应用统计学研究生方向

北京理工大学应用统计硕士考研成功经验分享一、择校原因北京地区985，学费一万五每年，学制两年。分数线相比其他985低些（但是专业课偏难），竞争相对不太激烈（前些年是这样的，这几年难度加大不少），校区的位置虽然偏远，但是综合各种因素，觉得是性价比较高而且努努力可能够到的学校。二、考研初试经验（1）英语：个人认为英语最重要的就是单词，不需要听课学做题技巧，单词认识就什么都解决了。英语我花的时间比较少，因为我英语基础还可以。背单词我用的是红宝书，从三月开始每天背些单词，刚开始背的时候也很痛苦，背了几天就背不下去了，后来就逐渐习惯了，没有觉得那么难熬了，所以大家一定要坚持下去，刚开始背都是很难的。单词一直到考研之前都要反反复复的背，能记多少记多少，红宝书的大部分词汇我应该是背了两三遍这样，这时候阅读就没有什么大的障碍了。习题方面我就做了英语二的十年真题，大概四五月我就开始做了，先做每套卷子的阅读，一次只做一篇然后精读、翻译，把每个不认识的单词都记下来背熟。剩下题型的顺序可以随意，作文放在最后练习。完形填空也不难的，不要放弃。真题我觉得做一遍就够了，没必要像数学一样做好几遍。后期准备作文，我没有整篇的背，背了两三篇发现根本不知道怎么写。时间比较紧，就按照类别背了一些句子，比如解释图表的、给建议的、总结类的等等。小作文也是每一个类别准备几个关键的句子，道歉信、建议信、申请信等。在考试之前一定争取多写几次，掐着时间写作文，尽量把字写工整。（2）数学：数学是我花时间最多的科目，能达到70%。高数部分。我从三月份开始听了汤家凤的高数基础班，做笔记，然后看了一遍同济版的高数课本并做了一遍课后题，看一章听一章这种。很多人觉得看课本做课后题没用，效率低，但我还是希望把基础打牢一些。后来我又听了一遍强化班，汤老师的视频比较基础，节数也很多，所以我一般是倍速听。听强化班的同时我做了张宇的高数十八讲，也是听一节做一节。由于前期效率低，而且还要上课考试，占用了好多时间，所以我第一遍十八讲做完大概已经是六月了。之后做的张宇的1000题（高数部分），难度挺大的，而且到后期做真题的时候发现和考研数学的方向貌似不太相符。不过我只做了这一本习题，也不知道其他的什么样。1000题高数部分做完好像也快九月份了。线代大概是五月份开始的，跟高数的复习方法相似，听了李永乐老师的线代基础班，然后看课本，做课后题。等到强化班的时候就做他那本讲义，没有做其他题。这些弄完已经快十月了，进度真的挺慢，当时自己也急得不行，希望大家还是要尽快，尽量多做题。概率是六月开始的，也是先看了课本，浙大那个最基础的版本，后来觉得概率相对容易就没有看视频，之后用的是张宇的概率9讲，做完以后都八月了。概率的部分要好好学习，有时间最好再学习一下茆诗松的概率部分，做课后题，初试专业课的概率部分这样就大概够用了。九月和十月我又看了一遍高数十八讲和1000题的高数部分，二刷线代和概率的讲义，总结题型和做题方法，我做题的时间比较少，大部分时间都是花在整理方法上，所以没有做其他习题。十一月份才开始做真题，开始得太晚了，我建议大家最晚十月份，真题就要开始了，两天一套真题，我只做了20年，不过前些年的确实简单，我认为也可以不做，我因为时间紧真题就只做了一遍，后面做了一些模拟题。数学虽然花的时间最多，但是做题做的还是少，导致今年的数学考的很差，数学大家还是要尽早准备，多总结、多做题、多花时间。（3）思想政治理论：政治我是八月份才开始的，听了徐涛的强化班，用的肖大大的精讲精练和1000题，因为觉得政治准备的时间长短分数可能并不能拉开太大差距，不如把精力放在数学和专业课，所以政治我花的时间很少，1000题做了一遍，没有看思修的部分。做了肖四肖八的选择题，还做了几套其他卷子的选择题，大题就只背了肖四，时间紧也没有全背，大概背了三套。最后得了65分，不高，但是觉得跟我花的时间还是匹配的。（4）专业课：专业课里面的概率和数学三里的概率基本一致，北理初试的概率把数学里的学好就足以应对了，复试概率可能会难一些。八月份我开始学习数理统计，这本书刚开始看觉得特别难，当时也不知道看什么资料，所以使劲的研究课后题，但是后来觉得意义其实不大，太难了，考试基本不会考这样的。但是课本的例题还是要研究透，不能只会做期末那几套卷子，今年的专业课确实和以前不太一样，这就考验知识的扎实程度了，要把例题的方法都研究透。同时把数理统计和概率论的PPT看好，PPT上的章节基本就是考试范围了。重点复习PPT、期末考试试卷，可能有原题，题型也很相似。然后看一下贾俊平《统计学》的方差分析和回归分析，一般只考小题或者简答。最后总结一下简答题可能问到的，集中背诵，然后看历年的真题回忆，初试的内容就差不多了。三、考研复试经验今年是网络复试、参考意义不大，但是北理复试占比很大，即使是在今年线上复试的情况，因此复试逆袭的人很多，所以复试一定要非常重视，对所有可能考到的概念都要深刻理解。四、最后小建议复习的过程中一定要稳住心态，不跟别人比进度，踏实地做好自己的计划，我复习的过程中感觉到复习的进度远远落后于大部队，看别人做的习题都很多，而且我暑假是在家学习了一个多月，心里也是觉得很焦虑，但是事实证明能不能上岸和进度、暑假是不是回家了都没有绝对的关系，不需要给自己太大压力，不需要按照别人的计划的要求自己，但是要有自己的想法比如周计划月计划，即使不能及时完成也要有个框架，坚持下去就是胜利。（本文来源于公众号“上海考研集训营”，相关考研资讯可前往查看）

