গাণিতিক পরিসংখ্যানগুলির কোন ক্ষেত্রগুলি অত্যন্ত নিয়োগযোগ্য?


13

আমি পরিসংখ্যানগুলিতে আমার সম্মান শেষ করতে চলেছি, এবং আমি সত্যিই পিএইচডি করতে চাই কারণ আমি গাণিতিক পরিসংখ্যানকে অত্যন্ত আকর্ষণীয় বলে মনে করি। যে গবেষণার ক্ষেত্রগুলিতে আমি সবচেয়ে বেশি পিএইচডি করতে চাই সেগুলি হ'ল স্টোকাস্টিক প্রক্রিয়া এবং সময় সিরিজ series

তবে আমি আমার পিএইচডি করার পরেও বেসরকারি খাতে ক্যারিয়ার গড়তে চাই। আমি ভাবছিলাম যে গাণিতিক পরিসংখ্যানগুলির ক্ষেত্রগুলি বেসরকারী খাতে সর্বাধিক ব্যবহৃত হয় এবং কোন ধরণের চাকরিতে?

অবশ্যই আমি পিএইচডি করবো না কারণ এটি কর্মক্ষম, তবে আমি মনে করি এটি অবশ্যই আমার বিবেচনা করা উচিত এবং তাই কিছু পরামর্শ চান।


4
সিভি তে স্বাগতম! এই সাইটে আপনার পোস্টের শেষে "আপনাকে ধন্যবাদ" বলার দরকার নেই - এটি প্রথমে অসভ্য বলে মনে হতে পারে, তবে "প্রশ্ন জিজ্ঞাসা করা, উত্তর পেতে, কোনও বিঘ্নিত না করা" এবং এটি এই সাইটের দর্শনের অংশ ( সফর ) এবং এর অর্থ আপনার প্রশ্নের ভবিষ্যতের পাঠকদের মনোরঞ্জনগুলি পড়ার দরকার নেই। একইভাবে আপনার নামটিতে স্বাক্ষর করার দরকার নেই - আপনার ব্যবহারকারীর নাম এবং আপনার ব্যবহারকারীর পৃষ্ঠাতে একটি লিঙ্ক প্রতিটি পোস্টের নীচে স্বয়ংক্রিয়ভাবে উপস্থিত হবে
সিলভারফিশ ২

6
আপনার যে প্রশ্নটি করা উচিত তা হ'ল "5-6 বছরে কোন ক্ষেত্রগুলির চাহিদা হবে?" সঠিক উত্তরটি হ'ল: "আমাদের কোনও ক্লু নেই" "
আকসকাল

@ আকসাল, এই প্রশ্নটি 'সিভি'র অনুমতি দেওয়া উচিত নয় কারণ এটি আপনার মতামতের ভিত্তিতে ঠিক যেমন উল্লেখ করেছেন ঠিক তেমনই হবে। এই প্রশ্নের উত্তরগুলি উদ্দেশ্যমূলক এবং যদি সম্ভব হয় তবে কর্মসংস্থানের পরিসংখ্যানের ভিত্তিতে হওয়া উচিত। মার্কিন যুক্তরাষ্ট্রে শ্রম পরিসংখ্যান ব্যুরো ওপেন শুরু করার জন্য ভাল জায়গা হতে পারে।
স্ট্যাটাস স্টুডেন্ট

2
আমি ঠাহর করছি সেখানে একটি প্রশ্ন উপর ফোকাস বলে মনে হয় মাঝে এখানে একটি সংযোগ বিচ্ছিন্ন একটি বিট গাণিতিক পরিসংখ্যান বিষয় ও উত্তর বেশিরভাগ ফোকাস দক্ষতা । আমি নিশ্চিত না যে এটি কিনা কারণ প্রশ্নটি যা চায় তা সম্পর্কে পুরোপুরি স্পষ্ট নয়, লোকেরা প্রশ্নটি পড়ছে না, বা এই দক্ষতা বিষয়গুলির চেয়ে গুরুত্বপূর্ণ বিষয়গুলির বলার উপায়!
সিলভার ফিশ

