สถิติด้านคณิตศาสตร์ใดบ้างที่มีประโยชน์สูง


13

ฉันกำลังจะสำเร็จการศึกษาด้านสถิติและฉันต้องการเรียนปริญญาเอกเพราะฉันพบว่าสถิติทางคณิตศาสตร์น่าสนใจอย่างยิ่ง สาขาการวิจัยที่ฉันอยากทำในระดับปริญญาเอกส่วนใหญ่เป็นกระบวนการแบบสุ่มและอนุกรมเวลา

อย่างไรก็ตามฉันยังต้องการที่จะประกอบอาชีพในภาคเอกชนหลังจากปริญญาเอกของฉัน ฉันสงสัยว่าส่วนใดของสถิติทางคณิตศาสตร์ที่ใช้มากที่สุดในภาคเอกชนและงานประเภทใด

เห็นได้ชัดว่าฉันจะไม่ทำปริญญาเอกเพียงเพราะมันจ้างได้ แต่ฉันรู้สึกว่ามันเป็นสิ่งที่ฉันต้องพิจารณาอย่างแน่นอนและต้องการคำแนะนำ


4
ยินดีต้อนรับสู่ CV! ในเว็บไซต์นี้ไม่จำเป็นต้องพูดว่า "ขอบคุณ" ในตอนท้ายของโพสต์ - มันอาจดูหยาบคายในตอนแรก แต่มันเป็นส่วนหนึ่งของปรัชญาของไซต์นี้ ( ทัวร์ ) ถึง "ถามคำถามรับคำตอบไม่มีการรบกวน" และ หมายความว่าผู้อ่านในอนาคตของคำถามของคุณไม่จำเป็นต้องอ่านข้อความที่น่าอ่าน ในทำนองเดียวกันไม่จำเป็นต้องลงชื่อชื่อของคุณ - ชื่อผู้ใช้และลิงก์ไปยังหน้าผู้ใช้ของคุณจะปรากฏขึ้นโดยอัตโนมัติที่ด้านล่างของแต่ละโพสต์
Silverfish

6
คำถามที่คุณควรถามคือ "สิ่งที่จะเป็นที่ต้องการใน 5-6 ปี?" คำตอบที่ถูกต้องคือ: "เราไม่มีเงื่อนงำ"
Aksakal

@ อักซาล, คำถามนั้นไม่ควรได้รับอนุญาตให้ใช้กับ CV เพราะมันจะเป็นความคิดเห็นที่อิงตามที่คุณได้ชี้ให้เห็นอย่างถูกต้อง คำตอบสำหรับคำถามนี้ควรมีวัตถุประสงค์และขึ้นอยู่กับสถิติการจ้างงานถ้าเป็นไปได้ สำนักสถิติแรงงานในสหรัฐอเมริกาอาจเป็นจุดเริ่มต้นที่ดีสำหรับ OP
สถิตินักเรียน

2
ฉันสังเกตมีบิตของการตัดการเชื่อมต่อที่นี่ระหว่างคำถามที่ดูเหมือนว่าจะมุ่งเน้นไปที่หัวข้อของสถิติคณิตศาสตร์และคำตอบที่มุ่งเน้นไปที่ส่วนใหญ่ทักษะ ฉันไม่แน่ใจว่าเป็นเพราะคำถามไม่ชัดเจนในสิ่งที่ต้องการผู้คนไม่ได้อ่านคำถามหรือนี่คือวิธีที่ผู้คนพูดว่าทักษะนั้นสำคัญมากกว่าหัวข้อ!
Silverfish

2
@Silverfish จะเกิดอะไรขึ้นถ้าคำตอบนั้นผิด OP จะสูญเสียชีวิต 6 ปีตามมา มันเป็นราคาที่สูงมากที่ฉันจะไม่ลองตอบเขา สิ่งนี้ควรบอกเขาด้วยว่าเขาไม่ควรถามคำถามนี้เลย บางทีเขาควรเลือกบริเวณที่น่าสนใจที่สุดสำหรับเขา ชีวิตของเขาจะไม่หยุดชั่วคราวเป็นเวลา 6 ปีของปริญญาเอก เป็นสิ่งสำคัญที่เขาใช้ชีวิตในปีนี้สนุกกับสิ่งที่เขาทำ ใครจะรู้ว่าเราอยู่บนโลกนี้นานเท่าไรทุกวินาทีจะมีค่า
Aksakal

