facebook

[Think_Different]

НЙские лузеры зарабатывают в разы больше. и достаточно уверены в себе

В самом деле, поделитесь секретом успеха. Если речь о математике, то какие области сейчас востребованы на 200/час? Неужели сейчас в цене только финансовая математика? А что ещё в НЙ можно найти?

я не знаю сколько мне платят в час т.к. мне не платят почасовую зар плату. я не консультант. консультант это удовольствие сомнительное. ни тебе гарантий продления контракта, ни тебе оплачиваемого отпуска, ни оплачиваемых больничных, ни бонуса.
но если учитывать, что сейчас 5:30pm и пишу я уже из дома, а на работе появился в 10am, то можно конечно посчитать сколько за час платят

по поводу области математики. не обязательно специализироваться в какой-то области. если образование достаточно хорошее, то переквалифицироваться относительно несложно. но, конечно, если у вас специализация stochastic calculus, то переквалифицироваться будет легче/быстрее нежели с моей geometric and combinatorial group theory я, дабы переквалифицироваться и укрепить CV, получал дополнительную степень по finance and economics. но это отнюдь не обязательно.

если речь идет о квантах в investment banking, то probability, statistics, stochastic processes это самые актуальные области.
если hedge funds, то всё что вокруг и около predictive analytics (e.g. machine learning and data mining).

[Физик-Лирик]

по поводу области математики. не обязательно специализироваться в какой-то области. если образование достаточно хорошее, то переквалифицироваться относительно несложно. но, конечно, если у вас специализация stochastic calculus, то переквалифицироваться будет легче/быстрее нежели с моей geometric and combinatorial group theory я, дабы переквалифицироваться и укрепить CV, получал дополнительную степень по finance and economics. но это отнюдь не обязательно.

если речь идет о квантах в investment banking, то probability, statistics, stochastic processes это самые актуальные области.
если hedge funds, то всё что вокруг и около predictive analytics (e.g. machine learning and data mining).

Переквалифицироваться во что? Я готов, но не вижу, что сейчас востребовано. С финансами засада, т.к. нужен именно опыт работы с этими хедж-фондами. Время "физиков" там в 90-х закончилось. Теперь хотят опыт, а не только знания. Сейчас здравоохранение популярно (где я, собственно, и кручусь уже много лет). Но тоже как-то скучновато стало. Если работа интересная - денЮг мало предлагают. Реально мало, не только мной замечено. Раньше как бы и публиковаться можно было, и деньги платили. А теперь - выбирай. Скукота, короче. Остался только дейта сайнс. Но смотрю, туда народ тоже ломанулся. В общем, негде развернуться стало.

[Физик-Лирик]

200/час?

какие же это "разы"?

Вы не поверите, но в нашей деревне рейты 50/час предлагают. В основном от контор с приятным южным диалектом. Тихий ужас. У меня дружок недавно работу искал. Вроде как и район хлебный на восточном побережье, но рейты те же. Приходится всех посылать. Так что 200/час получается как бы в разы

[Физик-Лирик]

А у меня было пару раз что я догадываюсь как именно подходить к решению, но когда просят собственно решить - где нибудь да лоханусь. Тоже впечатление оставляешь не очень V одном месте даже написали: продемонстрировала понимание, догадалась как решить, но не смогла дать верный ответ. Вот и получается что без тупой зубрежки и удачи шансы не те

Зависит, конечно. Я, кстати, сразу вижу, зазубрил человек или нет. Я за понимание, и поэтому предпочитаю интервью-общения, а не кодирования. В конце концов, если хочется проверить как кандидат кодирует, можно дать домашнее задание, а потом обсудить. Да и стресс никто не отменял. А сидеть перед кем то на интервью код строчить - ещё то удовольствие.

[АццкоМото]

Вы не поверите, но в нашей деревне рейты 50/час предлагают

чего ж тут не поверить-то? по всей стране такие рейты предлагают

[Think_Different]

по поводу области математики. не обязательно специализироваться в какой-то области. если образование достаточно хорошее, то переквалифицироваться относительно несложно. но, конечно, если у вас специализация stochastic calculus, то переквалифицироваться будет легче/быстрее нежели с моей geometric and combinatorial group theory я, дабы переквалифицироваться и укрепить CV, получал дополнительную степень по finance and economics. но это отнюдь не обязательно.

если речь идет о квантах в investment banking, то probability, statistics, stochastic processes это самые актуальные области.
если hedge funds, то всё что вокруг и около predictive analytics (e.g. machine learning and data mining).