一、前言首先我必须得说，这是一篇特殊的经验贴，也是一篇很真实的经验贴，因为这是一个一志愿考研失败的考生扎心的分享。我相信在看过了太多成功经验之后，再来看看这一篇或许你能够有一些其的它感悟和收获。对于考研这件事，尤其是对于想考名校的热门专业的同学来说，这篇经验贴或许更加适合大多数人。正如一位学长曾经跟我说的“考研就是千军万马过独木桥”一样，我们有时候不得不承认，考研一志愿上岸的永远都是小部分人。所以不妨换一个心态，更多地去思考我们在努力的过程中学到了什么，而不是过多地去在意结果的好坏，毕竟有的时候确实是无心插柳柳成荫。二、个人情况及选择接下来说一下我个人的情况吧，我本科就读于华中科技大学，专业是卫生事业管理专业，本科期间学过微积分（97分）、线代（98分）、概统（80分）三门数学的基础课，六级494分（阅读部分是230分）。考研总分388分，其中思想政治理论78分、英语二84分、数学三138分、统计学88分（专业课掉链子……）。至于我选择应用统计的原因，是因为在四年的学习中我发现，我的热爱依旧在数学，所以当时也是放弃了参加我们院的保研考试。在选择专业时，我也是直接在数学学院中寻找到了应用统计这么一个目标。而怀着一颗名校梦的我，当时一腔热血地选择了清华作为我的目标院校。清华每年的招生计划是7人，但有时也会适量扩招几个，比如2018年扩了两个，2020年可能因为疫情的缘故扩招了2个。清华应用统计在2018年之前分数相对来说还是比较乐观的，2016年进复试的最低分数是360分（如果我没记错的话），而在2018年之后则情况大变，从2019年的390分到2020年的400分，难度可以说是越来越大。其实这个变化也是可以理解的，大家对于人工智能、机器学习和深度学习的热情逐步高涨，而应用统计作为一个相关且相对好考的专业，必然是会遭受到相当大的冲击的。尤其隔壁北大在去年已经取消了全日制应用统计专业的招生后，更会有大量的考生流入到清华的竞争中来。伴随着这种趋势的，还有清华专业课每一年的变化，对于考生来说都将是一次艰难的挑战：跨考生越来越难考上、对于公共课的要求也越来越高等等……所以我强烈建议各位想报考清华应用统计的同学们一定要综合考量自己的能力和水平，尤其是在统计学中不能够有任何短板，许多比较偏、难的知识点（比如强大数定律、收敛性的证明、双样本似然比检验等）也要有一定的把握和理解，才能够赢下这场战役。三、初试复习经验我自己的经验而言，这几门课的重要性是专业课>数学三>英语>政治，所以下面也就按照这个顺序来写。1.统计学先说说专业课吧，其实对于前几年的考题来说，茆诗松的那本《概率论与数理统计》就已经包括了大部分的考点，所以最重要的就是这一本书，一定要把这本书的课后习题及例题多做几遍。但清华专业课不说考试大纲这一点就很耐人寻味，也就是说他无论出什么题都不属于超纲，这也就要求我们要尽可能的把数理统计相关的知识点都要有所把握，这几年的趋势也正是如此，所以在学有余力的情况下，最好也把李贤平《概率论基础》中关于收敛性的知识和陈家鼎《数理统计学讲义》中假设检验的相关知识也了解一下。不过在看过茆诗松的书后，看后两本会有些吃力，因为相比起来，后两本写得是有一些晦涩难懂，这是正常的不要慌，努力啃下这两块硬骨头。就这几年的真题而言，清华专业课还是有一定规律可言的，首先概率论部分可能会出一道大题，大概分值在20分，当然也有可能不出（如2019年），这部分内容不难，只要掌握了数学三的知识就没什么太大问题；其次就是关于收敛性的一个证明题，这是清华专业课的一个特色，近三年都对于该知识点有一个20分的考察，而且有变难的趋势，所以想考高分的同学一定要在这方面下足功夫，什么依概率收敛、依概率1收敛、r阶收敛、按分布收敛等的证明必须烂熟于心，茆诗松书上的例题也一定要多过几遍，切比雪夫不等式的证明也很具有启发性。参数估计是清华最常考的，2020年真题甚至直接出了一道65分的题目，几乎把参数估计的相关知识点都覆盖了一遍，所以这部分一定要重视起来！而假设检验一定要把概念、原理理清楚，才能够把题目做对。比如2019年真题就考过一道概念的论述题，如果平时学习中没有对这方面有一个自己的思考和认知，考场上遇到就很容易懵了。除此之外，对于各种各样的检验方法也要去体会其中的原理、思路所在。比如2018年考了拟合优度、2020年考了似然比检验。除了这些常考的知识点之外，偶尔也会出现一些关于统计量（充分统计量、完全统计量、次序统计量等）或是生成随机样本（基本也就是用到茆书上提到的随机模拟法或者中心极限定理等）之类的题目，这些也需要我们在复习中考虑到。方差分析和回归这几年没有怎么考察，但也有可能未来会作为知识点，所以也需要有一定的了解。最后总结一下，清华专业课着重考察的是你对于各个知识点原理、思路的理解，所以在学习专业课时一定要本着追本溯源的原则，真正地理解其本质和内涵。