คำตอบ:


22

ฉันตอบเป็นคนที่ประเมินและว่าจ้างนักวิทยาศาสตร์ข้อมูลเป็นประจำ

ในฐานะที่เป็นบุคคลที่เปลี่ยนจากการศึกษาเชิงวิชาการไปสู่อาชีพภาคเอกชนคุณจะไม่ได้รับการจ้างงานจากความแข็งแกร่งของทักษะเฉพาะที่คุณมี โลกแห่งการศึกษาเชิงวิชาการในด้านสถิติและขอบเขตของปัญหาของ บริษัท ใด ๆ นั้นกว้างใหญ่เกินกว่าที่จะจ้างโดยใช้ทักษะเฉพาะที่กำหนดไว้อย่างแม่นยำ

แต่คุณจะได้รับการว่าจ้างเพราะคุณสามารถแสดงให้เห็นถึงความถนัดทั่วไปสำหรับการคิดที่แม่นยำความกระหายและความสามารถในการแก้ปัญหาความสามารถในการเข้าใจและสื่อสารความคิดที่เป็นนามธรรมและซับซ้อนและทักษะการปฏิบัติและทฤษฎีที่หลากหลาย

ดังนั้นคำแนะนำของฉันและฉันก็แค่คนเดียวทำสิ่งที่คุณรักและพัฒนาความกระหายในการแก้ปัญหาแตกต่างกันนิดหน่อยและซับซ้อน เรียนรู้ทักษะที่หลากหลายและรู้พื้นฐานที่ดีของคุณ (ดีกว่าหัวข้อการวิจัยของคุณ)

โอ้และเรียนรู้การเขียนโปรแกรม

นั่นทำให้รู้สึกมากขอบคุณมากสำหรับการตอบอย่างรอบคอบ มีภาษาโปรแกรมเฉพาะที่คุณต้องการแนะนำหรือไม่

คำถามยากที่จะตอบโดยไม่ต้องมีความเห็น

ความเห็นส่วนตัวของฉันคือมันไม่สำคัญเลยดังนั้นเรียนรู้สิ่งที่คุณชอบและกระตุ้นให้คุณเรียนรู้ต่อไป การเรียนรู้ภาษาแรกของคุณได้ดีเป็นอุปสรรคใหญ่ หลังจากการเรียนรู้ครั้งแรกกับคนอื่น (และอีกคนและอีกคน) นั้นง่ายกว่ามากเพราะคุณได้จัดการกับความท้าทายทางแนวคิดที่ยากอยู่แล้ว

แต่เรียนรู้ภาษาได้ดีเรียนรู้วิธีการทำงานของภาษาและสาเหตุที่มันถูกออกแบบมาในแบบที่มันเป็น เขียนโค้ดสะอาดที่คุณไม่กลัวที่จะกลับไป จดรหัสเป็นความรับผิดชอบอย่างจริงจังไม่ใช่ความจริงที่โชคร้าย สิ่งนี้ทำให้ทั้งคู่ได้รับผลตอบแทนและทักษะที่แท้จริงที่คุณสามารถโฆษณาได้

หากคุณยังต้องการคำแนะนำเฉพาะฉันจะ echo @ssdecontrol ต้องการภาษาที่ใช้งานทั่วไปที่สามารถทำสถิติเกี่ยวกับภาษาสถิติที่สามารถ (kinda) ทำเพื่อวัตถุประสงค์ทั่วไป


3
@Patty การรู้ภาษาที่ใช้งานทั่วไปเป็นทรัพย์สินที่ยอดเยี่ยมของ บริษัท เทคโนโลยีเพราะช่วยให้คุณ "พูดภาษาเดียวกัน" ในฐานะนักพัฒนา Python เป็นตัวเลือกที่ยอดเยี่ยมเพราะคุณสามารถใช้สำหรับการวิเคราะห์ข้อมูลได้และเป็นคำแนะนำที่ยอดเยี่ยมสำหรับการเขียนโปรแกรม "ของจริง" SAS จะไม่มีค่านอกองค์กรขนาดใหญ่ และไม่ว่าคุณจะไปที่ไหนคุณอาจจำเป็นต้องรู้จัก SQL บ้าง การเขียนสคริปต์เชลล์เป็นเครื่องมือที่ดีที่อย่างน้อยต้องระวัง
shadowtalker

