Những lĩnh vực thống kê toán học có khả năng sử dụng cao?

Tôi sắp hoàn thành danh dự về thống kê và tôi thực sự muốn làm tiến sĩ vì tôi thấy thống kê toán học cực kỳ thú vị. Các lĩnh vực nghiên cứu tôi muốn làm tiến sĩ nhất là các quá trình ngẫu nhiên và chuỗi thời gian.

Tuy nhiên tôi cũng muốn theo đuổi sự nghiệp trong khu vực tư nhân sau khi học tiến sĩ. Tôi đã tự hỏi những lĩnh vực thống kê toán học được sử dụng nhiều nhất trong khu vực tư nhân, và trong các loại công việc?

Rõ ràng tôi sẽ không làm tiến sĩ chỉ vì nó có thể tuyển dụng được, nhưng tôi cảm thấy đó chắc chắn là điều tôi cần xem xét và vì vậy tôi muốn có một lời khuyên.

Tôi đang trả lời như một người thường xuyên đánh giá và thuê các nhà khoa học dữ liệu.

Là một người chuyển từ nghiên cứu học thuật sang sự nghiệp của khu vực tư nhân, bạn sẽ không được tuyển dụng dựa trên sức mạnh của bất kỳ kỹ năng cụ thể nào bạn có. Thế giới nghiên cứu học thuật về thống kê và lĩnh vực của bất kỳ vấn đề nào của một công ty cụ thể là quá rộng lớn để thuê trên cơ sở các kỹ năng cụ thể được xác định rất chính xác.

Thay vào đó, bạn sẽ được tuyển dụng bởi vì bạn có thể thể hiện năng khiếu chung về tư duy chính xác, khao khát và tài năng giải quyết vấn đề, khả năng hiểu và truyền đạt những ý tưởng trừu tượng và phức tạp, và một loạt các kỹ năng thực tế và lý thuyết.

Vì vậy, lời khuyên của tôi, và tôi chỉ là một chàng trai, hãy làm những gì bạn yêu thích và phát triển khát khao giải quyết vấn đề, sắc thái và sự phức tạp. Học một nhóm kỹ năng đa dạng và hiểu rõ các nguyên tắc cơ bản của bạn (tốt hơn so với chủ đề nghiên cứu của bạn)

Oh, và học cách lập trình.

Điều đó rất có ý nghĩa, cảm ơn rất nhiều vì đã trả lời chu đáo. Có ngôn ngữ lập trình cụ thể nào bạn muốn giới thiệu không

Câu hỏi khó trả lời mà không được quan điểm.

Ý kiến ​​cá nhân của tôi là nó không thực sự quan trọng, vì vậy hãy học cái bạn thích và điều đó thúc đẩy bạn tiếp tục học. Học ngôn ngữ đầu tiên của bạn thực sự tốt là trở ngại lớn. Sau lần đầu tiên học cái khác (và cái khác, và cái khác) dễ dàng hơn nhiều, vì bạn đã xử lý các thách thức khái niệm khó khăn.

Nhưng học tốt ngôn ngữ , học cách ngôn ngữ hoạt động và tại sao nó được thiết kế theo cách của nó. Viết mã sạch mà bạn không sợ quay lại. Lấy mã viết là một trách nhiệm nghiêm trọng, không phải là một thực tế đáng tiếc. Điều này làm cho nó vừa bổ ích hơn, vừa là một kỹ năng thực sự mà bạn có thể quảng cáo.

Nếu bạn vẫn muốn có lời khuyên cụ thể, tôi sẽ lặp lại @ssdecontrol, thích một ngôn ngữ có mục đích chung có thể thực hiện các số liệu thống kê trên một ngôn ngữ thống kê có thể (loại) làm mục đích chung.

Nếu bạn quan tâm đến các kỹ năng "có thể bán được", tôi sẽ nói rằng hãy tìm hiểu về một loạt các kỹ thuật mô hình (GLM, mô hình sinh tồn cả liên tục và rời rạc, rừng ngẫu nhiên, cây được tăng cường) với sự nhấn mạnh vào dự đoán. Thống kê toán học đôi khi có thể bị sa lầy vào ước lượng theo các mô hình tham số, cố gắng trả lời các câu hỏi trở nên không liên quan khi mô hình không đúng theo nghĩa đen. Vì vậy, trước khi đi sâu vào một vấn đề, hãy xem xét liệu nó có còn thú vị và có thể áp dụng được không khi mô hình không giữ được, bởi vì nó sẽ không bao giờ tồn tại. Bạn sẽ có thể tìm thấy nhiều câu hỏi như vậy trong lĩnh vực chuỗi thời gian, nếu đó là một trong những sở thích của bạn.

Cũng đánh giá cao rằng có những thách thức liên quan đến việc phân tích dữ liệu trong thế giới thực mà một mình giáo dục thống kê có thể không chuẩn bị cho bạn, vì vậy tôi sẽ xem xét bổ sung giáo dục của bạn vào nghiên cứu các chủ đề như cơ sở dữ liệu quan hệ và tính toán chung. Các lĩnh vực này cũng có thể rất hấp dẫn và cung cấp một quan điểm mới mẻ về dữ liệu.

