Matematiksel istatistiklerin hangi alanları yüksek oranda istihdam edilebilir?

İstatistiklerimi onurlandırmak üzereyim ve gerçekten doktora yapmak istiyorum çünkü matematik istatistiklerini son derece ilginç buluyorum. Doktora yapmak istediğim araştırma alanları stokastik süreçler ve zaman serileridir.

Ancak doktora sonrası özel sektörde kariyer yapmak istiyorum. Matematiksel istatistiklerin hangi alanlarda özel sektörde ve hangi tür işlerde en çok kullanıldığını merak ediyordum.

Açıkçası sadece istihdam edilebilir olduğu için doktora yapmayacağım, ama kesinlikle dikkate almam gereken bir şey olduğunu hissediyorum ve bu yüzden bazı tavsiyeler istiyorum.

Veri bilimcilerini rutin olarak değerlendiren ve işe alan biri olarak cevap veriyorum.

Akademik çalışmadan özel sektör kariyerine geçen bir kişi olarak, sahip olduğunuz belirli becerilerin gücünden işe alınmayacaksınız. İstatistiklerle ilgili akademik çalışma dünyası ve herhangi bir şirketin sorun kümesinin alanı, çok hassas bir şekilde tanımlanmış spesifik beceri setleri temelinde kiralanamayacak kadar büyüktür.

Bunun yerine işe alınacaksınız çünkü hassas düşünme için genel bir yetenek, problem çözme için susuzluk ve yetenek, soyut ve karmaşık fikirleri anlama ve iletişim kurma yeteneği ve çeşitli pratik ve teorik becerileri gösterebilirsiniz.

Benim tavsiyem, ve ben sadece bir adamım, sevdiğiniz şeyi yapın ve problem çözme, nüans ve karmaşıklık için bir susuzluk geliştirin. Çok çeşitli beceriler öğrenin ve temellerinizi iyi bilin (araştırma başlığınızdan daha iyi)

Oh, ve programlamayı öğren.

Bu çok mantıklı, düşünceli cevap için çok teşekkürler. Önereceğiniz belirli programlama dilleri var mı

Görüşülmeden cevaplanması zor bir soru.

Benim kişisel fikrim gerçekten önemli değil, bu yüzden sevdiğinizi öğrenin ve sizi öğrenmeye devam etmek için motive edin. İlk dilinizi gerçekten iyi öğrenmek büyük engeldir. İlk öğrendikten sonra bir başkası (ve diğeri ve diğeri) çok daha kolaydır, çünkü zaten zor kavramsal zorluklarla uğraştınız.

Ancak dili iyi öğrenin, dilin nasıl çalıştığını ve neden olduğu gibi tasarlandığını öğrenin. Geri dönmekten korkmadığınız temiz kodlar yazın. Yazım kodunu talihsiz bir gerçeklik olarak değil, ciddi bir sorumluluk olarak ele alın. Bu onu hem daha ödüllendirici hem de reklamını yapabileceğiniz gerçek bir beceri haline getirir.

Hâlâ belirli bir tavsiye istiyorsanız, @ssdecontrol yankılarını tercih ederim, genel amaçlı bir istatistik dili üzerinden istatistik yapabilen genel amaçlı bir dili tercih ederim.

İlginiz "pazarlanabilir" becerilere ilgiliyse, kestirim üzerinde tahmin üzerinde durularak çeşitli modelleme tekniklerini (GLM'ler, hem sürekli hem de ayrık hayatta kalma modelleri, rastgele ormanlar, güçlendirilmiş ağaçlar) öğrenmeyi söyleyebilirim. Matematiksel istatistikler zaman zaman parametrik modeller altında tahminlerde çok fazla sapma gösterebilir ve model tam anlamıyla doğru olmadığında önemsiz hale gelen soruları cevaplamaya çalışır. Bu nedenle, bir soruna çok derinlemesine bakmadan önce, model tutulduğunda hala ilginç ve uygulanabilir olup olmadığını düşünün, çünkü asla olmayacaktır. Eğer ilgi alanlarınızdan biri yatıyorsa, zaman serisi alanında bu tür birçok soru bulabilmelisiniz.

Ayrıca, bir istatistik eğitiminin sadece sizin için hazırlayamayacağı gerçek dünya verilerinin analizinde zorlukların olduğunu takdir edin, bu yüzden eğitiminizi ilişkisel veritabanları ve genel hesaplama gibi konuları inceleyerek tamamlamayı düşünürüm. Bu alanlar da çok etkileyici olabilir ve verilere canlandırıcı bir bakış açısı sunabilir.