而我个人专业课拉大胯的原因就是最后一道45分的似然比检验没有很好的思路，也是我知识点的一个短板，于是导致这次考研失败，所以你们一定要吸取这个教训，在清华面前不能有知识盲区！2.数学三我个人认为最重要的书是李永乐老师的《全书》，尤其是它里面的例题最有启发意义。而习题我当时用的是李永乐老师的660题、张宇老师的《闭关修炼》，其实有时间的话我也推荐汤家凤老师的《1800题》，张宇的1000题我认为就没有必要做了。套卷我也做了许多，包括李林、李永乐、张宇、汤家凤的，个人感觉做套卷对于分数的提升是最有作用的，在考研前1个月左右我就开始一天做一套保持手感。当然这个套卷要在你把基础知识都抓牢的基础上再去做才会有意义，所以之前就努力把《全书》或者《闭关》多刷几遍，刷到每一个知识点都能够熟练于心再开始套卷。今年线代那两道题难度较高，需要引起重视，或许在考研竞争越来越激烈的情况下，数学三的难度越来越大会成为一种趋势，这对我们解决问题的能力愈加是一种考验。3.英语二英语其实没有什么特别好说的，大家应该也看过很多类似的经验贴了，这里我就说几点：第一，真题阅读非常的重要，建议多刷几遍英语二的阅读。其实我之前看经验贴说英语一的阅读也很重要，但于我而言，我没有怎么刷过英语一的阅读，因为我一直觉得一、二卷的阅读思路是不一样的，所以我就只是刷了两遍英语二的阅读，最后考研也是只错了一个阅读；第二，推荐老蒋的英语二阅读书，这是我做过的最符合英语二真题思路的一本阅读；第三，作文一定要趁早练，多积累词汇，多输出。我客观题只错了3分，但主观题（尤其是大小作文）扣了13分，真的很伤；第四，最好每天都能保证英语的学习，起码一天要能够做两篇阅读保持手感；第五，完型主要看你语法功底，如果语法不行确实挺难的，所以不用花太多时间，把真题里的完型做一遍就OK。4.思想政治理论政治其实也没什么过多说的，前期刷好肖秀荣老师的1000题，配合政治刷题小程序，利用上碎片时间多刷选择题，基本就不会有大问题。最后把肖四肖八的选择题做一遍，背好这两本的主观题，就可以上考场了。今年很多人说肖老师主观题翻车了，但其实只要你把肖四肖八上的主观题背下来，考场上依旧是有话可说的。我最后选择题是45分，主观题拿了33分，在北京这个政治旱区，我对这个成绩是比较满意的。四、调剂复试由于我专业课拉大胯，没有进入到清华的复试中，所以这方面的经验很遗憾，不能够推荐给大家。所以这里就说一下我调剂的经验吧，希望能够帮助到有需要的同学们。应统调剂说实话挺难的，一个是因为热门专业，报考人数多；另一个是因为清华专业课分给的不高（当然厉害的还是分挺高的orz），北京又是旱区，所以在调剂的时候没有很大的优势。我当时调剂的时候也是用的考研调剂小程序看了看往年接收调剂的院校，确定了兰州大学、深圳大学等几个比较乐意去的院校，也去看了他们的复试参考书。这一点很重要，因为每个学校的参考书不一样就会导致复试内容有差异。之后也去联系了中国药科大学的导师（由于我本科是医药方向，感觉更有优势），导师也表示欢迎我调剂他们的课题组。但等到调剂系统开放后，一切都变了。接二连三地，我的申请被深圳大学拒了，兰州大学我也未能进入复试名单，甚至最有希望的中国药科大学也没能够把我放入第一批复试名单……那个时候确实是崩溃的，感觉自己被整个世界抛弃了。后来我通过了解才知道，调剂系统只能够按照分数高低来筛选人，而今年的应统分大家或许也知道：神仙打架，比我分高的人太多太多了，尤其是广东考生以及东北考生。正当我打算找工作或是准备二战时，中国药科大学突然给我打了电话让我第二天复试，原因是第一批调剂并没有招满。后面我稍微看了看他们的参考书，复试问的问题也不难：首先考了三道比较基础的统计学题目；其次英译汉；最后综合问答，最后也是成功被录取。由于我本身是跨考生，又碰上今年这个特殊的情况，所以最终没有选择二战，接受了录取。不过今年也是特殊，大家都是网上复试，也就导致去复试的成本大大减少，所以会有很多高分选手报很多学校但最后不去，明年情况或许会大不一样但我还是想给你们一些关于调剂的建议，第一个要确定自己的底线，想清楚自己读研到底是为了什么，不能够在自己绝望的时候饥不择食。第二个就是要耐心等待、放平心态，不要觉得被拒绝了很多次就表示自己很差，调剂和一志愿就是两回事，一志愿唯唯诺诺的院校到了调剂很可能重拳出击。当然还是希望大家不需要走调剂这条路，一志愿上岸才是最好的结果！五、一些后话在考研后我也结合了身边人的例子反思了一下我的这次考研过程，努力的过程真的很美好，希望大家可以不负韶华、追求理想。而且选择有的时候确实比努力更重要，一定要审慎地看待自己，选择最适合自己的目标院校。当然我们正值青春，为了理想奋力一搏也未尝不可，毕竟只有努力过才不会后悔。最后愿各位今年都能够成功上岸，一研为定！来源公众号：新祥旭北京考研

