数学专业,在大众化的眼光看来,毕业后的就业前景无非是当老师或者搞科研,这个专业似乎太古板且就业道路狭窄。然而,在AI时代,这些都是偏见,数学专业毕业生早已是互联网、金融界、IT界、科研界的“香饽饽”,数学专业的就业前景有你看不见的“前途似锦”!
数学专业的划分主要如下:
专业 | 基础数学(应用数学) | 概率论与数理统计(概率与统计精算) | 数学工程的科学与工程计算系 |
---|---|---|---|
专业概况 | 数学系一般开设基础数学、应用数学两专业,而这两个专业方向基本是相通的,都是为培养数学和其他高科技复合型人才打下基础。基础数学学科较多地涉及:代数、拓扑、几何、微分方程、动力系统、函数论等,它的专业方向和课程设置覆盖面比较宽,理论知识所占的比重相对较大。应用数学则与其他学科综合交叉。 | 概率论与数理统计是20世纪迅速发展的学科,主要研究各种随机现象的本质与内在规律,以及自然、社会等学科中不同类型数据的科学的综处理和统 计推断方法。随着人类社会各个体系的日益庞大、复杂、精密以及计算机的广泛使用,概率统计在信息时代的重要性也越来越大。本专业的重点在于为学生打下坚实的数学基础,培养科研创新能力,了解并掌握丰富的现代统计方法。 | 科学与工程计算是伴随着计算机的出现而迅猛发展起来的新学科,涉及计算物理、计算化学、计算力学、计算材料学、环境科学、地球科学、金融保险等众多交叉学科。在保持应用数学与计算数学主体研究方向优势的基础上,重视并加强信息科学的数学基础、数据分析与统计计算、科学计算、现代优化、电子系统的数值模拟、生物系统的数学建模等研究。 |
专业背景 | 要求考生具备基础数学、概率论、微积极分分析、计算机理论、统计分析等学科知识。 | 要求考生具备基础数学、概率论、数理统计分析、时间序列分析、随机分析、信息技术、计算机等相关学科知识。 | 要求考生具备基础数学、应用数学、信息技术、计算机科学、数据处理和系统分析,工程学、以及数字图像等学科知识。 |
研究方向 | 微分动力系统、非线性分析、复分析与几何、拓扑学、代数数论与代数几何、图论、组合数学、常微分方程、微分几何、数学物理、信息科学、计算数学、泛函分析、偏微分方程、几何分析与变分学 | 概率论与随机过程、数理统计、时间序列分析及其应用、保险精算、金融工程、非参数统计、随机分析与随机微分方程、随机动力系统, 数学物理 | 工程问题数值方法、发展方程与动力系统的数值方法、数值逼近与数字图像处理、计算机图形学与计算机软件、光学与电磁学中的数学问题等。 |
就业前景 | 因占有数学基础强的优势,利于跨考经济、金融、会计等热门专业的博士研究生;也可以在相关企业、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、教育部门成为从事研究和教学工作的高级专门人才。 | 学生可报考基础数学学科的各专业、计算机科学、概率统计、金融学等与数学相关的或交叉的、高新技术学科的博士研究生;也可选择出国到知名大学继续深造。 | 这个专业的毕业生还可到各大高校从事教学工作,既可以进一步开展研究,也为培养专业人才作贡献 |
1
AI时代需要更多数据科学人才
支撑AI发展的基础技术在AI时代会继续快速发展。大数据、数据挖掘、机器学习与深度学习等领域需要大量懂数据,会技术,能应用的人才,清华大学计算机系教授武永卫在2016年5月的中国大数据产业峰会上表示,中国未来3-5年需要180万数据人才,而目前仅有30万,缺口达150万人之多。招聘网站的数据也反映了这一点,猎聘网上的数据分析相关职位在短短一年时间内增长了300%,高端数据人才的薪酬也是水涨船高,年薪50万已经司空见惯。我国需要的数据人才涵盖大数据工程师、算法工程师、硬件工程师、数据分析师等类别:
2
数学和统计学是数据科学人才的核心能力
AI时代对数据科学人才的要求是“全面发展,一专多能”,这就需要全面构建个人能力。
从这张能力图中可以看到, 数学和统计学已经成为数据科学相关职位的核心技能。
Dave Holtz《成为数据科学家所需的8种技能》一文中,列举了数据科学家所具备的8项技能,其中有2项都是和数学和统计学相关的,由此可见数学的重要。
序号 | 能力 | 详细描述 | 重要性 |
---|---|---|---|
1 | 基本工具 | Python/R 和SQL | **** |
2 | 软件工程 | 处理数据日志 | ** |
3 | 统计知识 | 统计检验,分布,最大似然估计等等。你的统计知识不仅是机器学习的关键,更为重要的是有助于你理解不同的技术在某种情况下是否是一种可行的方法。 | *** |
4 | 机器学习 | 重点在于对机器学习有个大框架的理解,还有不同方法的试用范围。 | ** |
5 | 多元微积分和线性代数 | 数据挖掘、人工智能、模式识别此类跟数据打交道的又尤其需要多元微积分运算基础;线性代数也很重要,你需要用线性代数来简洁清晰的描述问题,为分析求解奠定基础。 | ** |
6 | 数据加工 | 对不完美数据的处理,包括数据缺失,字符串格式不一致(比如“New York”和“new York”和“ny”)和数据格式不一致(比如“2014-01-01”和“01/01/2014”)。 | ** |
7 | 数据可视化和沟通能力 | 熟悉必要的数据可视化工具(比如ggplot和d3.js),也需要清楚数据可视化背后的原理。数据科学家同样需要具备沟通能力。 | *** |
8 | 像数据科学家那样思考 | 思考哪些是重要的,哪些是不重要的是非常有必要的。作为一个数据科学家,你应该知道怎样和工程师,和产品经理沟通?你需要采用哪种方式?近似值什么时候是有意义呢? | *** |
3
大数据相关职位对数学专业情有独钟
再看一下企业(来自拉勾网)对大数据人才的需求:
可见,数据分析、数据挖掘职位对数学和统计学专业背景的学生青睐有加。
总结
随着大数据应用的日益加强,数学和统计学专业已经成为了用人单位争相“抢购”的“香饽饽”。所以,各位已经选择了数学和统计学专业的同学不要辜负大好时光,未来是大数据和AI的时代,也是数据科学家的时代,希望你们扎实的学好基础知识,早日加入数据科学探索的道路,成为顶尖的数据科学人才!
END.