Переквалифицироваться во что? Я готов, но не вижу, что сейчас востребовано. С финансами засада, т.к. нужен именно опыт работы с этими хедж-фондами. Время "физиков" там в 90-х закончилось. Теперь хотят опыт, а не только знания. Сейчас здравоохранение популярно (где я, собственно, и кручусь уже много лет). Но тоже как-то скучновато стало. Если работа интересная - денЮг мало предлагают. Реально мало, не только мной замечено. Раньше как бы и публиковаться можно было, и деньги платили. А теперь - выбирай. Скукота, короче. Остался только дейта сайнс. Но смотрю, туда народ тоже ломанулся. В общем, негде развернуться стало.

да, сейчас без опыта пожалуй сложнее устроиться. когда я начинал, програм вроде msc in financial math/engineering, quantitiative finance, etc. почти не было. сейчас такие программы в каждом университете. только несите ваши денежки. поэтому конкуренция на entry level сумасшедшая.

кстати, совсем недавно (в конце прошлого года) вышла фактически первая книга по deep learning. довольно актуальная тема. книга написана хорошо. я треть уже проштудировал

https://www.amazon.com/Deep-Learning-Ad ... 262035618/" onclick="window.open(this.href);return false;

и вот

https://www.udacity.com/course/deep-learning--ud730" onclick="window.open(this.href);return false;

[Физик-Лирик]

да, сейчас без опыта пожалуй сложнее устроиться. когда я начинал, програм вроде msc in financial math/engineering, quantitiative finance, etc. почти не было. сейчас такие программы в каждом университете. только несите ваши денежки. поэтому конкуренция на entry level сумасшедшая.

кстати, совсем недавно (в конце прошлого года) вышла фактически первая книга по deep learning. довольно актуальная тема. книга написана хорошо. я треть уже проштудировал

Устроиться в финансы стало сложно уже в 2000х. У меня там знакомые работали. Я, кстати, работал в области "экономики", да и финансовую математику знаю неплохо (включая стохастические диффуры).
Спасибо за ссылки. Первая книга у меня есть. Я не совсем понимаю, на какого читателя она рассчитана. Для девелоперов ... там много математики, но без особых объяснений, типа ссылок. Сработает ли? Для математиков ... слишком тривиально (на мой взгляд). Если только память освежить (что тоже полезно). Мне она нравится с "практической" точки зрения. Но сказать по правде я бы тогда предпочёл обычные книги с "упражнениями". Типа пара слов о математике и потом куски кода. Эта книга скорее как справочник для меня. Сейчас должны выйти ещё несколько книг по глубокому обучению.
А что порекомендуете почитать по финансовой математике и эконометрике?

[tessob]

кстати, совсем недавно (в конце прошлого года) вышла фактически первая книга по deep learning. довольно актуальная тема. книга написана хорошо. я треть уже проштудировал
https://www.amazon.com/Deep-Learning-Ad ... 262035618/" onclick="window.open(this.href);return false;

Она же: https://github.com/HFTrader/DeepLearningBook" onclick="window.open(this.href);return false;

[tessob]

А что порекомендуете почитать по финансовой математике и эконометрике?

Я некоторое время назад задавался тем-же вопросом. Мне порекомендовали послушать: https://www.youtube.com/playlist?list=P ... x4K2gxgwWp" onclick="window.open(this.href);return false;

Правда, относительно быстро наскучило, т.к. практическая полезность для меня нулевая. С книгами в этой области, как мне показалось, не очень. Академики оторваны от реальности, а те кто с ней знаком, судя по всему, не спешат публиковаться.

[Think_Different]

да, сейчас без опыта пожалуй сложнее устроиться. когда я начинал, програм вроде msc in financial math/engineering, quantitiative finance, etc. почти не было. сейчас такие программы в каждом университете. только несите ваши денежки. поэтому конкуренция на entry level сумасшедшая.

кстати, совсем недавно (в конце прошлого года) вышла фактически первая книга по deep learning. довольно актуальная тема. книга написана хорошо. я треть уже проштудировал

Устроиться в финансы стало сложно уже в 2000х. У меня там знакомые работали. Я, кстати, работал в области "экономики", да и финансовую математику знаю неплохо (включая стохастические диффуры).
Спасибо за ссылки. Первая книга у меня есть. Я не совсем понимаю, на какого читателя она рассчитана. Для девелоперов ... там много математики, но без особых объяснений, типа ссылок. Сработает ли? Для математиков ... слишком тривиально (на мой взгляд). Если только память освежить (что тоже полезно). Мне она нравится с "практической" точки зрения. Но сказать по правде я бы тогда предпочёл обычные книги с "упражнениями". Типа пара слов о математике и потом куски кода. Эта книга скорее как справочник для меня. Сейчас должны выйти ещё несколько книг по глубокому обучению.
А что порекомендуете почитать по финансовой математике и эконометрике?

