数学
🧮 数学与计算机共 14 节 · 免费预览 -8 节
0. 速览 Quick Facts
| 项目 | 内容 |
|---|---|
| 学位类型 | BS（理科） / BA（文理） |
| 常见学制 | 4 年 |
| 学科本质 | 研究数量、结构、变化、空间的抽象科学 |
| 适合学生 | 数学能力强、爱抽象思考、能耐住寂寞做研究、愿意读研 |
| 本科毕业直接就业 | 较少（多数需研究生深造） |
| 研究生方向宽度 | ⭐⭐⭐⭐⭐（最宽，几乎所有理工科研究生院都欢迎） |
| 国际学校推荐课程 | AP Calculus BC、AP Statistics、AP Physics C |
| 代表性强校（美） | MIT、Princeton、Harvard、Stanford、Berkeley |
| 代表职业 | 量化分析师、数据科学家、研究员、精算师 |
| 美本起薪（BS 数学） | 约 $60K–$90K（PayScale） |
| 研究生后起薪（金融工程） | 约 $120K–$200K+（量化岗位） |
1. 专业定义与本质
1.1 数学是什么？
数学是研究数量、结构、变化、空间以及信息等概念的抽象科学。
数学可分为两大类：
| 大类 | 内容 | 特点 |
|---|---|---|
| 纯数学 Pure Math | 代数、几何、分析、数论、拓扑 | 关注数学本身的逻辑结构 |
| 应用数学 Applied Math | 数值分析、运筹学、密码学、数理金融、生物数学 | 解决其他领域的问题 |
1.2 数学不是什么？
| 误解 | 实际 |
|---|---|
| ❌ "数学就是算题" | ✅ 现代数学更多是证明与结构，不是计算 |
| ❌ "数学毕业只能当老师" | ✅ 量化金融、科技、数据科学最欢迎数学背景 |
| ❌ "AI 时代数学没用" | ✅ AI 的底层（机器学习理论、优化论）全是数学 |
| ❌ "数学 = 统计" | ✅ 统计是数学的一个分支，但作为本科专业方向不同 |
1.3 学科本质
数学培养的核心能力是：
- 抽象思维：把具体问题抽象为符号关系
- 严格推理：用逻辑链条证明命题
- 建模能力：把现实问题转化为数学结构
- 量化分析：用数字和结构理解世界
这些能力是所有 STEM 学科和金融、经济、AI的底层基础。
2. 学科发展简史
| 时期 | 事件 |
|---|---|
| 古希腊 | 欧几里得《几何原本》——公理化体系的奠基 |
| 17 世纪 | 牛顿、莱布尼茨发明微积分 |
| 19 世纪 | 集合论（康托尔）、抽象代数（伽罗瓦）、非欧几何 |
| 20 世纪初 | 希尔伯特纲领、哥德尔不完备性定理 |
| 20 世纪中 | 图灵、冯·诺依曼——计算理论、博弈论 |
| 20 世纪末 | 椭圆曲线定理证明（费马大定理）、千禧年七大数学难题 |
| 21 世纪 | 大数据、AI、密码学驱动应用数学大爆发 |
当下的特殊机遇：AI、量子计算、密码学的兴起让纯数学家也能拿到工业界高薪——这是 30 年前不可能的事。