文|Wing学姐近年来，数学优化和统计方面的新发展已经彻底改变了系统工程，信息科学，信号和图像处理，统计错误校正和密码学。在学术研究和实际实施中，都迫切需要新一代数学家，他们需要在数学优化，统计学及其在工程，医疗保健，金融和经济学中的应用领域工作。运筹学、统计学、商业分析方向的专业既技术又实用。学生能够集成最新的统计知识和优化知识，以解决，分析和提供对不同专业环境中给定问题的合理评估。这是一个多学科领域，涉及数学优化技术，运筹学方法，程序设计和统计的研究，并将其应用于经济学，金融，医学，工业管理，自然科学等领域，受到越来越多有相关专业背景的学生的青睐。01 伦敦大学学院推荐专业：Statistics MSc统计硕士/Mathematics Ecation MA数学教育硕士课程1：Statistics MSc统计硕士系所：统计科学该系所有三个硕士项目：MSc Data Science；Statistics MSc；MSc Statistics (Medical Statistics)课程特色：该项目学习统计方法，将理论和实践结合起来。它涵盖了现代统计学思想，包括应用的贝叶斯方法，广义线性建模和面向对象的统计计算，以及传统统计学理论和方法的基础。适合希望获得定量学科（例如数学，统计学，物理学，化学，生物学，计算机科学，工程学或经济学）第一学位的学生可以申请，可获得统计理论和应用方面的高级培训，以使他们能够进入专业工作或学术研究。申请注意：1.申请者需要具备大学水平的数学方法和线性代数的知识，并熟悉概率和统计学。还将考虑相关的专业经验。2.个人陈述：结合基本的学术要求，个人陈述是说明申请人要申请此课程的原因是否与课程提供的内容相符。打包文件3000字符（含空格）；或一份包含个人陈述的文件（无字数限制，但建议不超过2页A4纸）课程2：Mathematics Ecation MA数学教育硕士系所：课程，教学法与评估系课程特色：UCL的教育学有很多分支方向，其中一个是Mathematics Ecation MA，如果学生有数学背景，可以考虑这个项目。数学教育硕士课程面向教师，导师和其他对在各级教育中如何教授和学习数学感兴趣的人。该项目使学生有机会探索数学教学中的问题，考虑理论基础，并对数学学习进行严格的研究。该课程适合对数学教育感兴趣的初等，中等和继续教育的教师，以及在数学和教育方面具有深厚背景的其他人。申请注意：1. 申请者要具有通常在数学或教育方面的专业背景，而专业的教学或辅导经验也将被视为相关经验。2. 除个人陈述外，所有申请人还必须提交一份具体的书面录取任务，其中概述了申请者感兴趣的数学教育研究调查。02 爱丁堡大学推荐专业：Operational Research MSc运筹学硕士系所：数学与统计课程特色：项目帮助学生如何使用数学技术解决现实生活中的问题，这些问题包括计划航班和路由移动电话，优化电力系统和物流网络，管理投资并最大程度地降低风险。完成学业后，学生将收获到：在数学建模方面积累了专业知识，基于对运筹学、优化和数据分析技术的深入了解以及使用适当软件进行应用的能力，从而获得了灵活的问题解决能力，获得可转移技能，以最大程度地扩大在各种公共和私人机构中的就业前景，包括写作、口头陈述、团队合作、数字和逻辑问题解决，计划和时间管理，在各种应用的编程和建模方面学习过实践技能，扩展了对相关学科的理解，例如高性能计算，金融和工程。申请注意：申请者专业：在数学、工程学、计算机科学、物理或生物科学、经济学或商业等学科中获得英国2：1学位或其国际同等学历。03 布里斯托大学推荐专业：MSc Business Analytics商业分析理学硕士系所：管理学院管理学院78％的研究被评为世界领先或国际一流（REF 2014）课程特色：理学硕士商业分析课程将使学生具备技能和能力，可以根据数据和统计方法对客户的行为，市场趋势和商机发展出切实可行的见解。学生还将根据对社会负责和合乎道德的数据使用方式，了解业务分析的战略价值和管理含义。申请注意：申请者：需要有应用社会科学或自然科学学科（或相关领域）的2.1学位，例如数学，统计学，经济学，计算机科学，工程学，科学，数据科学/分析，运筹学，会计，金融，管理/决策科学。申请人必须在定量分析（例如，应用统计，统计分析/分析）中通过单元/模块的考试。04 伯明翰大学推荐专业：Mathematics, Operational Research, Statistics and Econometrics (MORSE) Masters/MSc数学，运筹学，统计和计量经济学（MORSE）硕士/理学硕士系所：数学学院课程特色：伯明翰大学的研究人员最近展示了现代优化和统计方法如何成功地应用于工程设计，财务和经济数据分析，元分析，经济均衡，网络通信和组合优化。该课程引导学生在定量分析的广泛专业领域中发展他们的数学，商业，经济学，科学或工程背景，使得学生具备整合统计和优化知识以解决，批判性分析和对问题进行合理评估的能力；学生可以学习使用软件包进行统计分析和实证研究。在数学学院学习，该学院因其在各个领域的研究质量而享誉国际。学生可以专注于寻找更广泛，更具挑战性环境中优化问题的最佳解决方案。申请注意：1. 伯明翰大学的本校毕业生无需提供成绩单或学位证书的副本，但是学校建议2000年之前毕业的申请人提供其学历的副本，因为他们可能需要更长的时间来进行验证。 2. 个人陈述：大约5,000个字符，说明申请者对选择的课程感兴趣的原因。可以将其上传到PDF或Microsoft Word格式的个人声明部分。或者，可以在应用程序门户中输入此内容。