4
ที่เกี่ยวข้องกับทั้งการเขียนโปรแกรมและการแก้ปัญหาในโลกแห่งความจริงข้อเสนอแนะอย่างหนึ่งคือเพื่อให้แน่ใจว่าคุณสามารถจัดการบางโครงการด้วยข้อมูล "ดิบ" (เช่นไม่ใช่ทั้งหมดที่รวบรวม & ประมวลผลล่วงหน้าสำหรับคุณ) หากคุณสามารถทำการสังเคราะห์ข้อมูล / ทำความสะอาด / ควบคุมคุณภาพได้ตามต้องการทักษะการเขียนโปรแกรมของคุณจะถูกจัดเตรียมอย่างดีไม่ว่าคุณจะเลือกภาษาใด
GeoMatt22

2
"โลกแห่งการศึกษาเชิงวิชาการในเชิงสถิติและขอบเขตของปัญหาที่ บริษัท ใด ๆ ระบุไว้นั้นกว้างเกินไปที่จะจ้างงานบนพื้นฐานของทักษะเฉพาะที่กำหนดไว้อย่างแม่นยำ" ใช่และไม่. คุณสามารถหางานได้โดยไม่ต้องมีทักษะทางสถิติที่เฉพาะเจาะจง (เช่นปริญญาเอกก็เพียงพอแล้วโดยไม่คำนึงถึงหัวข้อการวิจัย) แต่คุณยังสามารถได้รับการคัดเลือกอย่างจริงจังสำหรับทักษะที่เฉพาะเจาะจง ในฐานะที่เป็นเรื่องเล็ก ๆ น้อย ๆ ฉันรู้ว่ามีคนที่ปฏิเสธข้อเสนอ 4 รายการแยกต่างหากจาก Google เพราะพวกเขาสนใจงานของเขา
หน้าผา AB

2
@CliffAB นั่นยุติธรรม แต่ฉันคิดว่ามันผิดพลาดที่จะกระเป๋าศึกษาลึกของบางสิ่งบางอย่างเพียงเพื่อให้ บริษัท อุกอาจจะรับสมัครคุณ
Matthew Drury

2
ฮ่าฮ่าเกี่ยวกับ "การศึกษาลึก" แมทธิว: ฉันแน่ใจว่าคนที่ @CliffAB รู้ว่าใครได้รับสี่ข้อเสนอจาก Google กำลังทำงานเพื่อเรียนรู้อย่างลึกซึ้ง
อะมีบาพูดว่า Reinstate Monica

4

หากความสนใจของคุณอยู่ในทักษะที่เป็น "ตลาด" ฉันจะบอกว่าเรียนรู้เกี่ยวกับเทคนิคการสร้างแบบจำลองที่หลากหลาย (GLMs แบบจำลองการเอาตัวรอดทั้งแบบต่อเนื่องและไม่ต่อเนื่องป่าสุ่มต้นไม้เพิ่มขึ้น) โดยเน้นการทำนาย สถิติทางคณิตศาสตร์บางครั้งอาจจมดิ่งลงในการประมาณค่าภายใต้ตัวแบบพารามิเตอร์พยายามตอบคำถามที่ไม่เกี่ยวข้องเมื่อตัวแบบไม่จริง ดังนั้นก่อนที่จะเจาะลึกลงไปในปัญหามากเกินไปให้พิจารณาว่ามันยังน่าสนใจและมีผลบังคับใช้หรือไม่เมื่อตัวแบบไม่ถือเพราะมันจะไม่ คุณควรจะสามารถค้นหาคำถามมากมายในฟิลด์ของอนุกรมเวลาถ้านั่นคือสิ่งที่คุณสนใจ

