数学专业学习编程可以从以下几个方面入手：
选择合适的编程语言
Python：Python是一种简洁易用且功能强大的编程语言，特别适合数学建模和数据分析。它拥有大量的数学库，如NumPy、SciPy和Pandas，可以帮助学生进行统计分析、优化问题求解和数据可视化等工作。
R语言：R语言是另一种广泛用于统计分析和数据可视化的编程语言，特别适用于大数据分析、机器学习和数据挖掘等任务。
MATLAB：MATLAB是一种专门为数学和工程应用设计的高级科学计算语言，提供了丰富的数学函数和工具箱，适用于求解微分方程、信号处理、图像处理等数学领域的问题。
C++：C++是一种通用的高级编程语言，适用于算法开发和性能优化。它能够实现高效的数值计算程序，并提供底层的内存管理和控制。
学习编程相关领域的知识
算法和数据结构：掌握常用的数据结构和算法，如数组、链表、树、图等，可以帮助学生解决一些数学问题，如查找、排序、计算复杂度等。
数值计算和优化：学习数值计算和优化的方法，包括数值积分、求解方程、优化算法等。相关的数值计算库和优化算法包括NumPy、SciPy等。
数据分析和统计：学习数据分析和统计的方法，包括数据提取、数据过滤、数据可视化、统计推断和假设检验等。相关的数据分析库和统计软件包括Pandas、Matplotlib、R等。
数学建模：学习数学建模的方法，将实际问题转化为数学模型，并利用计算机进行求解和分析。常见的数学建模方法包括常微分方程建模、最优化建模、随机过程建模等。
参与实践项目
通过参与开源项目、编程竞赛和实践项目等方式来提升编程能力。这些活动可以帮助学生将所学的编程数学知识应用于实际问题中，并锻炼解决实际问题的能力。
持续学习和练习
编程是一个不断学习和实践的过程。学生应该通过持续学习新的编程语言和工具，以及不断练习编程题目来提高自己的编程能力。
总之，数学专业学习编程需要选择合适的编程语言，掌握相关的编程领域知识，并通过实践项目来提升自己的编程能力。通过这些方法，数学专业的学生可以更好地理解和应用编程技术，拓宽自己的职业发展路径，并为在数学领域的研究和应用提供支持。