2
@ সিলভারফিশ, উত্তরগুলি ভুল হলে কী হবে? এরপরে তার ফলাফল হিসাবে ওপি তার জীবনের 6 বছর হারাবে। এটি এত বেশি দাম যে আমি তার উত্তর দেওয়ার চেষ্টাও করব না। এটিও তাকে বলা উচিত যে সম্ভবত তিনি এই প্রশ্নটি মোটেও জিজ্ঞাসা করবেন না। সম্ভবত তাঁর পক্ষে সবচেয়ে আকর্ষণীয় অঞ্চলটি বেছে নেওয়া উচিত। তাঁর জীবন পিএইচডি 6 বছর বিরতি দিতে যাচ্ছে না। তিনি এই বছরগুলি বেঁচে থাকা গুরুত্বপূর্ণ, তিনি যা করছেন তা উপভোগ করুন। এই পৃথিবীতে আমাদের কত দিন আছে কে জানে, প্রতি মুহুর্ত গণনা করা হয়
আকসাকাল

উত্তর:


22

আমি এমন একজন হিসাবে উত্তর দিচ্ছি যা নিয়মিতভাবে ডেটা বিজ্ঞানীদের মূল্যায়ন করে এবং নিয়োগ দেয়।

একজন ব্যক্তি যেমন একাডেমিক পড়াশুনা থেকে একটি বেসরকারী খাত ক্যারিয়ারে রূপান্তরিত হয়, আপনি আপনার যে কোনও নির্দিষ্ট দক্ষতার শক্তিতে নিয়োগ নিতে যাচ্ছেন না। পরিসংখ্যানগুলিতে একাডেমিক অধ্যয়নের জগত এবং যে কোনও সংস্থার সমস্যার সেটমেন্টের ডোমেন খুব স্পষ্টভাবে সংজ্ঞায়িত নির্দিষ্ট স্কিলসেটের ভিত্তিতে ভাড়া নেওয়া অনেক বিশাল।

পরিবর্তে, আপনি নিযুক্ত হতে চলেছেন কারণ আপনি সুনির্দিষ্ট চিন্তাভাবনার জন্য সাধারণ দক্ষতা, সমস্যা সমাধানের তৃষ্ণা এবং প্রতিভা, বিমূর্ত এবং জটিল ধারণাগুলি বুঝতে এবং যোগাযোগের দক্ষতা এবং ব্যবহারিক এবং তাত্ত্বিক দক্ষতার একটি বিস্তৃত সেট প্রদর্শন করতে পারেন।

সুতরাং, আমার পরামর্শ, এবং আমি কেবল একজন লোক, আপনি যা পছন্দ করেন তা করুন এবং সমস্যা সমাধান, উপদ্রব এবং জটিলতার তৃষ্ণা বিকাশ করুন। বিভিন্ন দক্ষতার সেট শিখুন এবং আপনার ফান্ডামেন্টালগুলি ভালভাবে জানুন (আপনার গবেষণার বিষয়ের চেয়ে ভাল)

ওহ, এবং প্রোগ্রাম শিখুন।

এটি অনেক অর্থবোধ করে, চিন্তাশীল জবাব দেওয়ার জন্য অনেক ধন্যবাদ। আপনার প্রস্তাবিত কোন বিশেষ প্রোগ্রামিং ভাষা আছে?

মতামত না দিয়ে উত্তর দেওয়া কঠিন প্রশ্ন।

আমার ব্যক্তিগত মতামতটি হ'ল এটি সত্যিকার অর্থে গুরুত্বপূর্ণ নয়, তাই আপনার পছন্দেরটিকে শিখুন এবং এটি আপনাকে শেখাতে অনুপ্রাণিত করে। আপনার প্রথম ভাষাটি সত্যিই ভালভাবে শেখা বড় বাধা। প্রথম আরেকটি শেখার পরে (এবং অন্যটি এবং অন্যটি) অনেক বেশি সহজ কারণ আপনি ইতিমধ্যে কঠোর ধারণাগত চ্যালেঞ্জগুলি মোকাবেলা করেছেন।