05 曼彻斯特大学推荐专业：MSc Business Analytics: Operational Research and Risk Analysis商业分析硕士：运筹学和风险分析系所：曼彻斯特联盟商学院课程特色：在Data Analytics（数据分析）课程上，有一个单元将向学生介绍SAS Enterprise Guide 和 Miner软件。而该项目的课程作业奖励将由SAS公司赞助。此外，该课程还包括一个德勤（Deloitte）进行的案例研究，一个SAS关于分析的未来的演讲以及关于联合利华（Unilever），CGA，巴克莱银行和Convergys公司正在进行的专题论文项目。该课程与决策和认知科学研究中心紧密相连 ，这意味着学生将从结合了最新研究的教学中受益。学生可能还会发现与正在进行的研究项目合作并参加由研究中心组织的研究研讨会的机会。06 南安普顿大学推荐专业：Operational Research (MSc) 运筹学硕士系所：曼彻斯特联盟商学院课程特色：发展学生分析技能，以取得在商业和行业中取得成功的能力。在发展知识以解决复杂挑战时，学生将与跨国组织一起进行现实案例研究。为行业或研究中的奖励职业做准备。运筹学是将科学方法应用于复杂组织问题的研究。 作为运营研究人员，学生将在商业和行业中扮演重要角色，为管理团队提供分析和指导。如果学生擅长数学，享受解决问题的能力并且具有很强的沟通能力，那么这对学生来说可能是一个有益的领域。 在这门英国硕士课程中，学生将学习关键技能和知识，以为组织问题提供有效的解决方案。 学生将学习诸如收入管理和预测之类的主题，并学习提高组织效率和生产力的技术。 申请注意：申请者需要有2：1的学位，并有计算机科学、经济学、工程、数学、物理、统计等相关专业的背景。 英国自然科学专业（数学等科目）前25所高校在QS 2020年排名

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

作为一名计算机专业的研究生导师，我来探讨一下这个问题。在硕士研究生阶段，计算机专业的研究方向还是比较多的，主要包括嵌入式系统、实时系统、并行计算、信息安全、数控技术、分布式计算系统等方向。当然，不同的培养单位通常也有不同的方向设置，主要根据培养单位的导师资源、科研环境和课题资源来制定培养方向。博士研究生的培养方向包括数控技术与实时系统、网络通信技术、大数据管理与应用、移动互联网技术等。在进行具体方向的选择时，应该考虑以下三方面因素：第一：流行趋势和发展前景。在具体方向的选择上应该重点考虑一下目前的流行趋势和发展前景，在不考虑人工智能领域的情况下，可以重点考虑一下大数据、物联网、移动互联网、信息安全等领域。另外在产业互联网发展的大背景下，也可以重点关注一下工业控制、实时控制系统、数控技术等方向。第二：个人的知识结构和兴趣爱好。不同的方向对于知识结构有不同的要求，比如嵌入式方向需要掌握计算机体系结构、电子电路、计算机网络等知识，而大数据方向则需要具备扎实的数学基础和一定的统计学基础。在具体方向的选择上要根据自身的知识结构进行选择，同时也可以兼顾自身的兴趣爱好。第三：目标学校的实际情况。通常来说，不同高校（科研院所）在研究生教育资源的分配上，针对不同的方向也会有所侧重，比如有的高校会侧重于嵌入式方向，有的高校会侧重于大数据方向，而有的会侧重工业控制方向等等。在具体方向的选择上，应该结合高校的实际情况。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网方面的问题，或者考研方面的问题，都可以咨询我，谢谢！

首先，软件测试岗位自身的发展空间与所处的行业领域有较为直接的关系，如果在测试领域长期不能有所突破，对以后的职场发展会产生一定的影响，应该积极通过自主学习或者调岗来完成突破。对于研究生来说，如果想要通过自主学习来完成岗位转换，当前可以重点考虑一下大数据领域，由于研究生往往具有扎实的数学基础，所以往大数据方向发展也会相对比较顺利。目前大数据领域的岗位比较多，包括大数据平台开发、大数据应用开发、大数据分析和大数据运维等，其中大数据分析岗位的发展潜力还是比较大的。对于测试工程师来说，如果要转向大数据分析岗位，需要注意以下几个方面知识的积累：第一：大数据平台知识。从事大数据分析一定离不开大数据平台，掌握大数据平台相关知识是从事大数据分析的第一步。大数据平台目前有开源平台也有商用平台，对于初学者来说，应该从开源平台开始学起，比如Hadoop、Spark平台就是不错的选择。第二：统计学知识。大数据分析需要用到大量的统计学知识，所以学习统计学知识也是大数据分析工程师必须掌握的内容之一。由于统计学本身也是数学的一个分支，所以对于研究生来说，学习统计学知识并不会遇到太大的困难。另外，在学习统计学知识的同时应该注重与实验相结合。第三：机器学习知识。机器学习是大数据分析的两种主要方式之一，相对于统计学分析方式来说，机器学习方式对于算法设计和算法实现的要求都要更高一些，所以掌握机器学习需要一个系统的学习过程。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！

