Finans / teknoloji endüstrisinde aşağıdaki istatistik kurslarından hangisi en uygulanabilir ve yararlıdır? [kapalı]

9

Uygulamalı Matematik ders kümem için alınacak 3 istatistik sınıfı seçme sürecindeyim (aktüeryal bilim veya istatistiksel analizde yoğunlaşmamı yapıyor). Aşağıdaki 3 sınıftan hangisinin finans / teknoloji / Bilgisayar Bilimi ile eşleştirildiği konusunda en yararlı / uygulanabilir olduğunu düşünüyorsunuz?

Stokastik Süreçler (Rastgele yürüyüşler, ayrık zamanlı Markov zincirleri, Poisson süreçleri)
Doğrusal Modelleme: Teori ve Uygulamalar
Zaman Serilerine Giriş
Modern İstatistiksel Tahmin ve Makine Öğrenmesi
Oyun Teorisi
Ekonometrik Analize Giriş (İstatistikler ve Ekoloji arasında çapraz kayıt)

teaching careers

— işaret
kaynak

1

İlk sorunuzda bir HNQ (Sıcak Ağ Sorusu) indiğiniz için tebrikler, ama bu açıkça "esasen fikir tabanlı" , bu yüzden kapatmak için oy veriyorum.

— Firebug

2

Ama aynı zamanda OP için yararlı olan uzman tavsiyesidir.

— Michael R.Chernick

1

@MichaelChernick "Pek çok iyi soru uzman deneyimine dayalı olarak bir dereceye kadar fikir üretmektedir , ancak bu soruya verilecek cevaplar gerçekler, referanslar veya spesifik uzmanlıktan ziyade neredeyse tamamen görüşlere dayanma eğilimindedir."

— Kundakçı

Burada OP, bunun için diğer Stack Exchange hesaplarını kullanabileceğimin farkında değildim. Ayrıca, bu sorunun konu dışı olması, bunun farkında olmadığını ve bu kadar çekişe sahip olacağını fark etmedim. Herkese verilen yanıtlar için teşekkürler!

— Max

12

Doğrusal Modelleme (temel bilgiler)
Zaman Serilerine Giriş (çok sayıda ölçüm olayının olduğu finans ve teknoloji için önemlidir)
Modern İstatistiksel Tahmin ve Makine Öğrenimi (finans ve teknoloji için de önemli olan fantezi yeni tahminler için)

— Mark White
kaynak

2

Seçimleriniz de iyi. Konsantrasyon aktüeryal bilim veya genel olarak istatistiksel analiz olduğunda sadece üç tane seçmek zordur. İlk ikisinde anlaştık ve üçüncüsünde farklılık gösterdik. Sadece aktüeryal bilim uygulamalı matematikte bir konsantrasyon ise hayatta kalma analizinde ciddi bir dersin önemli olacağını varsaydım.

— Michael R.Chernick

5

Doğrusal Modelleme ve Zaman Serilerine Giriş öneriyorum. Eğer sadece üç seçmeli dersiniz varsa ve aktüeryal bilime odaklanmaya karar verirseniz, eğer varsa, hayatta kalma analizinde bir ders alırım.

— Michael R. Chernick
kaynak

5

Dünyanın en büyük danışmanlık şirketlerinden birinde Veri Bilimcisi olarak çalışarak, benim gibi bir iş için faydalı olan iki sentimi verebilirim. Tüm dersler havalıdır ve hem araştırma, geliştirme hem de danışmanlık alanlarında uygulamaları vardır. Bununla birlikte, bazı dersler pratik uygulama için daha önemli olabilir. Feragatname: Bu işverenimin görüşlerini yansıtmaz ve ben de Almanya'da sadece birkaç departman gördüm.

EN YARARLI DERSLER:

Zaman Serilerine Giriş

Veri Bilimcisi olarak çalışıyorsanız, zaman zaman kesinlikle tahminde bulunacaksınız. Eğilimler, birim kökler, mevsimsellikler vb.Gibi kalıpları anlamanız önemlidir.

