美国统计学专业学什么？
在美国就读统计专业，一般有数学、计算机、经济和统计四个方向，每个学校设置不一样。以UW-Madison为例，其统计系下设有五个小方向（department）以及三个交叉学科（interdisciplinary），如下图所示。其中五个小方向分别是biostatistics，econometrics，healthcare analytics（卫生保健分析），operations research，quantitative social science；三个交叉学科专业是data science，global health，neural network and computational learning theory。 具体每一个小方向和交叉学科下面又分成许多项目，以data science这个交叉学科为例，下设了六个项目，分别为data science，computer science，elementary particle physics，environmental microbiology，financial mathematics，molecular biology。 选择不同的小方向或交叉学科专业，学习的课程内容会有区别，但是总体而言学习的内容都会涉及到统计学的基本理论和方法，以及对数据的处理和分析。
我于2015年9月-2017年6月在该校就读statistics master's degree。虽然两个学期都没有上完所有的课程就毕业，但是我对于当时所学内容还是印象较为深刻。
我的第一个学期主要学习了四门课，分别为统计推断（ Statistical Inference ），优化（ Optimization），随机过程（ Stochastic Process） 和线性模型（ Linear Modeling） 在这些课程中，统计基本原理与方法得到了全面的复习和回顾。虽然这些课程内容在不同学校开设的难易程度会有差别，但是总体而言学习内容相当，且需要花大量的时间去学习和掌握。每个学期还会安排两门选修课，供学生选择。
在下学期，除了必修的课程外，我还选择了数据挖掘（ Data Mining）。这门课程主要介绍当下十分火热的数据分析和挖掘的方法和技术，因此无论是计算机系学生还是统计系学生都是十分喜欢的一门课。在课堂上能够学到很多新的技术，比如分类与回归树，机器学习等。此外老师还会定期邀请校外或者本校的嘉宾来分享行业内的最新动态。在课程的最后，每个学生都需要做presentation来总结课程学习的过程及所获得的知识。
总之，在两年的时间里，我所学习的课程内容十分丰富，涵盖了统计、数学、计算机等多个领域。虽然有的课程内容容易理解，但是有的则需要花费较多的时间和精力去理解和消化。总体来说，在本科阶段我没有选择读统计专业的我来说，学习的压力还是比较大。 不过，在学习的期间我也发现了自己的短板所在，从而更有针对性地加强自己的不足之处。
在学习的同时，学校也提供了很多课外活动的平台，如统计学院的student organization，就会定期组织活动来增进同学们之间的了解和交流。各个项目的同学们也会经常聚在一起举办party，让大家在愉悦的环境中认识新朋友。