一、关于考研相信看到这篇文章的同学中，大部分已经下定决心要考研，想通过读研去到一个更好的学校，进一步地提升自己丰富自己，让自己更加有竞争力，这些因素都是支撑我们在考研路上不断前进、坚持下来的信念。对于还在纠结是否要考研的同学，因为每个人的情况各不相同，希望你能够想明白考研到底能够给你带来什么，想明白如果没有考上你是会直接工作还是继续二战，我觉得只要你能够想明白这些问题，我相信你就能做出最适合你的选择。二、自我介绍本人是中南财经政法大学计算机专业本科生，跨考中南财432应用统计硕士专业，第一年考研的时候成绩不理想初试没过，因为我已经是下定决心要读研，所以一战失利后没有太多的心里挣扎就选择了直接二战，二战考研总成绩400分。三、关于考研择校和定专业关于择校，因为我本身就是财大本科的，所以最低的选择我也会选和财大水平相当的院校，而由于我是跨专业，本科也没有接触过统计学相关的课程，所以为了保险起见选择了自己的本科院校；再者，其实中南财大的应用统计其实对于跨专业考生来说还是十分友好的，每年也有非常多的跨专业考生考中南财的这个专业，因为主要考察内容是贾俊平的教材，贾俊平的教材比较浅显易懂，而且每年的真题难度不大，计算题都是较为常规的题目，主要是背诵的内容较多，所以也大大缩小了本专业考生和跨专业考生的差距。关于专业的选择，因为我本科是计算机专业，同时我也对数据处理对统计学的方法这一块比较感兴趣，一般来说计算机+统计学基本就可以往AI方向走了，这也是我比较喜欢的，所以我报考这个专业也主要是为了选择大数据方向，做大数据、机器学习相关。（今年招收的方向有大数据分析、大数据商务统计、金融统计分析三个方向，其中大数据分析和大数据商务统计基本是一样的，没有多大的差别）。四、报录情况、难度分析中南财大在经管类、政法类学校中的排名是比较考前的，所以对于财大的应用统计（专硕）这样属于经济大类的专业来说报考人数是非常多的。近两年报考中南财大432应用统计的人数都在900人左右，2019考研通过考试统招录取人数（不包括保研）在100人出头，2020考研通过考试统招录取人数119人，（2019考研当时给出的招生方案是432招90人左右，后来扩招了，2020考研当时给出的招生方案432招70、80人的样子）。所以每年的报录比基本是9比1左右，相对来说考的人还是比较多的，复试比例每年基本都是1.2，1.3的比例进复试。五、初试复习经验1.专业课432统计学参考书目：贾俊平统计学（第六版第七版基本没有差别）+向书坚统计学（第一版）；习题集：（1）贾俊平《统计学》考研真题（含复试）与典型习题详解；（2）应用统计硕士（MAS）考试过关必做习题集；关于习题集推荐主要做这两本，有些师兄师姐还推荐做财大配套的习题集，我觉得有精力做就可以了，因为那本配套的习题集主要是针对向书坚的书，而财大考试主要以贾俊平为主，并且配套的习题集没有详解答案，做起来比较麻烦，所以并不太推荐做那一本。（PS:第二本书，MAS习题集现在已经不出版了，可以在考研文库上找电子档或者直接买打印版）关于参考书目，财大本科生用的是向书坚（第二版）教材，其实第一版的内容更多，更加丰富，所以对于考研的同学来说，用第一版作为补充是比较好的。卷面分值情况：单选15(题）x2=30分、多选5(题)x3=15分、简答5(题)x10=50分、计算题55分(第一题概率论10分，后面3道统计学3x15=45)关于真题，财大官方一直不公布真题，所以每年只有回忆版的真题，对于回忆版真题，我们主要参考往年都考到了哪些简答题（不是说考过了就不会再考，翻看往年真题会发现是有重复的简答题的）对于计算题之类因为没有具体的数据，所以只能参考涉及到了哪些知识点，对于真题，主要的参考价值就是简答题。财大的题目难度都不大，主要以贾俊平为主、向书坚作为补充。计算题选择题都比较常规，除了可能个别选择题会超纲较为刁钻，其它题目都比较简单。拉分的大头在简答题，50分的简答题是重中之重，所以专业课学起来难度不大，后期主要是以背书为主，背书会占用较多时间。所以对于专业课的复习安排，一般来说建议在9月底10月初就尽量把专业课都学完，两本主要的习题集（MAS）写完第一遍。10月之后一直到考试，基本上就是以背简答题为主了。对于两本习题集，建议最少做三遍（第一遍完整的从头做到尾，二三遍只做错题，所以第一遍做的时候可以把错题都标出来，答案最好写在草稿纸上避免写第二遍第三遍的时候一眼就看到了答案），不用觉得做三遍会很多，其实对于统计学的题目，做起来是非常快的。第一遍尽量在10月之前一起做完，二三遍就在10月之后边背书边做了，因为10月之后如果只是单纯的背书没有题目来练手的话是不行的，同时，背了书之后对知识点熟练了也会发现之前做错的题目都很简单。对于简答题背诵，背诵的时候可以先以两本习题集上面的简答题为主（因为两本习题上面的简答题是各个高校挑选出来的比较好的题目）价值更高，然后可以自己整理一些题目中没有出现过的简答题（当然也可以买已经考上的师兄师姐整理的简答题，或者报班跟老师学，推荐新祥旭考研一对一辅导）。因为专业课以贾俊平的书为主，所以对于这本书不要抱有侥幸心理！