タグ付けされた質問 「careers」

統計学者、データ科学者などが自分のキャリアで成功しなければならないスキルについての質問。このタグで質問するときは、特定の状況についてアドバイスを求めるのではなく、一般的な関心があることを確認してください。

15
データサイエンティストとは何ですか?
最近、統計学の博士課程を卒業してから、ここ数か月間、統計学の分野で仕事を探し始めました。私が検討したほとんどすべての会社には、「データサイエンティスト」という肩書きを持つ求人がありました。実際、統計学者や統計学者の役職を見る日々はもうなくなったように感じました。データ科学者であることは、統計学者であることを本当に置き換えたのか、それともタイトルが同義語だったのだろうか? まあ、仕事の資格のほとんどは、統計学者の肩書きの下で資格があるもののように感じました。ほとんどのジョブは、統計学の博士号( checkmark)、実験計画( checkmark)、線形回帰とanova( checkmark )、一般化線形モデル( checkmark )、およびPCA()などの他の多変量法の理解が最も必要でした、およびRやSASなどの統計コンピューティング環境に関する知識()。データサイエンティストのように思えますが、実際は統計学者の単なるコード名です。✓ ✓ ✓ ✓ ✓✓✓\checkmark✓✓\checkmark✓✓\checkmark✓✓\checkmark✓✓\checkmark✓✓\checkmark しかし、私が行ったすべてのインタビューは、「機械学習アルゴリズムに精通していますか?」という質問から始まりました。多くの場合、ビッグデータ、高性能コンピューティング、ニューラルネットワーク、CART、サポートベクターマシン、ブースティングツリー、教師なしモデルなどのトピックに関する質問に答えなければならないことに気づきました。統計的な質問ですが、すべてのインタビューの終わりには、データサイエンティストが何であるかについてだんだんとわからなくなったような気分になります。 私は統計学者ですが、データ科学者ですか?私は科学的な問題に取り組んでいるので、科学者でなければなりません!また、データを扱うので、データサイエンティストでなければなりません!ウィキペディアによると、ほとんどの学者は私に同意するだろう(https://en.wikipedia.org/wiki/Data_science、など) ビジネス環境では「データサイエンス」という用語が爆発的に使用されていますが、多くの学者やジャーナリストは、データサイエンスと統計を区別していません。 しかし、データサイエンティストの立場でこれらの就職面接をすべて行っているのに、なぜ彼らが私に統計的な質問をすることはないように感じるのでしょうか? 前回のインタビューの後、私は良い科学者にやってもらいたいと思ったので、この問題を解決するためにデータを探しました(やっぱり、私はデータ科学者です)。しかし、後で何度も無数のGoogle検索を行った後、データサイエンティストとは何かの定義に再び取り組んでいるかのように感じ始めたところです。それのように多くの定義は、(があったので、私は、データ科学者が正確に何であったか知らなかったhttp://blog.udacity.com/2014/11/data-science-job-skills.html、HTTPを:// WWW -01.ibm.com/software/data/infosphere/data-scientist/)しかし、誰もが私が1人になりたいと言っていたようです: https://hbr.org/2012/10/data-scientist-the-sexiest-job-of-the-21st-century/ http://mashable.com/2014/12/25/data-scientist/#jjgsyhcERZqL など...リストは続きます。 結局のところ、「データサイエンティストとは何か」と答えたのは非常に難しい質問でした。ヘック、Amstatにはこの質問に答えようと時間を割いていた2か月がありました。 http://magazine.amstat.org/blog/2015/10/01/asa-statement-on-the-role-of-statistics-in-data-science/ http://magazine.amstat.org/blog/2015/11/01/statnews2015/ 今のところ、私はデータサイエンティストになるためにセクシーな統計学者にならなければなりませんが、うまくいけば、相互検証されたコミュニティがいくらかの光を放ち、データサイエンティストになることの意味を理解できるようになるかもしれません。すべての統計学者はデータ科学者ではありませんか? (編集/更新) これは会話を盛り上げるかもしれないと思った。米国統計協会から、データサイエンティストを探しているMicrosoftの求人に関するメールを受け取りました。:ここにリンクされたデータ・サイエンティストポジション。ポジションの役割は私たちが話している多くの特定の特性に影響を与えるため、これは興味深いと思いますが、それらの多くは統計の非常に厳格な背景を必要とし、また以下に掲載された多くの答えと矛盾しています。リンクが機能しなくなった場合に、Microsoftがデータサイエンティストに求めている特性は次のとおりです。 コアジョブの要件とスキル: Analyticsを使用したビジネスドメインエクスペリエンス 大規模な実世界のビジネスデータセットで高度な分析を使用して、複雑なビジネス問題とそのソリューションを概念化するためのクリティカルシンキングスキルの活用に関するいくつかの関連ビジネスドメインでの経験が必要 候補者は、独自に分析プロジェクトを実行し、社内クライアントが調査結果を理解し、ビジネスに利益をもたらす行動に変換できるようにする必要があります。 予測モデリング 予測モデリングにおける業界全体の経験 重要な関係を引き出し、システムスコープを定義するためのクライアントとのビジネス問題の定義および概念モデリング 統計/計量経済学 連続データおよびカテゴリデータの探索的データ分析 企業および消費者の行動、生産コスト、要因需要、個別の選択、および必要に応じたその他の技術関係の構造モデル方程式の仕様と推定 連続データおよびカテゴリデータを分析するための高度な統計手法 時系列分析と予測モデルの実装 複数の変数の問題を扱う知識と経験 モデルの正確性を評価し、診断テストを実施する能力 統計または経済モデルを解釈する能力 個別のイベントシミュレーションと動的シミュレーションモデルの構築に関する知識と経験 データ管理 データ変換のためのT-SQLおよび分析の使用と、非常に大規模な実世界のデータセットに対する探索的データ分析手法の適用に関する知識 データの冗長性、データの正確性、異常値または極端な値、データの相互作用、欠損値などのデータ整合性への注意。 コミュニケーションとコラボレーションのスキル 独立して作業し、困難なビジネス問題に対する革新的なソリューションを研究する仮想プロジェクトチームと連携できる パートナーとのコラボレーション、批判的思考スキルの適用、分析プロジェクトのエンドツーエンドの推進 …