তবে ভাষাটি ভালভাবে শিখুন, ভাষাটি কীভাবে কাজ করে এবং কেন এটির মতো ডিজাইন করা হয়েছিল তা শিখুন। পরিষ্কার কোড লিখুন যাতে আপনি ফিরতে ভয় পান না। দুর্ভাগ্যজনক বাস্তবতা নয়, রাইটিং কোডকে গুরুতর দায়িত্ব হিসাবে গ্রহণ করুন। এটি এটিকে আরও বেশি ফলপ্রসূ করে তোলে এবং আপনি যে সত্যিকারের দক্ষতার বিজ্ঞাপন দিতে পারেন।

আপনি যদি এখনও সুনির্দিষ্ট পরামর্শ চান তবে আমি @ এসএসডেকট্রোল প্রতিধ্বনিত করব, একটি সাধারণ উদ্দেশ্য ভাষা পছন্দ করব যা একটি পরিসংখ্যান ভাষার তুলনায় পরিসংখ্যান করতে পারে যা (কিন্ডা) সাধারণ উদ্দেশ্য করতে পারে।


3
@ পট্টি একটি সাধারণ উদ্দেশ্যে ভাষা জানা প্রযুক্তিবিদ সংস্থাগুলিতে একটি দুর্দান্ত সম্পদ কারণ এটি আপনাকে বিকাশকারীদের মতো "একই ভাষায় কথা বলতে" দেয়। পাইথন একটি দুর্দান্ত পছন্দ কারণ আপনি এটি ডেটা বিশ্লেষণের জন্যও ব্যবহার করতে পারেন এবং এটি "বাস্তব" প্রোগ্রামিংয়ের জন্য একটি দুর্দান্ত পরিচয়। এসএএস বিশাল উদ্যোগের বাইরে মূল্যবান হবে না। এবং আপনি যেখানেই যান না কেন, আপনার সম্ভবত কিছু এসকিউএল জানা দরকার। কমপক্ষে সচেতন হওয়ার জন্য শেল স্ক্রিপ্টিংও একটি ভাল সরঞ্জাম।
ছায়াছবির

4
প্রোগ্রামিং এবং রিয়েল-ওয়ার্ল্ড সমস্যা সমাধানের উভয়েরই সাথে সম্পর্কিত, একটি সুপারিশ হ'ল আপনি "কাঁচা" ডেটা (যেমন আপনার জন্য সমস্ত জমায়েত এবং প্রাক-প্রক্রিয়াজাত নয়) দিয়ে কিছু প্রকল্পকে মোকাবেলা করতে পারবেন তা নিশ্চিত করা। আপনি যদি প্রয়োজন হিসাবে ডেটা সংশ্লেষণ / পরিষ্কার / মান নিয়ন্ত্রণ করতে সক্ষম হন তবে আপনার প্রোগ্রামিং দক্ষতা আপনি যে ভাষা চয়ন করুন তা ভালভাবে প্রস্তুত হবে।
জিওম্যাটট 22

2
"পরিসংখ্যানগুলিতে একাডেমিক অধ্যয়নের জগত এবং যে কোনও সংস্থার সমস্যার সেটমেন্টের ডোমেন খুব স্পষ্টভাবে সংজ্ঞায়িত নির্দিষ্ট স্কিলসেটের ভিত্তিতে ভাড়া নেওয়া অনেক বিশাল" " হ্যা এবং না. আপনি কোনও নির্দিষ্ট পরিসংখ্যান দক্ষতার সেট ছাড়াই একটি চাকরী পেতে পারেন (অর্থাত্ পিএইচডি অবশ্যই গবেষণার বিষয় নির্বিশেষে যথেষ্ট), তবে নির্দিষ্ট দক্ষতার জন্য আপনাকে আগ্রাসীভাবে নিয়োগ দেওয়া যেতে পারে। একটি উপাখ্যান হিসাবে, আমি এমন কাউকে চিনি যে গুগল থেকে 4 টি আলাদা অফার প্রত্যাখ্যান করেছে কারণ তারা তার কাজের প্রতি আগ্রহী।
ক্লিফ এবি

