निम्नलिखित में से कौन सा सांख्यिकी पाठ्यक्रम वित्त / तकनीकी उद्योग में सबसे अधिक लागू और उपयोगी है? [बन्द है]

Question

मैं अपने एप्लाइड मैथ कोर्स क्लस्टर (एक्चुएरियल साइंस या स्टेटिक एनालिसिस में अपनी एकाग्रता करने के लिए) के लिए 3 सांख्यिकी कक्षाएं चुनने की प्रक्रिया में हूं। आपको लगता है कि निम्नलिखित में से कौन सी 3 कक्षाएं वित्त / तकनीक / कंप्यूटर साइंस के साथ जोड़ी गई सबसे उपयोगी / लागू हैं?

• स्टोकेस्टिक प्रक्रियाएं (रैंडम चलता है, असतत समय मार्कोव चेन, पॉइसन प्रक्रियाएं)
• रैखिक मॉडलिंग: सिद्धांत और अनुप्रयोग
• समय श्रृंखला का परिचय
• आधुनिक सांख्यिकीय भविष्यवाणी और मशीन लर्निंग
• खेल का सिद्धांत
• इकोनोमेट्रिक एनालिसिस का परिचय (आँकड़े और इकॉन के बीच क्रॉस-नामांकन)

Comments

आपके पहले प्रश्न पर एक एचएनक्यू (हॉट नेटवर्क प्रश्न) उतरने के लिए बधाई, लेकिन यह स्पष्ट रूप से "मुख्य रूप से राय-आधारित" है , इसलिए मैं बंद करने के लिए मतदान कर रहा हूं।

— फायरबग

लेकिन यह विशेषज्ञ की सलाह भी है जो ओपी के लिए उपयोगी है।

— माइकल आर। चेरिक

@MichaelChernick "कई अच्छे प्रश्न विशेषज्ञ अनुभव के आधार पर कुछ हद तक राय उत्पन्न करते हैं , लेकिन इस प्रश्न के उत्तर तथ्यों, संदर्भों या विशिष्ट विशेषज्ञता के बजाय लगभग पूरी तरह से राय पर आधारित होंगे।"

— फायरबग

यहाँ ओपी, मुझे नहीं पता था कि मैं इस के लिए अन्य स्टैक एक्सचेंज खातों का उपयोग कर सकता हूं। साथ ही मुझे खेद है कि अगर यह सवाल ऑफ-टॉपिक था, तो मुझे यह महसूस नहीं हुआ कि यह था, और यह इस तरह के कर्षण को उठाएगा। उत्तर देने के लिए सभी का धन्यवाद!

— अधिकतम

Answer 1

1. रैखिक मॉडलिंग (मूल बातें)
2. टाइम सीरीज़ का परिचय (वित्त और तकनीक के लिए महत्वपूर्ण, जहां बहुत सारे और बहुत सारे माप के अवसर हैं)
3. आधुनिक सांख्यिकीय भविष्यवाणी और मशीन लर्निंग (फैंसी नए भविष्यवाणी सामान के लिए, वित्त और तकनीक के लिए भी महत्वपूर्ण है)

Comments

आपकी पसंद भी अच्छी है। केवल तीन को चुनना मुश्किल होता है जब एकाग्रता सामान्य रूप से बीमांकिक विज्ञान या सांख्यिकीय विश्लेषण में होती है। हम पहले दो पर सहमत हुए और तीसरे पर अलग। मैंने अभी यह माना है कि यदि अनुप्रयुक्त विज्ञान लागू गणित में एक एकाग्रता है तो उत्तरजीविता विश्लेषण में एक गंभीर पाठ्यक्रम महत्वपूर्ण होगा।

— बजे माइकल आर। चेरिक

Answer 2

मैं रैखिक मॉडलिंग और टाइम सीरीज के लिए परिचय की सिफारिश करूंगा। यदि आपके पास केवल तीन ऐच्छिक हैं और आप बीमांकिक विज्ञान में ध्यान केंद्रित करने का निर्णय लेते हैं, तो यदि कोई उपलब्ध है, तो मैं उत्तरजीविता विश्लेषण में एक कोर्स करूंगा।

Answer 3

दुनिया के सबसे बड़े सलाहकारों में से एक के रूप में डेटा साइंटिस्ट के रूप में काम करते हुए मैं सिर्फ अपने दो सेंट दे सकता हूं, जो मेरे लिए एक नौकरी के लिए उपयोगी है। सभी पाठ्यक्रम शांत हैं और अनुसंधान, विकास और परामर्श दोनों में अनुप्रयोग हैं। हालाँकि कुछ पाठ्यक्रम व्यावहारिक अनुप्रयोग के लिए अधिक महत्वपूर्ण हो सकते हैं। डिस्क्लेमर: यह मेरे नियोक्ता की राय को नहीं दर्शाता है और मैंने केवल जर्मनी में कई विभागों को देखा है।

सबसे उपयोगी पाठ्यक्रम:

• समय श्रृंखला का परिचय

यदि आप डेटा साइंटिस्ट के रूप में काम कर रहे हैं तो आप निश्चित रूप से कभी-कभी पूर्वानुमान लगा सकते हैं। यह महत्वपूर्ण है कि आप रुझानों, इकाई जड़ों, मौसमी आदि जैसे पैटर्न को समझें।

व्यवहार में आप विभिन्न आवृत्तियों जैसे मासिक या चतुर्थांश डेटा के साथ डेटा का सामना कर रहे होंगे।