Uygulamada, aylık veya üç aylık veriler gibi farklı frekanslarda verilerle karşılaşacaksınız.

Tahmin uygulamalarını anlamak için Tahmin ilke ve uygulamasını okuyun .

Modern İstatistiksel Tahmin ve Makine Öğrenmesi

Bu kurs yüksek ücretli iş bulma şansınızı artıracaktır. Makine Öğrenimi, klasik istatistiklerden daha yüksek maaşlarla ilişkilidir. Eğitim ve test verileri gibi şeyleri bilmeye değer. Her zaman bir model oluşturup test edeceksiniz.

Makine Öğrenmesinin önemi de bu sayfaya CrossValidated denir. hahahaha

AYRICA FAYDALI:

Doğrusal Modelleme: Teori ve Uygulamalar
Ekonometrik Analize Giriş (İstatistikler ve Ekoloji arasında çapraz kayıt)

Bu kurslar bana oldukça benziyor. Her ikisinin de özellikle Boyuna Veriler ve Panel Verileri ile uğraştığını düşünüyorum. Bununla birlikte, Veri Bilimcisi olarak Zaman Serisi ile ilgileneceğiniz çoğu regresyon problemi. Heckman seleksiyon modeli / Tobit regresyonu ve Sayım Verileri ve Hayatta Kalma Analizi ile karşılaştığım bazı küçük projelerim vardı. Genel sınıflandırma görevleri şirketimde regresyon görevlerinden daha yaygındır.

Büyük olasılıkla Matematikçiler, İstatistikçiler ve Bilgisayar Bilimcileri ile bir ekipte çalışacaksınız. Ekonometrik modellere bağlı kalmayacaklar. Bununla birlikte, doğrusal modeller ve ekonometrik analiz hakkında sağlam bir anlayış, zaman serileri ve tahmin sorunları ile başa çıkmanıza yardımcı olacaktır.

Ayrıca tercih ettiğiniz programlama diline de bağlıdır. R (ve daha da özellikle Stata) regresyon modelleri için çok kullanışlıdır. Python diğer görevler için oldukça kullanışlıdır.

Michael Chernick'in belirttiği gibi Mikroekonometrik konular sigortalarda yaygın olarak kullanılmaktadır. Bir hayat sigortası bölümünde çalışıyorsanız hayatta kalma analizi çok önemli olacaktır. Ancak, çoğu veri bilimcisi bu tür görevlerle karşılaşmaz.

UCLA tarafından uygulanan bu uygulamalı ekonometrik hazırlık kursundan geçebilir ve gelecekteki işinizde bu tür sorularla ne kadar karşılaşacağınızı yansıtabilirsiniz.

DAHA ÖNEMLİ:

Stokastik Süreçler (Rastgele yürüyüşler, ayrık zamanlı Markov zincirleri, Poisson süreçleri)

Bu bir Veri Bilimcisi olarak pek kullanışlı olmayacak. Belki bir bankanın Kantitatif Finans bölümünde çalışıyorsanız bu tür modellerle karşılaşabilirsiniz.

Oyun Teorisi

Oyun teorisi pratikte zar zor doğrudan uygulanan teorik bir kavramdır. Ekonomik ve psikolojik araştırmalarda yardımcı olabilir, ancak bir veri bilimcinin klasik kapsamında değildir.

Lütfen bazı kurslar hakkında daha spesifik olup olmadığımı sormaktan çekinmeyin.

— Ferdi
kaynak

3

Bir bankada nicel bir rolle çalışan biri olarak diğer cevaplara katılmıyorum. Stokastik süreçler çok önemlidir. Stokastik süreçlerle ilgili iyi bir bilgi, bahsettiğiniz diğer sınıfların çoğunun, özellikle zaman serisi modellerinin arkasındaki sezgiyi anlamanıza izin verir. Aynı zamanda farklıdır (benim deneyimime göre stokastik süreçler hakkında iyi bir bilgi nadirdir).

alırdım

Stokastik süreçler
Modern İstatistiksel Tahmin ve Makine Öğrenmesi
Doğrusal Modelleme: Teori ve Uygulamalar

— user9403
kaynak