ขอขอบคุณที่มีความท้าทายในการวิเคราะห์ข้อมูลในโลกแห่งความจริงที่การศึกษาสถิติเพียงอย่างเดียวอาจไม่พร้อมสำหรับคุณดังนั้นฉันจะพิจารณาเสริมการศึกษาของคุณด้วยการศึกษาหัวข้อต่างๆเช่นฐานข้อมูลเชิงสัมพันธ์และการคำนวณทั่วไป เขตข้อมูลเหล่านี้อาจเป็นที่น่าสนใจมากและนำเสนอมุมมองที่สดชื่นของข้อมูล

ในที่สุดแมทธิวดรูรี่ชี้ให้เห็นแล้วว่ามันสำคัญมากที่จะสามารถเขียนโปรแกรมได้ ฉันจะทำงานอย่างเข้มแข็งด้วย R และ / หรือ Python และเริ่มเรียนรู้เกี่ยวกับ SQL ซึ่งคุณจะพบเจออย่างหลีกเลี่ยงไม่ได้ บริษัท จำนวนมากยังคงใช้ SAS อยู่ แต่คุณต้องการทำงานให้ บริษัท นี้หรือไม่? ภาษาที่คอมไพล์เช่น C หรือ Java ก็ไม่ได้ทำร้าย แต่สิ่งนี้ไม่สำคัญจริงๆ


1
ฉันยอมรับอย่างแน่นอนว่า "แบบจำลองทั้งหมดผิดบางรุ่นมีประโยชน์" อย่างไรก็ตามคุณจะเห็นด้วยที่จะมีค่าในการกำหนดแบบจำลองอธิบายกลไก (กำเนิด) ซึ่งอาจรวมถึงพารามิเตอร์แฝง (ไม่ได้สังเกต) ตัวอย่างเช่นในการกำหนดกลยุทธ์การสร้าง / รวบรวมข้อมูล ความประทับใจของฉันคือว่านี่อาจจะเป็นการแบ่ง (อ่อน) ระหว่างสถิติและการเรียนรู้ของเครื่อง หรือฉันอาจจะผิด (ฉันอยู่ในอุตสาหกรรม แต่ไม่ใช่เทคนิค "นักวิทยาศาสตร์ข้อมูล")
GeoMatt22

3

ในฐานะที่เป็นคนที่ใช้เวลาหลังจบการศึกษาระดับปริญญาเอกในอุตสาหกรรมผมจะพูดอย่างนี้

  1. การตอบสนองของ Matthew Drury เป็นอัตราแรก ข้อสังเกตของ dsaxton เกี่ยวกับการทำนายและการประมาณนั้นก็ดีเช่นกัน
  2. เรียนรู้การเขียนโปรแกรมโดยใช้อะไรก็ตามที่จะช่วยให้คุณเรียนจบด้วยความเร็ว รับดีที่มัน เมื่อคุณคล่องแคล่วในภาษาเดียวภาษาอื่น ๆ ก็ง่ายต่อการรับและคุณสามารถทำได้ด้วยค่าใช้จ่ายของนายจ้าง
  3. ฐานข้อมูลจะไม่เล็กลงและอาจจะไม่สะอาดกว่านี้อีก ฉันคาดการณ์ว่าเทคนิคการจัดการกับข้อมูลขนาดยักษ์ยุ่งเหยิง / หายไปนั้นเป็นสิ่งที่เหมาะสมสำหรับสองหรือสามทศวรรษข้างหน้า

2

คำตอบในปัจจุบันส่วนใหญ่เป็น "วิทยาศาสตร์ข้อมูล" ที่มุ่งเน้นซึ่งเป็นพื้นที่ที่มีการจ้างงานสูง ในฐานะที่เป็นโปสเตอร์เดิมกล่าวถึงความสนใจเป็นพิเศษในกระบวนการ stochastic และอนุกรมเวลา, พื้นที่สถิติคณิตศาสตร์อีก * ที่อาจเกี่ยวข้องคือการประมาณค่าของรัฐพื้นที่