9
数学者は、同等の知識を質の高い統計学の程度に望んでいます
私は人々が重複を閉じるのが好きであることを知っているので、統計の学習を開始するための参照を求めていません(こちら)。 私は数学の博士号を持っていますが、統計を学んだことはありません。一流のBS統計学の学位と同等の知識を得るための最短ルートは何ですか?それを達成したときにどのように測定しますか? 本のリストで十分な場合(演習で言うと仮定すると)、それは素晴らしいです。はい、問題を解決することはそれを学ぶことの暗黙の一部であると期待していますが、できるだけ現実に即して追跡したいと思います。統計学専攻が一般的に学んでいることの一部でない限り、私はめちゃくちゃ厳格な治療を探していません。

11
博士号なしでデータマイニングの仕事をする
私はしばらくの間、データマイニングと機械学習に非常に興味がありました。その理由の1つは、学校でその分野を専攻していましたが、プログラミングだけでなく、知識とそのソリューションが複数の形式を持つことができます。私には研究者/科学者のバックグラウンドはありません。データ分析に重点を置いたコンピューターサイエンスのバックグラウンドから来ました。博士号ではなく修士号を取得しています。私は現在、データ分析に関連する立場を持っています。たとえそれが私がしていることの主な焦点ではないとしても、少なくともある程度はそれをよく知っています。 数年前にいくつかの企業と仕事をするためにインタビューし、数人のリクルーターと話をするようになったとき、機械学習を行うには博士号が必要だと人々が考える一般的なパターンを見つけました。少し一般化しすぎています(一部の企業は、特に博士号を本当に探していませんでした)。 その分野で博士号を取得するのは良いことだと思いますが、これが絶対に必要だとは思いません。私はほとんどの現実世界の機械学習アルゴリズムについてかなり適切な知識を持ち、それらのほとんどを自分で(学校でも個人プロジェクトでも)実装しており、機械学習/データマイニングおよび統計一般に関する問題に取り組む際にかなり自信を持っています。また、似たようなプロフィールを持っている友人もいますが、これについても非常に精通しているようですが、博士号を取得していない場合、一般的に企業はデータマイニングの採用についてかなり恥ずかしがっていると感じています。 フィードバックをもらいたいのですが、その分野に非常に焦点を当てた仕事をするためには、博士号が絶対に必要だと思いますか? (ここでこの質問を投稿する前に少し迷いましたが、メタに関する許容可能なトピックであると思われるため、私はしばらくの間考えていたこの質問を投稿することにしました。)