该背的东西都得背好，比如说2018考研简答题考过偏态峰态是什么人在什么时间提出的以及定义，2020考研简答题考了CPI的编制方法，这些在我们看来其实算是比较“偏”的内容了，但是都考了10分的简答题，如果没有背过的话基本就拿不到什么分了，所以该背的都得背，贾俊平的书做到面面俱到，向书坚的书作为补充。2.数学三我使用过的书：用的是李永乐的线代、王式安的概率、1800题、660题和高数18讲，这其中高数18讲的题还是比较难的。和专业课的习题一样，对于数学，我认为不管做什么书，所有的题目都得做三遍（指的是错题做第二三遍），只有做了3遍才会对错题有比较深的印象。（ps：高数的级数部分可以看看方浩老师强化班讲的部分，我觉得讲的挺不错的）我二战时数学资料做完3遍已经9月底10月初了，之后我就开始做真题和模拟卷了，同样的，真题和模拟卷的错题也好我都是做了3遍（后期写的模拟卷因为时间没那么多了所以有的并没有时间写3遍了，所以在后期最好还是自己安排好计划），到了11月12月网上就会有各种所谓的“小道消息”今年要考哪个原题之类让你做相关的卷子，所以有很多人为了押原题会做各种各样的卷子，但是注意这种基本都是骗人的！（如果你相信李林倒是可以做做李林的卷子，抛开其他的不说，题目质量还是可以的）做的题目不用求多，要求精，题目真正的做会了才是你的！3.英语二英语二题目不难，记单词我是用的“墨墨背单词”，我很少用专门的时间来背单词，一般都是吃饭的时候或者是放松休息的时候抽空看看，把每天规定的数量背完就好了。英语我没有做过模拟题，全部都是做的英语一和英语二的真题（我是从97年的真题开始做的），所以做真题的过程中最好留出来2-3年的真题不做，到最后的阶段作为检验的卷子，2010年以前真题的阅读我都做过两遍，2010年之后的我都做过3遍，（如果时间紧张做不了这么多遍的话，第二遍第三遍就先以做2010年之后的题目为主）。关于大小作文，我在10月之后每周都会写一篇大作文，然后和研友交换着改，在不断的练习过程中提高自己的作文水平。（10月之后专业课都是以背书为主了，同时英语作文的背诵也是很重要的）。4.思想政治理论我的政治分数不高（而且今年的政治分数好像普遍比2019考研要高一些），所以关于政治我谈不上有多少经验。我最大的经验就是，如果不是顶尖院校，政治可能没有那么重要，政治成为不了你和其他人拉开大差距的科目，并且即使你投入了很多时间，政治的分数也可能得不到很高的分数，所以政治是性价比最高的一门，只需要把1000题做完，把肖八肖四做好，把肖四背好，基本上就能取得一个比较平均的分数，做到不拖后腿。我二战考研的时候没有跟过任何老师的课程，只是把肖秀荣相关的给做完了，花费的时间非常少，最后取得68分，分数肯定不高，但是这个性价比我还是比较满意的。财大432应用统计这个专业，最最最拉分的肯定就是数学和专业课了，只要数学和专业课考的好，基本上都是能考上的！六、复试准备经验财大432应用统计2019考研的复试线是378分，2020考研的复试线是371分。（2020考研因为疫情原因全国都进行扩招了，所以招的人数多些分数线也相对低些）所以一般来说总成绩能上385分的话基本上进入复试问题就不大了，大家可以给自己每科定一个目标，每科大概要考到多少分才能够达到这个总分。中南财大每年进复试的比例都是1.2，1.3左右，所以相对其它学校来说复试刷的人不会特别多。由于今年疫情的原因我们只是在网上进行线上的面试，和往年笔试+面试不太一样，所以今年的经验可能用处不大。往年的复试一般是150分的笔试+70分的面试，复试总分220分，和初试成绩加起来一起计算总分。笔试的参考数目官方给的书目是贾俊平统计学+茆诗松概率论+王学民多元统计分析。复试多了非参数估计的内容，茆诗松的笔试部分占比还是比较大的，多元统计方面可能考查简答题较多。关于面试，因为分了不同的考场同时面试，所以有的考场会要求自我介绍（中文英文都有），有的考场没有要求自我介绍，我当时面试就没有自我介绍，用英文问了我3个问题，有专业的有日常的。（用英文第一个问题问了我用没用过统计软件、用过什么统计软件；第二个问题问我有什么爱好；第三个不记得了…不过都是比较简单的）。然后就是专业课问题回答，专业课回答会给你号码让你抽签，每个签里面是3个问题，如果有答不上来的老师会跳过，换一个问题问你，当时是3个题目，其实后来老师不停的我差不多回答了5、6个问题了。当时我的专业课问题主要是涉及初试的，比如方差分析之类、复试关于多元方面基本没有问到，不过隔壁考场的同学又被问到过多元的问题。七、相信自己，全力以赴！在考研过程中，迷茫也好，紧张也好，这些都是非常正常的，最重要的是要相信自己，既然已经确定好了学校确定好了专业，那就全力以赴地去对待。你要相信，每年都录取了这么多人，总有这么多人会成功，那为什么不能是你呢？相信自己！祝你们今年上岸成功！（本文来源新祥旭考研原创文章，未经允许，不可转载！）