Cuối cùng, như Matthew Drury đã chỉ ra rằng nó rất cần thiết để có thể lập trình. Tôi sẽ làm việc để trở nên mạnh mẽ với R và / hoặc Python và bắt đầu tìm hiểu về SQL, điều mà bạn sẽ gặp phải. Rất nhiều công ty vẫn sử dụng SAS, nhưng bạn có thực sự muốn làm việc cho một công ty không? Một ngôn ngữ được biên dịch như C hoặc Java cũng không bị tổn thương, nhưng điều này không thực sự quan trọng.

Là một người đã dành sự nghiệp sau tiến sĩ trong ngành công nghiệp, tôi sẽ nói điều này.

1. Phản ứng của Matthew Drury là hạng nhất. Nhận xét của DSaxton về dự đoán so với ước tính cũng tốt.
2. Học cách lập trình bằng bất cứ điều gì sẽ giúp bạn vượt qua trường cấp tốc với tốc độ. Hãy giỏi về nó. Một khi bạn rất thông thạo một ngôn ngữ, những ngôn ngữ khác rất dễ tiếp thu và bạn có thể làm như vậy với chi phí của chủ lao động.
3. Các cơ sở dữ liệu sẽ không nhận được bất kỳ nhỏ hơn và có thể sẽ không nhận được bất kỳ sạch hơn. Tôi dự đoán rằng các kỹ thuật để đối phó với dữ liệu khổng lồ, lộn xộn / thiếu là một sự đánh cược xứng đáng trong hai hoặc ba thập kỷ tới.

Hầu hết các câu trả lời hiện tại đều theo định hướng "khoa học dữ liệu", đây chắc chắn là một lĩnh vực có thể sử dụng cao. Vì áp phích ban đầu đề cập đến mối quan tâm đặc biệt đối với các quá trình ngẫu nhiên và chuỗi thời gian, một lĩnh vực thống kê toán học khác * có thể có liên quan là ước tính không gian nhà nước .

Điều này được sử dụng để ước tính các mô hình trong đó hệ thống phát triển do phản hồi giữa các quy trình xác định có cấu trúc cao (gần đúng) và cưỡng bức ngẫu nhiên. Ví dụ, ước tính không gian nhà nước có mặt khắp nơi trong các phương tiện tự trị .

(* Khu vực này thường được coi là một phần của kỹ thuật hoặc các lĩnh vực khác , nhưng chắc chắn liên quan đến thống kê toán học.)

Tôi sẽ không đề xuất một cái gì đó hoàn toàn mới, nhưng với tư cách là một người quét dữ liệu chuyên nghiệp, tôi muốn nhấn mạnh một vài điểm.

1. Tất cả các kỹ năng thị trường không chỉ là một nhóm các kỹ năng đơn lẻ mà còn là một gói hoàn toàn đồng bộ. Và theo gói, ý tôi là,

2. Một tập hợp các kỹ năng thực tế, với trình độ cực kỳ cao. Giống như bạn có thể hình thành phán đoán có ý nghĩa cho một đống dữ liệu. Và đối với một anh chàng trình độ tiến sĩ (hoặc cho bất kỳ ai đến với họ), các nhà tuyển dụng sẽ quan tâm hơn đến việc mang lại sự phù hợp về nhận thức trong thế giới thực mà bạn có thể mang theo với một bộ dữ liệu nhất định. Để làm rõ, như một ví dụ,

3. Tập hợp các kỹ năng mà bạn có thể sử dụng để trích xuất dữ liệu từ API, viết codec và trình điều khiển trong quy trình nếu bạn thấy quy trình này không thể chịu đựng được đến mức bạn không thể phát huy hết tiềm năng của mình. Sau đó sử dụng các yếu tố của phân tích thống kê để chuyển đổi dữ liệu thành thông tin. Quá trình này rất thô sơ và xác thực đến mức việc học của bạn càng đa dạng và sâu sắc, bạn càng có thể lấy thông tin tốt hơn nhiều. Tôi đã được nói một lần, rằng toán học thành thạo có thể đưa ra câu trả lời cho vấn đề là một điều nhưng để giải thích câu trả lời đó trong thế giới thực, chỉ là một kỹ năng khác.

4. Cuối cùng và cực kỳ quan trọng, bạn có thể trình bày trực quan hóa kết luận của mình để mọi người cùng xem và hiểu mà không có ai không thuộc lĩnh vực liên quan của bạn không hỏi quá 3 câu hỏi tiếp theo. Và đây là nơi bạn sẽ đưa ra sự tương tự của bạn với quá trình trong thế giới thực. Có một chút khó khăn nhưng một khi thành thạo, nó thường trả cổ tức tốt, trong suốt sự nghiệp của bạn.

Đối với tất cả những điều này, theo quan điểm của tôi, một mẹo hữu ích là hãy tự hỏi bản thân một cách nhất quán trong khi nghiên cứu những điều mới mà làm thế nào nó có thể được sử dụng trong thế giới thực. Vâng, đôi khi nó trở nên lúng túng khi người ta đào sâu vào sự trừu tượng nhưng tuy nhiên đó là một thói quen rất đáng giá và thường nó tách biệt siêu có thể sử dụng được với trình độ học vấn cao. Chúc may mắn!