สิ่งนี้ถูกใช้เพื่อประเมินแบบจำลองที่ระบบวิวัฒนาการเนื่องจากข้อเสนอแนะระหว่างกระบวนการที่กำหนดโครงสร้างสูง (กึ่งเสมือน) และการบังคับแบบสุ่ม ยกตัวอย่างเช่นการประมาณค่าของรัฐพื้นที่เป็นที่แพร่หลายในยานพาหนะของตนเอง

(* พื้นที่นี้โดยทั่วไปถือว่าเป็นส่วนหนึ่งของวิศวกรรมหรือโดเมนอื่น ๆแต่แน่นอนเกี่ยวข้องกับสถิติทางคณิตศาสตร์)


1

ฉันจะไม่แนะนำสิ่งใหม่ที่รุนแรง แต่ในฐานะที่เป็นนักเก็บข้อมูลมืออาชีพฉันต้องการเน้นบางประเด็น

  1. ทักษะการตลาดทั้งหมดไม่เพียง แต่รวมทักษะแยกเดี่ยวเท่านั้น แต่ยังเป็นชุดรวมที่ทำข้อมูลให้ตรงกันทั้งหมด และตามแพ็คเกจผมหมายถึง

  2. ชุดของทักษะการปฏิบัติที่มีความเชี่ยวชาญสูงมาก เช่นเดียวกับคุณสามารถสร้างการตัดสินที่มีความหมายซึ่งมีกองข้อมูล และสำหรับผู้ชายระดับปริญญาเอก (หรือใครก็ตามที่มาหาพวกเขา) นายจ้างจะสนใจนำการแข่งขันทางปัญญาในโลกแห่งความเป็นจริงที่คุณสามารถนำมาพร้อมกับชุดข้อมูลที่กำหนด เพื่อชี้แจงเป็นตัวอย่าง

  3. ชุดทักษะที่คุณอาจใช้ในการดึงข้อมูลจาก API เขียนตัวแปลงสัญญาณและไดรเวอร์ในกระบวนการหากคุณพบว่ากระบวนการไม่ยอมตามขอบเขตที่คุณอาจไม่สามารถใช้ศักยภาพเต็มศักยภาพได้ จากนั้นใช้องค์ประกอบของการวิเคราะห์ทางสถิติสำหรับการแปลงข้อมูลเป็นข้อมูล กระบวนการนี้ดิบมากและเป็นของแท้ที่การเรียนรู้ที่หลากหลายและลึกซึ้งของคุณคือยิ่งคุณสามารถดึงข้อมูลที่ดีขึ้นได้มากเท่าไหร่ ฉันได้รับการบอกครั้งหนึ่งว่าการเรียนรู้คณิตศาสตร์ซึ่งสามารถให้คำตอบกับปัญหานั้นเป็นเรื่องหนึ่ง แต่การตีความคำตอบนั้นในโลกแห่งความจริงเป็นเพียงทักษะอีกอย่างหนึ่ง

  4. สุดท้ายและที่สำคัญอย่างยิ่งคุณสามารถนำเสนอการสร้างภาพข้อมูลการสรุปให้ทุกคนได้เห็นและเข้าใจโดยไม่มีใครที่ไม่ใช่สาขาที่เกี่ยวข้องของคุณไม่ถามคำถามติดตามมากกว่า 3 คำถาม และนี่คือที่ที่คุณจะให้การเปรียบเทียบกับกระบวนการในโลกแห่งความเป็นจริง มันค่อนข้างยาก แต่เมื่อเชี่ยวชาญก็มักจะจ่ายเงินปันผลที่ดีตลอดอาชีพของคุณ

สำหรับสิ่งเหล่านี้จากมุมมองของฉันเคล็ดลับที่มีประโยชน์คือการถามตัวเองอย่างสม่ำเสมอในขณะที่ศึกษาสิ่งใหม่ ๆ ว่าจะใช้งานได้อย่างไรในโลกแห่งความเป็นจริง ใช่มันจะแปลก ๆ ในบางครั้งเมื่อคนขุดลึกลงไปใน abstractions แต่อย่างไรก็ตามมันก็เป็นนิสัยที่ดีคุ้มค่าและบ่อยครั้งที่มันแยกการจ้างงานที่ดีจากการศึกษาสูงเพียง โชคดี!

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.