚的功底，确保拿到的数据是真实可用的，并且解析是客观公正的。而实验和数据分析的最终目的是从现象中找到本质，不能唯象的去解释。为了使实验结果清晰易懂，优秀的做图能力也是不可或缺的，@刀客特李分享了自己做过的一些原理展示图。@刀客特李调侃道：这个是画图的训练，我觉得博士下来，除了科研，还把自己训练成一个美工了，哈哈。专业画图软件有PS、AI、CAD、3D软件等。此外，@刀客特李还分享了一些做实验的记录手稿。@刀客特李表示，做到必有实验日期、实验目的、实验过程、实验现象，还有实验结果。要有产品ID、测试结果、对应的页码。实验记录本中的名字-代号-ID，和测试仪器以及个人电脑中的文件夹名字可以对应，方便随时查找。好好打理实验记录本，有助于从数据中挖掘出有用的信息，从失败的结果中分析出可能的原因，也方便日后写文章时查找。当然了，最后也少不了各种数据分析工具的训练，包括Origin、Matlab、Python等。4把握研究方向，成为领域专家博士需要自己的大领域有一个整体的把握，同时对自己的小方向有细致入微的认识，这也是做科研的基本功。@雷风恒分享道：我老师曾经说过，导师就是告诉学生哪可能有金矿，学生去挖。选题的意义不言而喻。往大了说，决定了方向是否有意义。往小了说，影响了一个人的发展前景。选题要选好，作为学生要兼顾课题组基金情况、科学意义以及满足自己发文章毕业。除了阅读文献和做实验，还要积极参加学术会议或行业会议，尝试在会议中做报告（最好是英文的国际报告）或poster。有了足够的文献阅读和做实验的经验后，你才能成为领域专家。就是说至少有某一个小领域，你能站在世界前沿水平。怎么样就算足够呢？@王源表示，从主观角度来讲，就是：在这个小领域内你是非常非常自信的，你一出手就是碾压的存在。这需要你对这个小领域内经典paper和近期前沿的paper都非常熟悉，而且自己也动手实践过。这个小领域其实基本上就是你发paper的点了。5学术成果展示和社交密不可分科研不是只有埋头做研究，还要让他人知道你的研究成果，所以学术交流即成果展示也是博士期间不可或缺的一环。@刀客特李谈到，作为博士，势必要在系里、学校里登台演讲；在国际会议如MRS、ACS、IEEE等大场合登台演讲；还有qualify、预答辩、答辩。“不利用这些机会把自己锻炼成一个合格的演说家，真的不算是完整、全面的科研训练啊。”成果展示和社交是密不可分的，另外，学术圈是一个相对封闭的圈子，圈子里的同行是相对固定的，所以在学术圈混，是需要一定的“混”圈子能力。那么怎么样去在学术圈社交呢？@王源提到：在学术圈社交的先决条件是你自己先得具有相当的学术能力，所以对低年级博士来说首要任务是多发高质量论文，提升自己的能力，而不是搞所谓的社交。只有你具备相当能力后别人才会来和你进行平等的学术社交，否则只能是单方面“跪舔”或者单方面“施舍”。高年级博士生在学有所成的基础上可以刻意的进行一些学术社交活动，拓展自己的人脉关系也是非常好的。社交除了必要的情商，中英文学术口语表达与沟通能力也非常重要。规范的表达，通俗的解释能力提升学术效率。这方面的练习方法可以有很多种，例如多听报告，多看美剧.......关于交流学术成果，有个前提是做一个好的PPT。Nature曾经有篇文章，从13个维度，手把手教研究者如何做报告。主要是针对内容过于繁杂的学术演讲，给出了13点建议，例如：1、不要“一视同仁”，演讲前做调研，做出满足多样化人群的报告。2、明确中心思想，制作PPT之前，用一两句话写下你想传达的信息。3、图片非常重要。图片比文字、说话更有冲击力。4、照顾后排的视觉效果。避免使用复杂的图表，尤其是排版密集、字体过小、表格较多的展示5、打破经验法则。演讲界盛传的“一分钟一张PPT”的经验只在少数情况下适用因篇幅有限，更多内容，请移步《Nature：13个维度，手把手教“研究er”如何做报告》6论文写作是基本功博士要具有良好的写作能力。因为作为博士，写文章并发表是基本操作。无论是继续搞科研，还是进入工业界，写作能力都是必须要具备的。@雷风恒介绍到：论文撰写有点像八股文了，语法把控推荐grammly免费版。results and discussions部分是很精华的一部分，需要对数据的解释有很高的把控。另外，他还介绍了一个写论文的网站，名为科研者之家，此网站从写作，到选刊，最后回复意见都有一些辅助工具。部分功能如下图所示：网址：http://www.home-for-researchers.com/static/index.html#/关于如何写论文，之前AI科技评论也曾根据人大赵鑫老师的讲座，整理了一篇文章《如何以初学者角度写好一篇国际学术论文？》。这篇文章从常见的写作错误逻辑引入，例如：“因为模型A好使，所以用A做某任务”、“因为任务B没有人做，所以我做了”、“之前的人做了什么工作，我做了什么工作，我的好”。