สถิติด้านคณิตศาสตร์ใดบ้างที่มีประโยชน์สูง

ฉันกำลังจะสำเร็จการศึกษาด้านสถิติและฉันต้องการเรียนปริญญาเอกเพราะฉันพบว่าสถิติทางคณิตศาสตร์น่าสนใจอย่างยิ่ง สาขาการวิจัยที่ฉันอยากทำในระดับปริญญาเอกส่วนใหญ่เป็นกระบวนการแบบสุ่มและอนุกรมเวลา

อย่างไรก็ตามฉันยังต้องการที่จะประกอบอาชีพในภาคเอกชนหลังจากปริญญาเอกของฉัน ฉันสงสัยว่าส่วนใดของสถิติทางคณิตศาสตร์ที่ใช้มากที่สุดในภาคเอกชนและงานประเภทใด

เห็นได้ชัดว่าฉันจะไม่ทำปริญญาเอกเพียงเพราะมันจ้างได้ แต่ฉันรู้สึกว่ามันเป็นสิ่งที่ฉันต้องพิจารณาอย่างแน่นอนและต้องการคำแนะนำ

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

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

ในฐานะที่เป็นคนที่ใช้เวลาหลังจบการศึกษาระดับปริญญาเอกในอุตสาหกรรมผมจะพูดอย่างนี้

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

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

สิ่งนี้ถูกใช้เพื่อประเมินแบบจำลองที่ระบบวิวัฒนาการเนื่องจากข้อเสนอแนะระหว่างกระบวนการที่กำหนดโครงสร้างสูง (กึ่งเสมือน) และการบังคับแบบสุ่ม ยกตัวอย่างเช่นการประมาณค่าของรัฐพื้นที่เป็นที่แพร่หลายในยานพาหนะของตนเอง

(* พื้นที่นี้โดยทั่วไปถือว่าเป็นส่วนหนึ่งของวิศวกรรมหรือโดเมนอื่น ๆแต่แน่นอนเกี่ยวข้องกับสถิติทางคณิตศาสตร์)

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!