Manakah dari kursus statistik berikut yang paling berlaku dan berguna dalam industri keuangan / teknologi? [Tutup]

Saya sedang dalam proses memilih 3 kelas statistik untuk diambil untuk gugus mata pelajaran Matematika Terapan saya (melakukan konsentrasi saya dalam sains aktuaria atau analisis statistik). 3 kelas dari yang berikut menurut Anda yang paling berguna / berlaku di bidang keuangan / teknologi / dipasangkan dengan Ilmu Komputer?

• Proses Stochastic (jalan acak, rantai Markov waktu diskrit, proses Poisson)
• Pemodelan Linier: Teori dan Aplikasi
• Pengantar Rangkaian Waktu
• Prediksi Statistik Modern dan Pembelajaran Mesin
• Teori Game
• Pengantar Analisis Ekonometrik (Lintas-pendaftaran antara Stats & Econ)

1. Pemodelan Linier (dasar-dasarnya)
2. Pengantar Time Series (penting untuk keuangan dan teknologi, di mana ada banyak dan banyak kesempatan pengukuran)
3. Prediksi Statistik Modern dan Pembelajaran Mesin (untuk hal-hal prediksi baru yang mewah, juga penting untuk keuangan dan teknologi)

Saya akan merekomendasikan Linear Modeling dan Introduction to Time Series. Jika Anda hanya memiliki tiga pilihan dan Anda memutuskan untuk berkonsentrasi dalam ilmu aktuaria, saya akan mengambil kursus dalam analisis kelangsungan hidup jika tersedia.

Bekerja sebagai Data Scientist di salah satu konsultan terbesar di dunia saya hanya bisa memberikan dua sen saya yang mana berguna untuk pekerjaan seperti milik saya. Semua program keren dan memiliki aplikasi baik dalam penelitian, pengembangan maupun konsultasi. Namun beberapa kursus mungkin lebih penting untuk aplikasi praktis. Penafian: Ini tidak mencerminkan pendapat atasan saya dan saya juga hanya melihat beberapa departemen di Jerman.

KURSUS YANG PALING BERMANFAAT:

• Pengantar Rangkaian Waktu

Jika Anda bekerja sebagai Ilmuwan Data, Anda pasti akan membuat ramalan sesekali. Penting bagi Anda untuk memahami pola seperti tren, unit root, musiman, dll.

Dalam praktiknya Anda akan menghadapi data dengan frekuensi yang berbeda seperti data bulanan atau empat.

Baca prinsip dan praktik Ramalan untuk mendapatkan pemahaman tentang aplikasi ramalan.

• Prediksi Statistik Modern dan Pembelajaran Mesin

Kursus ini akan meningkatkan peluang Anda untuk mendapatkan pekerjaan bergaji tinggi. Pembelajaran Mesin berkorelasi dengan gaji yang lebih tinggi daripada statistik klasik. Tentunya layak untuk mengetahui hal-hal seperti pelatihan dan data uji. Anda akan selalu membuat model dan mengujinya.

Juga karena pentingnya Pembelajaran Mesin maka halaman ini disebut CrossValidated. hahahaha

JUGA BERMANFAAT:

• Pemodelan Linier: Teori dan Aplikasi
• Pengantar Analisis Ekonometrik (Lintas-pendaftaran antara Stats & Econ)

Kursus-kursus ini sepertinya sangat mirip dengan saya. Saya kira keduanya terutama berhubungan dengan Data Longitudinal dan Data Pannel. Namun Sebagian besar masalah regresi yang akan Anda hadapi sebagai kesepakatan Data Scientist dengan Time Series. Saya hanya punya satu proyek dengan Heckman selection modell / Tobit regression dan beberapa hal kecil di mana saya menghadapi Count Data dan Analisis Kelangsungan Hidup. Keseluruhan tugas klasifikasi lebih luas di perusahaan saya daripada tugas-tugas regresi.

Anda kemungkinan besar akan bekerja dalam tim dengan Ahli Matematika, Ahli Statistik dan Ilmuwan Komputer. Mereka tidak akan menempel pada model ekonometrik. Meskipun demikian, pemahaman yang kuat tentang model linier dan analisis ekonometrik akan membantu Anda untuk menangani masalah waktu dan perkiraan.

Ini juga tergantung pada bahasa pemrograman yang Anda inginkan. R (dan bahkan lebih khusus Stata) sangat berguna untuk model regresi. Python agak berguna untuk tugas-tugas lain.

Seperti yang dikatakan Michael Chernick, masalah Mikroekonometrik banyak digunakan pada asuransi. Jika Anda bekerja untuk analisis kelangsungan hidup departemen asuransi jiwa akan sangat penting. Namun sebagian besar ilmuwan data tidak menghadapi tugas seperti itu.

Anda dapat mengikuti kursus dasar ekonometrik terapan ini oleh UCLA dan merefleksikan seberapa jauh Anda akan menghadapi pertanyaan-pertanyaan seperti itu dalam pekerjaan Anda di masa depan.

LEBIH BANYAK IRRELEVAN:

• Proses Stochastic (jalan acak, rantai Markov waktu diskrit, proses Poisson)

Ini akan sangat berguna sebagai Ilmuwan Data. Mungkin Anda dapat menghadapi model seperti itu jika Anda bekerja di departemen Keuangan Kuantitatif bank.

• Teori Game

Teori permainan adalah konsep teoretis yang hampir tidak langsung diterapkan dalam praktik. Dalam penelitian ekonomi dan psikologis mungkin bermanfaat, namun tidak dalam lingkup klasik ilmuwan data.

Tolong jangan ragu untuk bertanya apakah saya harus lebih spesifik tentang beberapa kursus.

Sebagai seseorang yang bekerja untuk bank dalam peran kuantitatif, saya tidak setuju dengan jawaban lain. Proses stokastik sangat penting. Pengetahuan yang baik tentang proses stokastik memungkinkan Anda untuk memahami intuisi di balik banyak kelas lain yang Anda sebutkan, terutama model deret waktu. Ini juga merupakan pembeda (dalam pengalaman saya, pengetahuan yang baik tentang proses stokastik jarang terjadi).

Saya akan mengambil

1. Proses Stochastic
2. Prediksi Statistik Modern dan Pembelajaran Mesin
3. Pemodelan Linier: Teori dan Aplikasi