18
統計インタビューの質問
私は、最も基本的なものからより高度なものまで、いくつかの統計(および確率)インタビューの質問を探しています。回答は必要ありません(ただし、このサイトの特定の質問へのリンクは問題ありません)。

3
統計学における修士プログラムについて考慮すべきこと
大学院の入学シーズンです。私(および私のような多くの学生)は現在、どの統計プログラムを選択するかを決定しようとしています。 統計学を研究している皆さんが、統計学の修士課程について検討することを示唆していることは何ですか? (おそらく学校の評判に関して)学生が犯すよくある落とし穴や間違いはありますか? 雇用に関しては、応用統計に焦点を当てるべきか、応用統計と理論統計の組み合わせに注目すべきでしょうか? 編集:ここに私の個人的な状況に関するいくつかの追加情報があります:私が現在検討しているすべてのプログラムは米国にあります。より応用的な側面に焦点を合わせ、「応用統計学」の修士号を授与する者もいれば、「統計学」の理論コースとグラント学位を授与する者もいます。私は個人的に、ある業界で別の業界で働くつもりはありません。私はプログラミングのバックグラウンドがあり、たとえば、ゲノミクスやバイオインフォマティクス業界よりもテクノロジー業界を少しよく知っています。しかし、私は主に興味深い問題のあるキャリアを探しています。 編集:質問をより一般的に適用できるようにしました。



7
機械学習科学者の毎日の仕事は何ですか?
私は現在、論文を書いているドイツの大学のマスターCS学生です。私は博士号を継続するか、業界で仕事を見つける必要がある場合、私は非常に難しい決定を下す必要があります2ヶ月で完了します。 博士号取得の理由: 私は非常に好奇心が強い人だと私は私がまだ欠けていると感じあまり知識を。私は多くのことを学びたいです。博士課程はそのために役立ちます。より良いコースを行い、大量の論文を読み、データマイニングと機械学習の専門家になることができるからです。私は数学が大好きですが、私の学部では得意ではありませんでした(悪い大学)。今、このドイツ語のユニで、私は多くの素晴らしい数学スキルを開発したと感じています。私は本当に数学が大好きなので、それを改善したいと思います!(私は学部生と生涯で数学が本当に悪かったのですが、今ではうまく数学ができると思います!) 知的にやりがいのある仕事をします。 私は正直に言う必要があり、また、私は私よりも高い学位を持つ他の人に会うことを嫌います。したがって、私が通りを歩いて博士号を持つ人に会ったら、「ああ、この男は私より賢いわ」と言う必要はありません。私は反対側にいることを好む。;) 博士号を取得しない理由: 私はインターネットで博士号を取得するかしないかについて読みました。ほとんどの場合、博士号を持つ人は、マスターを持つ人と同じような仕事をすることがわかりました。(これはコンピューターサイエンスの一般的な観察であり、ML / DMに関するものではありませんでした)。 キャリアを始めて1〜2年で大金を稼ぐことができれば、おそらく自分の会社を始めることができます。 まだ明確ではないもの: 最後に私の最終目標が何であるかはまだわかりません。それは有名な小さな会社を持つことですか?それとも有名な科学者になることですか?まだこの質問に対する答えがありません。 決断を下すために、次の2つのことを知りたいと思います。 業界で修士号を取得したデータサイエンティスト/機械学習者として働くことはどのようなものですか?どんな仕事をしていますか?特に、機械学習の科学者としてアマゾンでそれらの広告を読んだとき、私はいつも彼らが何をするのだろうと思います。 前と同じ質問ですが、博士号があります。マスターと何か違うことや同じことをしていますか? 挑戦的な興味深い問題に対処するつもりですか?または退屈なものですか? ちょっとした注意として:私は機械学習の博士号を持つ男(ドイツ)を見て、機械学習ソフトウェアを宣伝する会社で働いています。私が理解したように、彼の仕事のほとんどは、人々に方法とソフトウェア(意思決定ツリーなど)を使用するように訓練することです。 いくつかの有名な良い会社でドイツ/スイスに関連した経験の答えを得ることができれば素晴らしいと思います。