首先，从当前大数据的发展趋势来看，未来读研选择大数据方向是不错的选择，近几年大数据方向研究生的就业也确实有不错的表现，不少毕业生都有较大的选择空间，相对于传统软件开发岗位来说，大数据相关岗位的岗位附加值还是比较高的。大数据方向研究生毕业答辩大数据是一门典型的交叉学科，涉及到三个重要的学科基础，分别是数学、统计学和计算机，所以如果未来要从事大数据方向的研发，学习一定的统计学知识还是很有必要的。对于大一的学生来说，学习一些统计学知识也是完全可以的，否则在研一的时候也需要补学统计学知识。从当前大数据领域的人才需求情况来看，算法岗位的人才需求量相对比较少，大数据开发岗位的人才需求量相对比较大，而且研究生往往会选择大型科技公司来从事大数据平台的研发。从大数据平台开发的岗位任务出发，在本科阶段应该做好以下三方面的技术储备：第一：操作系统知识。操作系统知识对于后续的大数据开发具有重要的影响，所以一定要重视操作系统相关知识的学习。对于本科生来说，可以从Linux操作系统的使用开始学起，在学习完C语言之后，最好能够阅读一下Linux操作系统的核心源代码，以便于提升对于操作系统的认知能力。第二：编程知识。大数据开发一定需要具有扎实的编程基础，目前在大数据开发领域应用比较多的编程语言有Java、Python、Scala等，本科生可以重点关注一下Python语言。第三：算法知识。大数据开发涉及到算法的设计和实现过程，所以一定要重视算法知识的学习，本科生学习算法知识除了要学习基本的算法设计基础之外，还可以结合大数据平台（Hadoop、Spark）来完成一些算法实践过程。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

对于同属一理学的数学类和物理学类专业。每年考生可能都会有被调剂到比如数学与应用数学专业的，当然也有主动选的。数学属于理学，本身数学就是培养具有较好的数理统计理论素养和统计建模、计算机仿真应用的和数据收集及定量分析的一个学科。理学的学习，往往理论性比较强，比较抽象。因为数学的相关理论不像工科那样有着明确的应用场景，所以数学专业对于兴趣不高的同学，必然枯燥！而且数学确实难学，也难出成果！但是数学专业又对金融、财政、税收领域，对于工程安全领域有着特殊的意义。从金融产品、桥梁建筑的的设计和数据分析，从数学建模到计算机算法的调整，都离不开数学。可以讲，数学方法是经济学、理学、工学、管理学等学科发展的重要支撑。但我们有理由相信，进入到相应高校学数学的同学，受学习态度、学科能力、学习目标等影响，而各自不同。我们以上海财经大学，2019年在辽宁省理科录取情况为例进行说明，请看下图。我们通过上海财经大学在辽宁省的分专业录取最低分可看出，金融学最高分668分，而最低分电子商务时659分，数学类（信息与计算科学、数学与应用数学）为661分，能够在全省十几万理科生中进入到前500-1000位次的考生，都是学霸级别的！但是依旧会有调剂，当然上海财经大学2019年是由专业级差的，2020年已经明确取消了，这是利好，同时也是变化，大家在专业顺序梯度上需要注意调整策略。这一段图文其实想说的就是，对于这样的学霸级别的考生，即使让其学数学类专业，因为有着名校的行业资源和学习环境和社会影响力，该考生十分容易在研究生阶段选择往比如统计学方向转，进入到跟金融关联更紧密的研究领域。我们再看一个中高分段考生，以辽宁师范大学2018年辽宁省专业录取分为例，“信息与计算科学”专业的最低录取分为552分。因为该校是师范类院校，同样是数学类专业的“数学与应用数学（师范类）”专业的最低录取分达到了594分。因为读师范大学的师范类专业的好处不言而喻，就业导向十分明确清晰。所以同样是数学类专业，但是师范类和非师范类差别绝大。对于分数不是特别高的考生，因为各种原因选到了“信息与计算科学”专业，那么最好的方向就是好好学习数学和计算机相关知识，能够往编程算法、软件开发领域去发展。当然，师范类院校耳濡目染，当数学老师也是一个方向。对于不同的学科能力的考生还是要具体分析，看自己是否真正喜欢数学。目前看，考研出来计算机方向，往控制科学与工程方向去专业也比较好，因为这个方向是人工智能的核心方向，可以从事算法等，相当于控制科学领域偏向于控制理论。因为你本科学的是数学，你相较于本科学工科比如电子信息类或者计算机类的同学，在硬件方面是个短板，所以你需要发挥比的数学优势，搞控制理论、从事编程算法，这类跟软件和数学理论结合紧密的方向。数学转金融的也很好，就是金融比较热，报的人太多，竞争激烈。当然，还是遵从本心，综合个人想法吧！另外，多借鉴学长学姐们的升学和就业经验。好不好就业，是个比较空的话题，建议考研提升学历再谈就业。总体看，数学类专业的同学，未来大体有这么几个升学和就业方向，金融（经济统计学）、数学（统计学）、计算机（算法）。比如本科学数学，研究生学统计学，然后到银行证券行业从事数据统计等工作，也可以考金融工程。可以进银行、到计算机公司从事编程算法、软件开发等相关工作，考公务员或者当老师；大学期间考教师资格证，毕业考教师编当老师，也是非常好的选择。数学往往远离生活实际，但有了扎实的数学基础，可以为解决现实问题或者相应的经济、工程领域问题进行模型构建等！另外，考研时在数学科目还是有优势。大理大学数学与计算机学院最后，在我们已经进入到人工智能时代，大数据、云计算、区块链技术不断进化发展，数学理论模型的构建和支撑作用非常重要。因此，建议同学们学数学时，一定要学好一门编程语言，把计算机+数学这两个工具结合起来，比较好。