2
@ ক্লিফ্যাব এটি ফর্সা। কিন্তু আমি ভুল কিছু গভীর অধ্যয়ন পার্স থেকে মনে হবে মাত্র , যাতে একটি কোম্পানী সহিংস আপনি নিয়োগের হবে।
ম্যাথু ড্র্যারি

2
"গভীর অধ্যয়ন" সম্পর্কে হা হা, ম্যাথিউ: আমি নিশ্চিত যে @ ক্লিফএব যে ব্যক্তি গুগলের কাছ থেকে চারটি অফার পেয়েছিল তা জানে গভীর শিক্ষার উপর কাজ করছে knows
অ্যামিবা বলছেন মনিকাকে

4

আপনার আগ্রহ যদি "বিপণনযোগ্য" দক্ষতায় হয় তবে আমি বলব যে অনুমানের চেয়ে পূর্বাভাসের উপর জোর দিয়ে বিভিন্ন মডেলিং কৌশল (জিএলএম, বেঁচে থাকার মডেল দুটি ধারাবাহিক এবং পৃথক, এলোমেলো বন, বাড়ানো গাছ) সম্পর্কে শিখি। গাণিতিক পরিসংখ্যান মাঝে মধ্যে প্যারাম্যাট্রিক মডেলগুলির অধীনে অনুমানের মধ্যে খুব বেশি চাপিয়ে দিতে পারে, যখন মডেলটি আক্ষরিকভাবে সত্য না হয় এমন প্রশ্নগুলির উত্তর দেওয়ার চেষ্টা করে যা অপ্রাসঙ্গিক হয়ে ওঠে। সুতরাং কোনও সমস্যার গভীর গভীরতা নেওয়ার আগে বিবেচনা করুন মডেলটি যখন ধারণ করবে না তখনও এটি আকর্ষণীয় এবং প্রযোজ্য কিনা, কারণ এটি কখনই হবে না। আপনার টাইম সিরিজের ক্ষেত্রে এমন অনেক প্রশ্ন সন্ধান করতে সক্ষম হওয়া উচিত, যদি সেখানে আপনার আগ্রহের মধ্যে একটি থাকে।

এছাড়াও উপলব্ধি করুন যে বাস্তব বিশ্বের ডেটা বিশ্লেষণের সাথে জড়িত এমন চ্যালেঞ্জগুলি রয়েছে যেগুলি কেবলমাত্র একটি পরিসংখ্যান শিক্ষা আপনাকে প্রস্তুত করতে পারে না, তাই আমি আপেক্ষিক ডাটাবেস এবং সাধারণ গণনার মতো বিষয়গুলির অধ্যয়নের সাথে আপনার শিক্ষার পরিপূরক বিবেচনা করব। এই ক্ষেত্রগুলি খুব আকর্ষণীয় হতে পারে এবং ডেটা সম্পর্কে একটি সতেজ দৃষ্টিভঙ্গি দিতে পারে।

পরিশেষে, যেমন ম্যাথু ড্রুরি ইতিমধ্যে চিহ্নিত করেছে এটি প্রোগ্রামে সক্ষম হওয়া অপরিহার্য। আমি আর এবং / বা পাইথনের সাথে শক্তিশালী হয়ে ওঠার জন্য কাজ করব এবং এসকিউএল সম্পর্কে শিখতে শুরু করব, যা আপনি অনিবার্যভাবে মুখোমুখি হবেন। প্রচুর সংস্থাগুলি এখনও এসএএস ব্যবহার করে তবে আপনি কি সত্যিই এর জন্য কাজ করতে চান? সি বা জাভা এর মতো একটি সংকলিত ভাষাও ক্ষতি করে না, তবে এটি সত্যিই সমালোচনা নয়।