然后详细介绍了引文、相关工作、定义、模型、实验、摘要结论等写法，以下是几个要点：1、引文非常关键，是你整个论文的门面，摘要基本上是没啥大用，只要不是写的太差，审稿人不会因为摘要拒掉论文，但是引文写不好，却100%会被拒掉。2、相关工作的写法是：首先必须覆盖所有的相关工作，这在于平时的积累。一定要分类整理，不要简单的罗列“A做了什么，B做了什么”，重在总结。3、定义部分写作：介绍清楚所有术语；给出所有符号的含义以及使用方式；形式化地描述清楚任务。总结起来有三点：好看、好记、成体系。4、模型的部分在论文中占比非常多，记住逻辑很重要，常见的方式有这么几种：总分式、总基础版本、增强版本。5、实验部分的一般流程包括介绍数据集合、评测指标、评测流程，还有主干的实验分析，还有模型的细致分析，还有定性的分析。6、摘要这部分是花费时间最少的，在这无需太多的细节，不需要代入，讲清楚任务、方法和创新点就可以了。7、在总结部分，切记英文语法可以用现在完成时，过去时，但不能混着用。总结一下具体任务，解决方案，实验结果，未来扩展即可。最后，写论文的完整流程，如下：7思维严密与完成一件事情的方法论博士的本质是专业的训练以及科学方法体系的建立。博士应该做到两点，一是在自己的专业领域足够专业；二是博士读完，应该建立科学的方法体系，而方法体系具有一般适用性，主要目标是：应该学会如何完成一件事情。另外，博士期间还需要锻炼严密的逻辑思维，那么该如何训练？@浩浩耗分享了自己的经历：我们组会日常的一个训练叫做hypothesis talk, 其实就是向全组展示，你选择的研究方向是基于一个什么样的假设，然后大家围绕你的假设以及实验设计提出一系列的问题。其实这个很重要，因为基本上如果你要基于这个假设来开展你的项目，那么这个假设的好坏可以说就基本决定了你这个项目的上限，或者说的更直白一点，能发什么等级的paper。@浩浩耗还提到，博士四年，印象中听到老板说的最多的一句话是，只有当不管最终的实验结果是否支持你的hypothesis，你都能基于这个结果开展下一阶段的研究时，这才是一个好的hypothesis（用人话说，不管结果好坏，paper都能发）。经过四年摧残，@浩浩耗论证了这么一个“真理”：逻辑这东西是没有上限的，只要持续摧残，它依然能有所提高。8心态：保持幸福博士要有良好的心态。一般博士学位的获取，少则需要四年，多则五六年，一定要保持健康的身心。在这几年，也就是博士阶段绝大多数人都会遇到瓶颈。例如，工科博士刚毕业半年的@王源举了几个例子：导师完全放养不知道研究方向是什么？写了第一篇文章发给导师被骂写得是什么垃圾。投了文章被审稿人拒稿，感觉自己做的研究没什么意义，博士进入第三年或者第四年还没有发出paper整天焦虑的不行，看到和自己一起入学的同学发paper的发paper，准备毕业的准备毕业，自己什么进展也没有就更加焦虑到不行。另外，美国埃默里大学曾做过一番关于研究生自杀行为的调查。结果显示，在调查的301名研究生中有7.3%的人有过自杀念头，2.3%的人有自杀计划，1.7%的人在自杀中受过伤。德州大学也曾有类似的研究，他们对2279名研究生进行调查后发现：研究生的抑郁和焦虑程度是普通人群的6倍多。如何调整心态呢？首先要找到幸福的含义，具体到不同的群体，对幸福有不同解读，多年之前流传的那句，“幸福就是猫吃鱼，狗吃肉，奥特曼打小怪兽”诠释了幸福的动态含义。另外，心态、行为决定感受，能够让人感到幸福的一些操作包括：1、参加活动，使其能够处于“心流状态”，即专注于某项事情，忘记了时间和周围的世界；2、做一些能够展现性格优点的任务，持久快乐的真谛来源于不断实践自己的性格优点，例如热爱学习、坚持不懈；3、有完成任务的内在动力；4、有成长的心态，相信几乎所有的技能都是可以学习的；5、时间比金钱更加珍贵，金钱可以“买”到自由的时间；6、把钱花在体验上面，而不是花在购买物质方面；7、善待他人、加强社会关系；8、吃好、睡好、玩好，有规律的健身以及有活在当下的心态。参考资料：https://www.hu.com/question/384512106?utm_source=wechat_session&utm_medium=social&utm_oi=26684480815104&utm_content=group3_questions&utm_campaign=shareopn[赠书福利]在AI科技评论9月11日推文“《柏拉图与技术呆子》：探讨人类与技术的创造性伙伴关系”留言区留言，谈一谈你对本书的相关看法、期待等。AI 科技评论将会在留言区选出5名读者，每人送出《柏拉图与技术呆子》一本。活动规则：1. 在留言区留言，留言点赞最高且留言质量较高的前 5 位读者将获得赠书。获得赠书的读者请联系 AI 科技评论客服（aitechreview）。2. 留言内容和留言质量会有筛选，例如“选我上去”等内容将不会被筛选，亦不会中奖。3. 本活动时间为2020年9月11日 - 2020年9月18日（23:00），活动推送内仅允许中奖一次。EMNLP 9月16日出录用结果了！