最近跟一些人聊到北大數院的專業設置，發現這幾年似乎跟我那個時候有點變化。我上官網查了一下，大概有這么幾個專業：

目測統計類的有3個：統計學、應用統計學（生物統計）、數據科學與大數據。
值得注意的是沒有專門的“應用數學”。
進入到數學與應用數學里面，包括兩個方向：基礎數學和金融數學。
里面也沒有應用數學的方向，只有金融數學。之前有人跟我說到北大應用數學第一名，可能是前幾年有，也可能是瞎說的。因為沒有這個方向。
另外就是信息與計算科學，這是一個專業，里面兩個方向：計算數學和信息科學。
每個專業都有自己的側重點。統計的那3個可以簡單理解為：理論統計、生物統計和大數據（類似在互聯網做統計）。
如果畢業了想做量化交易，最對口的當然是金融數學，學的東西直接相關。

學姐可以把當時上岸的備考規劃給你。少走1個月的彎路，同時我把備考的資料分享給大家，都是課程的內部資料，大家需要的可以戳下面卡片領取↓↓↓ 美國也有一些大學開設金融數學項目，一般是碩士。很多老師在業界都有工作經驗，甚至還是在職的，因此他們白天上班，晚上過來講課賺點外快，因此這類項目很多晚上才上課。白天可以去實習、找工作。
如果想畢業去美國讀金融數學、金融工程的碩士，那么本科讀金融數學應該是最對口的。但美國金融數學、金融工程極少博士，而很長時間人們認為美國量化就業博士比碩士吃香，所以想去美國找量化交易的工作，可能讀博士比碩士好，這時候本科讀金融數學未必最好。
很多北美做量化的中國人讀的是統計、運籌、管理科學與工程、數學、計算數學、應用數學的博士，那么他們本科也大概率讀對應的專業，反而不會讀金融數學。北大沒有應用數學本科，那么一般是計算數學、基礎數學的人申請美國應用數學的博士。
信息科學其實本質上跟計算機科學與技術很像，只是國內就業的時候，很多HR卡專業卡死“計算機”這3個字，導致信息科學的人很難申請這類工作。申請美國碩士的時候，如果申請Computer Science，那么人家也可能卡死本科也要Computer Science，這樣又被排除掉。所以這個專業比較尷尬。當熱，如果申請博士，對方一般看研究經驗，反而不會卡專業的名稱。北大數院每年好幾個去麻省理工EECS，估計都是信息科學的居多。
北大計算數學專業很多申請到斯坦福ICME的，很多實習、畢業也會做量化。其實我覺得數值計算跟機器學習還比較接近，因為機器學習最終還是要求解優化問題數值解，這就需要數值計算，包括數值線性代數、數值優化等，如果是期權定價可能還要數值偏微分方程，這些跟計算數學的關系比較大。
其實我也不大明白為何弄那么多統計類專業，美國Data Scientist就業也不是很樂觀，據說在谷歌發展也不是很好，畢竟那是碼農的天下，在谷歌的Quantitative Analyst和Data Scientist似乎都不是太核心的員工。當然，在量化交易公司這些是核心的。說實話，我覺得在互聯網公司，與其做Data anlyst/scientist/engineer，不如做product manager，其實也需要數據分析的能力，比如分析競品哪個好，做A/B Test等，發展路徑比純技術的數據分析要好。