Son olarak, Matthew Drury'nin daha önce işaret ettiği gibi, programlayabilmenin esastır. R ve / veya Python ile güçlü olmaya çalışacağım ve kaçınılmaz olarak karşılaşacağınız SQL hakkında öğrenmeye başladım. Birçok şirket hala SAS kullanıyor, ancak gerçekten bir şirket için çalışmak istiyor musunuz? C veya Java gibi derlenmiş bir dil de incinmez, ancak bu gerçekten kritik değildir.

Doktora sonrası kariyerini endüstride geçiren biri olarak bunu söyleyebilirim.

1. Matthew Drury'nin yanıtı birinci sınıf. dsaxton'un kestirim ve kestirim üzerine görüşleri de iyidir.
2. Hızla grad okulundan geçmenize yardımcı olacak her şeyi kullanarak programlamayı öğrenin. İyi ol. Bir dilde çok akıcı konuştuktan sonra, diğer dillerin öğrenilmesi kolaydır ve bunu işvereninizin pahasına yapabilirsiniz.
3. Veri tabanları daha küçük olmayacak ve muhtemelen daha temiz olmayacaktır. Devasa, dağınık / eksik verilerle başa çıkma tekniklerinin önümüzdeki iki ya da otuz yıl boyunca iyi bir bahis olduğunu tahmin ediyorum.

Mevcut cevapların çoğu kesinlikle yüksek oranda istihdam edilebilir bir alan olan "veri bilimi" ne yöneliktir. Orijinal afişin stokastik süreçlere ve zaman serilerine özel bir ilgiden bahsettiği gibi, matematiksel istatistiklerin * ilgili olabilecek başka bir alanı da durum-uzay tahminidir .

Bu, yüksek yapılandırılmış (yarı) deterministik süreçler ve stokastik zorlama arasındaki geri besleme nedeniyle sistemin geliştiği modelleri tahmin etmek için kullanılır. Örneğin, durum uzayı tahmini otonom araçlarda her yerde bulunur .

(* Bu alan genellikle mühendisliğin veya diğer alanların bir parçası olarak kabul edilir , ancak kesinlikle matematik istatistiklerini içerir.)

Radikal olarak yeni bir şey önermem, ancak profesyonel bir veri temizleyici olarak, birkaç noktaya vurgu yapmak istiyorum.

1. Tüm pazarlanabilir beceriler sadece tek bir tecrit becerisi değil, aynı zamanda tamamen senkronize bir pakettir. Ve pakete göre, yani,

2. Son derece yüksek yeterliliğe sahip bir dizi pratik beceri. Bir yığın veri verildiğinde anlamlı bir yargı oluşturabilirsiniz. Ve doktora seviyesindeki bir adam için (veya onlara gelen herkes için) işverenler, belirli bir veri setiyle getirebileceğiniz gerçek dünya bilişsel eşleşmesini getirmekle daha fazla ilgilenirlerdi. Örnek vermek gerekirse,

3. Süreci, tam potansiyelinizi tam olarak sağlayamayacağınız ölçüde başarısız bulduysanız, API'dan veri çıkarmak için kullanabileceğiniz beceriler kümesi, kodekleri ve sürücüleri yazma. Daha sonra verilerin bilgiye dönüştürülmesi için istatistiksel analizin unsurlarını kullanın. Bu süreç o kadar ham ve o kadar otantik ki, öğrenmeniz ne kadar çeşitli ve derinse, o kadar iyi bilgi (ler) elde edebilirsiniz. Bana bir kez söylendi, soruna cevap verebilecek mastering matematiğinin bir şey olduğunu, bu cevabı gerçek dünyada yorumlamak sadece başka bir beceridir.

4. Son olarak ve son derece önemli olan, ilgili alanınızda olmayan hiç kimse 3'ten fazla takip sorusu sormadan herkesin görmesi ve anlaması için sonuçlarınızın görselleştirmelerini sunabilir misiniz? Ve bu, gerçek dünyadaki süreçlere benzetmenizi sunacağınız yer. Biraz zor ama ustalaştıktan sonra, kariyeriniz boyunca genellikle iyi temettüler öder.

Bütün bunlar için, benim görüşüme göre, yararlı bir ipucu, gerçek dünyada nasıl kullanılabileceğini yeni şeyler üzerinde çalışırken sürekli olarak kendinize sormaktır. Evet, bazen soyutlamalara derinlemesine girdiğinde garipleşir, ancak yine de buna çok iyi bir alışkanlıktır ve genellikle süper istihdam edilebilir olanı sadece yüksek eğitimli olanlardan ayırır. İyi şanslar!