1
আমি অবশ্যই স্বীকার করি যে "সমস্ত মডেল ভুল, কিছু মডেল দরকারী"। তবে আপনি কি সম্মত হবেন যে যান্ত্রিক পদ্ধতিতে বর্ণনামূলক (জেনারেটরি) মডেল তৈরির ক্ষেত্রে মূল্য থাকতে পারে, যার মধ্যে সুপ্ত (অরক্ষিত) পরামিতি অন্তর্ভুক্ত থাকতে পারে? উদাহরণস্বরূপ, ডেটা জেনারেশন / সংগ্রহ কৌশলগুলি নির্ধারণের ক্ষেত্রে। আমার ধারণাটি সম্ভবত এটি পরিসংখ্যান এবং মেশিন লার্নিংয়ের মধ্যে একটি (নরম?) বিভাজন। অথবা আমি ভুল হতে পারে। (আমি শিল্পে আছি, তবে প্রযুক্তিগতভাবে কোনও "ডেটা বিজ্ঞানী"
নই

3

এমন কেউ হিসাবে যিনি তাদের পোস্ট-ডক্টরাল ক্যারিয়ারটি শিল্পে কাটিয়েছেন, আমি এটি বলব।

  1. ম্যাথু ড্রুরির প্রতিক্রিয়া প্রথম হার। ভবিষ্যদ্বাণী বনাম অনুমানের বিষয়ে ড্যাসেক্সটনের মন্তব্যগুলিও ভাল।
  2. আপনি গতিতে গ্রেড স্কুল মাধ্যমে পেতে সহায়তা করবে যাই হোক না কেন ব্যবহার করে প্রোগ্রামিং শিখুন। এটি ভাল পেতে। আপনি একবার এক ভাষাতে খুব সাবলীল হয়ে উঠলে, অন্যগুলি বেছে নেওয়া সহজ হয় এবং আপনি সম্ভবত আপনার নিয়োগকর্তার ব্যয়ে এটি করতে পারেন।
  3. ডেটা বেসগুলি কোনও আরও ছোট পাবে না এবং সম্ভবত কোনও ক্লিনার পাবেন না। আমি ভবিষ্যদ্বাণী করেছিলাম যে বিশাল, অগোছালো / নিখোঁজ ডেটাগুলি মোকাবেলা করার কৌশলগুলি পরবর্তী দুই বা তিন দশক ধরে একটি শালীন বাজি।

2

বর্তমানের বেশিরভাগ উত্তরগুলি "ডেটা সায়েন্স" ভিত্তিক, এটি অবশ্যই একটি উচ্চ নিয়োগের ক্ষেত্র। যেহেতু মূল পোস্টারটিতে স্টোকাস্টিক প্রক্রিয়া এবং সময় সিরিজের প্রতি বিশেষ আগ্রহের কথা বলা হয়েছে, গাণিতিক পরিসংখ্যানের আরও একটি ক্ষেত্র যা প্রাসঙ্গিক হতে পারে তা হল রাজ্য-স্থান অনুমান

এটি এমন মডেলগুলির অনুমানের জন্য ব্যবহার করা হয় যেখানে উচ্চ কাঠামোগত (অর্ধ) ডিটারমিনিটিক প্রক্রিয়া এবং স্টোকাস্টিক জোরের মধ্যে প্রতিক্রিয়ার কারণে সিস্টেমটি বিকশিত হয়। উদাহরণস্বরূপ রাষ্ট্র-স্থান অনুমান স্বায়ত্তশাসিত যানবাহনে সর্বব্যাপী ।

(* এই অঞ্চলটি সাধারণত ইঞ্জিনিয়ারিং বা অন্যান্য ডোমেনের অংশ হিসাবে বিবেচিত হয় তবে এটি অবশ্যই গাণিতিক পরিসংখ্যানের সাথে জড়িত))


1

আমি মূলত নতুন কিছু প্রস্তাব করব না, তবে নিজেকে পেশাদার ডেটা-স্কেভেঞ্জার হিসাবে, আমি কয়েকটি বিষয়গুলিতে জোর দিতে চাই।