3
作業環境で正しい統計を行っていますか?
この質問がどこに属しているのかわかりません:Cross Validated、またはThe Workplace。しかし、私の質問は漠然と統計に関連しています。 「データサイエンスインターン」として働いている間に、この質問(または私は質問だと思います)が生じました。この線形回帰モデルを構築し、残差プロットを調べていました。異分散性の明確な兆候が見られました。不均一分散性は、信頼区間やt検定などの多くの検定統計量を歪めることを覚えています。そこで、大学で学んだことに従って、重み付き最小二乗法を使用しました。私のマネージャーはそれを見て、「私は物事を複雑にしていた」ので、それをしないように忠告しました。 別の例は、「p値が重要でないため、説明変数を削除する」です。つまり、このアドバイスは論理的な観点からは意味がありません。私が学んだことによると、取るに足りないp値はさまざまな理由による可能性があります:偶然、間違ったモデルの使用、仮定への違反など。 さらに別の例として、k-fold cross validationを使用してモデルを評価しました。結果によると、はよりも優れています。ただし、モデル1のは低く、その理由は切片と関係があります。しかし、私のスーパーバイザーは、モデル2の方がが高いため、モデル2を好むようです。彼の理由(が堅牢である、または相互検証が統計的アプローチではなく機械学習アプローチであるなど)は、私の考えを変えるほど説得力がないようです。CVM O De l 1CVmodel1CV_{model 1} R 2CVM O De l 2CVmodel2CV_{model 2}R2R2R^2R 2R2R2R^2R2R2R^2 大学を卒業したばかりの人として、私は非常に混乱しています。私は正しい統計を適用して現実世界の問題を解決することに非常に情熱を注いでいますが、次のどれが当てはまるのかわかりません。 自分で学んだ統計は間違っているので、間違いを犯しています。 企業の理論統計とモデルの構築には大きな違いがあります。そして統計理論は正しいが、人々はそれに従わない。 マネージャーは統計を正しく使用していません。 2017年4月17日に更新:博士号を取得することにしました。統計で。お返事ありがとうございます。
20 careers 


5
数学統計のどの領域が非常に採用可能ですか?
私は統計学の栄誉を終えようとしています。数学の統計学は非常に興味深いと思うので、本当に博士号を取得したいと思っています。私が最も博士号を取得したい研究分野は、確率過程と時系列です。 しかし、私は博士号取得後、民間部門でのキャリアも追求したいと考えています。私は、数学統計のどの分野が民間部門で最も使用されているのか、どのような職種で使用されているのか疑問に思っていました。 雇用できるという理由だけで博士号を取得するつもりはありませんが、それは間違いなく検討する必要があると感じているので、アドバイスをお願いします。

2
自習はどこまでできますか?
私は公式または構造化されたデータ分析または機械学習コース(最近のオンラインサービス以外)に参加したことがなく、物事を読んだり試したりして知っていることのほとんどを学びました。私は仕事に就くことができるとは程遠いことを知っています。 私の質問は(この質問のように)何が良いかということではなく、むしろ、私は仕事に応募でき、実際に独学でチャンスを得ることができるレベルに達することができますか?また、妥当な時間枠内でこれを行うことは可能ですか(おそらく10年ですか?私は31歳です...)? それとも、ある種の大学/大学に通う方法を見つける必要がありますか?


8
統計学者が行うことは何ですか?
統計学ではない友人に私が統計学の博士号を取得しようとする大学院生であるとき、彼らは当然「教授になりたいのですか?」と言います。私は彼らに私が実際に産業で働くことを計画していないと言います。それから、彼らは「そして何をするの?」と答えます。この質問に対する良い回答は見つかりませんでした。統計学者が取り組んでいるさまざまな興味深い問題を彼らに伝えたいのですが、私の回答は通常混乱したり、技術的すぎたりします。ほとんどの人は、私たちがエクセルで働き、平均と標準偏差を計算していると思います。 この質問に対する簡潔で興味深い回答は何ですか? ありがとう!(この質問に適した既存のタグが何かわからない)
12 careers 

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.