पूर्वानुमान के अनुप्रयोगों की समझ पाने के लिए पूर्वानुमान सिद्धांत और अभ्यास पढ़ें ।

• आधुनिक सांख्यिकीय भविष्यवाणी और मशीन लर्निंग

इस कोर्स से आपको अत्यधिक वेतन वाली नौकरी मिलने की संभावना बढ़ जाएगी। मशीन लर्निंग शास्त्रीय आंकड़ों की तुलना में उच्च वेतन के साथ सहसंबद्ध है। यह निश्चित रूप से प्रशिक्षण और परीक्षण डेटा जैसी चीजों को जानने के लायक है। आप हमेशा एक मॉडल बनाएंगे और उसका परीक्षण करेंगे।

यह मशीन लर्निंग के महत्व के कारण भी है कि इस पृष्ठ को CrossValidated कहा जाता है। हा हा हा हा

इसके अलावा:

• रैखिक मॉडलिंग: सिद्धांत और अनुप्रयोग
• इकोनोमेट्रिक एनालिसिस का परिचय (आँकड़े और इकॉन के बीच क्रॉस-नामांकन)

ये कोर्स मेरे जैसे ही लगते हैं। मुझे लगता है कि दोनों मुख्य रूप से अनुदैर्ध्य डेटा और पैनल डेटा के साथ काम कर रहे हैं। हालाँकि ज्यादातर रिग्रेशन की समस्याएं आपको टाइम सीरीज़ के डेटा साइंटिस्ट सौदे के रूप में सामने आएंगी। मेरे पास सिर्फ एक प्रोजेक्ट था जिसमें हेकमैन सिलेक्शन मोडेल / टोबिट रिग्रेशन और कुछ छोटे सामान थे, जहां मुझे काउंट डेटा और सरवाइवल एनालिसिस का सामना करना पड़ा। कुल वर्गीकरण कार्य मेरी कंपनी में प्रतिगमन कार्यों की तुलना में अधिक व्यापक हैं।

आपको गणितज्ञों, सांख्यिकीविदों और कंप्यूटर वैज्ञानिकों के साथ एक टीम में काम करने की सबसे अधिक संभावना है। वे अर्थमितीय तौर-तरीकों से नहीं चिपके रहेंगे। बहरहाल, रैखिक मॉडल और अर्थमितीय विश्लेषण की एक ठोस समझ आपको समय श्रृंखला और पूर्वानुमान संबंधी मुद्दों से निपटने में मदद करेगी।

यह आपके द्वारा पसंद की जाने वाली प्रोग्रामिंग भाषा पर भी निर्भर करता है। प्रतिगमन मॉडल के लिए आर (और इससे भी अधिक विशेष रूप से स्टैटा) बहुत उपयोगी हैं। अजगर अन्य कार्यों के लिए उपयोगी नहीं है।

जैसा कि माइकल चेरिक ने पहले ही कहा था कि माइक्रोइकोमेट्रिक मुद्दे व्यापक रूप से बीमा में उपयोग किए जाते हैं। यदि आप एक जीवन बीमा विभाग में काम करते हैं तो उत्तरजीविता विश्लेषण महत्वपूर्ण होगा। हालांकि अधिकांश डेटा वैज्ञानिक ऐसे कार्यों का सामना नहीं करते हैं।

आप यूसीएलए द्वारा इस लागू अर्थमितीय आधार पाठ्यक्रम के माध्यम से जा सकते हैं और प्रतिबिंबित कर सकते हैं कि आप अपने भविष्य की नौकरी में इस तरह के सवालों का सामना कैसे करेंगे।

पिता IRRELEVANT:

• स्टोकेस्टिक प्रक्रियाएं (रैंडम चलता है, असतत समय मार्कोव चेन, पॉइसन प्रक्रियाएं)

डेटा साइंटिस्ट के रूप में यह शायद ही उपयोगी होगा। शायद आप ऐसे मॉडल का सामना कर सकते हैं यदि आप किसी बैंक के क्वांटिटेटिव फाइनेंस डिपार्टमेंट में काम कर रहे हैं।

• खेल का सिद्धांत

गेम थ्योरी एक सैद्धांतिक अवधारणा है जो अभ्यास में मुश्किल से सीधे लागू होती है। आर्थिक और मनोवैज्ञानिक अनुसंधान में यह सहायक हो सकता है, हालांकि यह डेटा वैज्ञानिक के शास्त्रीय दायरे में नहीं है।

कृपया यह पूछने में संकोच न करें कि क्या मुझे कुछ पाठ्यक्रमों के बारे में अधिक विशिष्ट होना चाहिए।

Answer 4

जैसा कि कोई व्यक्ति मात्रात्मक भूमिका में बैंक के लिए काम करता है, मैं अन्य उत्तरों से असहमत हूं। स्टोकेस्टिक प्रक्रियाएं बहुत महत्वपूर्ण हैं। स्टोकेस्टिक प्रक्रियाओं का एक अच्छा ज्ञान आपको कई अन्य वर्गों के पीछे अंतर्ज्ञान को समझने की अनुमति देता है, जिनका आप विशेष रूप से समय श्रृंखला मॉडल का उल्लेख करते हैं। यह एक विभेदक भी है (मेरे अनुभव में स्टोकेस्टिक प्रक्रियाओं का एक अच्छा ज्ञान दुर्लभ है)।

मैं लूंगा

1. स्टचास्तिक प्रोसेसेज़
2. आधुनिक सांख्यिकीय भविष्यवाणी और मशीन लर्निंग
3. रैखिक मॉडलिंग: सिद्धांत और अनुप्रयोग