  1. সমস্ত বিপণনযোগ্য দক্ষতা কেবলমাত্র একক বিচ্ছিন্ন দক্ষতার বান্ডিল নয়, তবে এটি একটি সম্পূর্ণ সিঙ্ক্রোনাইজড প্যাকেজ। এবং প্যাকেজ দ্বারা, আমি বলতে চাই,

  2. ব্যবহারিক দক্ষতার একটি সেট, অত্যন্ত উচ্চ দক্ষতা সহ। আপনি ডেটা একটি গাদা দেওয়া অর্থপূর্ণ রায় গঠন করতে পারেন মত। এবং পিএইচডি স্তরের লোকের জন্য (বা যে কেউ তাদের কাছে আসছেন) তাদের জন্য নিয়োগকর্তারা রিয়েল-ওয়ার্ল্ড কগনিটিভ ম্যাচটি আনতে আরও আগ্রহী হবেন যা আপনি প্রদত্ত ডেটা সেট করে নিয়ে আসতে পারেন। উদাহরণস্বরূপ স্পষ্ট করার জন্য,

  3. আপনি API এর থেকে ডেটা আহরণের জন্য যে দক্ষতার সেটটি নিয়োগ করতে পারেন, প্রক্রিয়াটিতে কোডেক এবং ড্রাইভার লেখার জন্য যদি আপনি প্রক্রিয়াটি এমনভাবে সীমাবদ্ধ রাখেন যেখানে আপনি নিজের সম্পূর্ণ সম্ভাবনা জড়িত করতে পারবেন না। তারপরে তথ্যে ডেটা পরিবর্তনের জন্য পরিসংখ্যান বিশ্লেষণের উপাদানগুলি ব্যবহার করে। এই প্রক্রিয়াটি এতটাই কাঁচা এবং এতটা সত্য যে আপনার পড়াশুনাটি যত বেশি বৈচিত্র্যময় এবং গভীর, তত বেশি উন্নত তথ্য (গুলি) আপনি পুনরুদ্ধার করতে পারবেন। আমাকে একবার বলা হয়েছে, মাস্টারিং গণিত যা সমস্যার জবাব দিতে পারে তা হ'ল একটি জিনিস কিন্তু সেই উত্তরটি বাস্তব বিশ্বে ব্যাখ্যা করা, কেবল অন্য দক্ষতা।

  4. শেষ অবধি এবং অত্যন্ত গুরুত্বপূর্ণ, আপনি যে কেউ আপনার সম্পর্কিত ক্ষেত্রের নয় anyone টির বেশি ফলো-আপ প্রশ্ন জিজ্ঞাসা না করে প্রত্যেকে দেখতে এবং বুঝতে পারার জন্য আপনার সিদ্ধান্তের দৃশ্যায়নগুলি উপস্থাপন করতে পারেন? এবং এখানেই আপনি আসল ওয়ার্ল্ড প্রক্রিয়া (এসএস) এর সাথে আপনার উপমা দিচ্ছেন। এটি কিছুটা কঠিন তবে একবার আয়ত্ত করার পরে এটি পুরো ক্যারিয়ার জুড়ে সাধারণত ভাল লভ্যাংশ দেয়।

এই সমস্তগুলির জন্য, আমার দৃষ্টিকোণ থেকে, একটি দরকারী টিপ হ'ল নতুন জিনিস অধ্যয়ন করার সময় নিজেকে ক্রমাগত জিজ্ঞাসা করা যে এটি কীভাবে বাস্তব বিশ্বে নিযুক্ত হতে পারে। হ্যাঁ, এটি এমন সময়ে বিশ্রী হয়ে ওঠে যখন কেউ গভীর বিমূর্ততায় গভীরভাবে আবিষ্কার করে তবে তবুও এটি এটির পক্ষে খুব ভাল একটি অভ্যাস এবং এটি প্রায়শই উচ্চ-শিক্ষিতকে কেবল উচ্চ শিক্ষিত থেকে আলাদা করে দেয়। শুভকামনা!

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.