数学与统计学及数据科学理学士

必修模块

第一年

• 实分析 I：探索数学分析概念，包括不等式、序列、级数和函数。
• 微积分：将您现有的微积分知识扩展到二维或多维，探索一阶和二阶常微分方程的技术，并学习编程如何应用于数学。
• 数学基础：全面了解数学的基本主题，培养大学阶段学习数学所需的技能。您将重点学习集合、函数和各种熟悉的数字系统的概念，以及证明的重要性及其构造方法。
• 线性代数：学习如何解决线性方程组，确定特征值和特征向量，以及开发矩阵代数，作为线性和内积空间的更一般理论的垫脚石。
• 数学交流：探索清晰、合乎逻辑、简洁地表达数学概念和结果的重要性，以及如何实施数据可视化、模式探索和编程等基本的问题解决策略。
• 概率和统计：了解概率和概率分布、统计参考和数据科学的结果和技术以及回归和假设检验。

第二年

• 微分方程：在常微分方程知识的基础上探索偏微分方程及其应用。您将探索非常量系数、积分和级数解、傅里叶级数、边界值问题理论、扩散方程、波动方程和拉普拉斯方程。
• 线性模型和数据分析：了解最常见的模型，包括多元线性回归和完全随机设计，并探索计划实验的关键原理。了解如何将模型应用于实际问题并获得实际数据分析的经验。
• 概率和统计理论：揭示概率论和数学基础领域之间的相互作用，并在概率模型中制定一般现实或抽象问题。
• 数值分析 I：描述、分析和实施连续数学问题的数值方法，包括线性方程和非线性标量方程的解、插值、标量优化和常微分方程的解。
• 数学建模和专业技能：通过应用数学建模技术解决广泛科学、工程和经济领域的实际问题，培养解决问题和独立研究的能力。您还将拓展团队合作、演讲、职业管理、技术、口头和书面沟通能力。

3年级

• 高级统计建模：了解不同模型可能适用的情况，更多地了解广义线性模型、重复测量数据以及传统和现代的数据分析方法。
• 机器学习方法：熟悉统计机器学习中使用的各种方法，并展示这些方法在研究和行业中的应用。您将有机会使用统计软件实施机器学习方法，并解释和传达您的发现。
• 项目组合：开展一系列有关数学或统计主题的项目并发展您的技术和专业技能。

这些是我们目前为 2024/25 入学学生提供的模块。由于我们会定期审查我们的模块，以确保它们符合最新的研究和教学方法，因此它们可能会发生变化。

请注意，大学不能保证所有选修模块都会提供给所有希望选修的学生。

您还可以向我们注册您的详细信息，以便接收有关您感兴趣的课程以及University of Reading的学习和生活的信息。

总体而言，90% 的数学和统计学毕业生在毕业后的 15 个月内找到工作或继续深造（基于我们对 HESA 数据© HESA 2024、毕业生成果调查 2021/22 的分析；包括一级数学和统计学响应者）。

您可以选择在公共部门组织（例如卫生当局或国家统计局）担任数学家或统计学家，或者在私营部门寻找职业。

你的数学学位非常适合一系列的职业，包括：

• 会计
• 财务分析
• 工程
• 造型
• 计算
• 精算工作。