Bagaimana saya bisa menggunakan teori komputasi dan kekuatan analisis saya untuk kebaikan yang lebih besar?

Di luar dunia akademis, apa gunanya 'kekuatan' saya? Apa yang bisa saya lakukan selain mengajar dan menerbitkan makalah? Di mana semua saya bisa menerapkan kekuatan saya?

Demi argumen: Harap asumsikan saya memiliki PhD dalam algoritma / TCS dan telah belajar banyak 'barang' dan dibuat telah datang dengan batas terobosan pada algoritma yang ada dll, Dan saya juga memiliki pijakan yang kuat dalam analisis algoritmik , aproksimasi / algoritma acak, pemrograman matematika dll.,

Alasan di balik pertanyaan: Ingin tahu tentang pilihan karir non-akademik untuk orang-orang di bidang ini dan mungkin memotivasi beberapa siswa bahwa itu "hanya bukan teori" dan pada dasarnya ada kegunaan di dunia luar .

PS: Tolong jangan menjawab dengan menyatakan ada banyak hal yang harus dipelajari dan Anda mungkin ingin mencoba topik XXX . Saya ingin tahu dari sudut pandang pengembangan karir / profesional. Riset Operasi (OR) tampaknya menjadi satu-satunya yang cocok, IMO. Apa pilihan lain yang ada?

Silakan baca jawaban William Thurston untuk pertanyaan Apa yang harus dilakukan ahli matematika? pada mathoverflow. Hanya untuk meyakinkan Anda bahwa itu harus dibaca, izinkan saya mengutipnya.

Produk matematika adalah kejelasan dan pemahaman. Bukan teorema, sendirian. Apakah ada, misalnya alasan nyata yang bahkan hasil terkenal seperti Teorema Terakhir Fermat, atau dugaan Poincaré, benar-benar penting? Kepentingan mereka yang sebenarnya bukanlah dalam pernyataan spesifik mereka, tetapi peran mereka dalam menantang pemahaman kita, menghadirkan tantangan yang mengarah pada perkembangan matematika yang meningkatkan pemahaman kita.

Dunia tidak menderita dari kelebihan kejelasan dan pemahaman (dengan kata lain). Bagaimana dan apakah matematika spesifik dapat mengarah pada peningkatan dunia (apa pun artinya itu) biasanya tidak mungkin dilakukan, tetapi matematika secara kolektif sangat penting.

Saya memiliki simpati yang besar untuk pertanyaan Anda. Saya melakukan PhD dalam logika sebagaimana diterapkan dalam ilmu komputer dan mengalami krisis utilitas pada akhirnya. Tampaknya keterampilan terkuat dan pengetahuan terdalam yang saya miliki, semua yang telah saya latih sendiri sama sekali tidak relevan untuk mendapatkan pekerjaan non-akademik. Ketika Matt Welsh, seorang anggota staf pengajar tetap di Havard, memposting tentang kepergian ke Google ada sebuah diskusi di mana David Patterson dari UC Berkeley membuat komentar berikut:

Saya tidak berpikir kebanyakan sistem orang pergi ke industri untuk mencari uang juga tidak pergi ke akademisi sehingga mereka bisa disebut Profesor. Kami beruntung telah memilih bidang yang ada pekerjaan besar di industri maupun akademisi.

Saya merasa, ketika membaca ini, bahwa melakukan PhD dalam ilmu komputer teoretis adalah kebalikan dari pernyataannya. Sekarang, saya telah melamar pekerjaan teknik (bukan penelitian) di industri dan saya telah menemukan bahwa ada tempat bagi kita di luar sana.

1. Algoritma penting dan relevan dalam industri. Beberapa masalah dalam industri membutuhkan algoritma yang baik. Anda juga membutuhkan teknik dan infrastruktur yang solid untuk membuat berbagai hal bekerja. Jumlah hambatan kinerja untuk secara efektif menyelesaikan masalah nyata tidak pernah berakhir. Jika Anda pandai menganalisis konsumsi waktu dan memori dari sistem nyata dan memperbaikinya, ada banyak pekerjaan untuk Anda.
2. Kejelasan dalam pemecahan masalah adalah keterampilan yang sangat berharga. Anda memiliki pelatihan untuk mencapai esensi matematika dari suatu masalah dan mengabaikan bagasi yang mengganggu. Anda juga dapat menerapkan solusi yang baik, atau menerapkan pengurangan ke formulir yang dapat diselesaikan secara efisien.
3. Estetika memiliki nilai. Komentar ini didasarkan pada paparan terbatas tetapi setelah melihat kode yang telah terbuka bersumber dari tempat-tempat seperti Google dan facebook, saya melihat bahwa upaya telah dilakukan untuk melakukan kebersihan logis. Jika Anda peduli tentang estetika matematika maka saya berharap Anda mungkin memiliki disiplin yang sama ketika Anda memprogram dan kesan saya adalah bahwa disiplin tersebut dihargai.
4. Pengacakan adalah yang terbaik dalam memberdayakan sistem nyata. Ada begitu banyak situasi mulai dari desain protokol hingga penggunaan filter Bloom dan desain mekanisme caching yang pintar yang mengandalkan pengacakan untuk skala. Bagi saya melihat pengacakan dalam aksi sama menariknya dengan melihatnya dalam teorema dan bahkan lebih memuaskan.

Ada banyak orang dengan kekuatan yang datang dengan pendidikan ilmu komputer teoretis yang telah memiliki karir industri yang sukses. Saya tidak menyimpulkan bahwa pengetahuan khusus inilah yang membuat mereka sukses, tetapi itu jelas tidak menghalangi mereka.

1. Pada pertengahan 1970-an, seorang sarjana di universitas Havard dan asisten profesor menulis makalah berjudul Bounds untuk disortir berdasarkan pembalikan awalan . Ketika Christos Papadimitriou memanggil siswa untuk memberitahunya bahwa kertas itu diterima di Matematika Diskrit, William H Gates sudah pindah ke Albuquerque untuk memulai sebuah perusahaan.
2. Ashok K. Chandra , penulis pendamping konferensi 1979 dan kemudian kertas kerja jurnal Alternation di industri.
3. Itu Algoritma dan Teori di Google memiliki banyak teoretikus tangguh yang, sejauh yang saya tahu, bekerja pada masalah yang diterapkan juga.

Ini hanya daftar acak dan kecil. Tujuan saya bukan untuk menjadi komprehensif tetapi untuk menunjukkan bahwa ada ahli teori di mana-mana. Saya harap Anda menikmati pengkodean, karena itu adalah keterampilan yang sangat diperlukan, dan saya percaya itu adalah salah satu dari beberapa penyebut yang umum di seluruh ilmuwan komputer. Tentu saja, Anda tidak akan menggunakan semua yang Anda tahu setiap hari. Tapi saya tidak berharap ini menjadi masalah bahkan jika Anda tinggal di akademi, kecuali jika Anda terus bekerja pada masalah yang sama selama bertahun-tahun. Jika Anda berpikir sebaliknya, cobalah Panduan Ilustrasi Matthew Might untuk PhD .