Эта книга скорее для математиков. Материал в introduction и обзор стандартных supervised/unsupervised algorithms действительно не очень строгий. Но всё что касается самого deep learning написано достаточно подробно. по крайне мере для первого ознакомления.

По финансовой математике. По derivatives pricing мне нравится книжка by Tomas Bjork, "arbitrage theory in continuous time". это теоретические основы. по практике, зависит от asset class. Если больше интересно interest rates, то книга by Vladimir Piterbarg ("interest rate modeling") это пожалуй лучшее, что можно предложить.

по эконометрике книг полно. ничего выделить не могу. anything by Peter Kennedy is good. по time series это книжка by James Hamilton.

[Физик-Лирик]

С книгами в этой области, как мне показалось, не очень. Академики оторваны от реальности, а те кто с ней знаком, судя по всему, не спешат публиковаться.

Мне бы как раз побольше "академиков". Вряд ли я буду этим заниматься на практике, но хочется новых идей.

Эта книга скорее для математиков. Материал в introduction и обзор стандартных supervised/unsupervised algorithms действительно не очень строгий. Но всё что касается самого deep learning написано достаточно подробно. по крайне мере для первого ознакомления.

По финансовой математике. По derivatives pricing мне нравится книжка by Tomas Bjork, "arbitrage theory in continuous time". это теоретические основы. по практике, зависит от asset class. Если больше интересно interest rates, то книга by Vladimir Piterbarg ("interest rate modeling") это пожалуй лучшее, что можно предложить.

по эконометрике книг полно. ничего выделить не могу. anything by Peter Kennedy is good. по time series это книжка by James Hamilton.

Согласен, как введение в глубокое обучение книга хорошая. Охват материала действительно большой.
Спасибо за ссылки. У меня в моей библиотеке достаточно много книг по финансовой математике, временным рядам и пр. Этих нет. Надо будет посмотреть.

[Физик-Лирик]

Ещё вопрос по текст майнингу и аналитике. Книг много. Кто-нибудь может дать рекомендации на личном опыте?

[lecompt1221]

Интересно

[tessob]

С книгами в этой области, как мне показалось, не очень. Академики оторваны от реальности, а те кто с ней знаком, судя по всему, не спешат публиковаться.

Мне бы как раз побольше "академиков". Вряд ли я буду этим заниматься на практике, но хочется новых идей.

Если идей, то это видео будет в самый раз. Из плюсов: докладчик из индустрии; из физтех; открыто говорит о том, что работает и что нет, какие задачи приходится решать; развенчание мифов и разрушение иллюзий присутствует.

Ещё вопрос по текст майнингу и аналитике. Книг много. Кто-нибудь может дать рекомендации на личном опыте?

Там все тоже самое, что и в обычных книжках по МЛ. Дополнительно только токенизация, стемминг и т.п. Можно брать любую книжку, везде про это есть. Интересные результаты дают различные матричные преобразования, но в книжках это либо вскользь, либо никак.

[Komissar]

Народ, а что почитать совершенному чайнику (химику) про DL/ML, чтобы на простом детском уровне - чисто чтобы не выпадать в осадок за рюмкой пива с погромистами из этой области?

[tessob]

Народ, а что почитать совершенному чайнику (химику) про DL/ML, чтобы на простом детском уровне - чисто чтобы не выпадать в осадок за рюмкой пива с погромистами из этой области?

https://www.amazon.de/Data-Mining-Pract ... ata+mining" onclick="window.open(this.href);return false;
https://www.amazon.de/Data-Mining-Conce ... ata+mining" onclick="window.open(this.href);return false;
Обе написаны довольно простым языком. Разобрана значительная часть основных алгоритмов. Все примеры на пальцах.
В первой имеет смысл читать только теорию. Про weka читать не нужно.

[Komissar]

Обе написаны довольно простым языком.

простым немецким языком?

[tessob]

Английский. Обе можно скачать. Их не сложно найти.

UPD:
Еще неплохая книга знакомства с темой: https://www.amazon.de/Programming-Colle ... telligence" onclick="window.open(this.href);return false;
Эту и на великом и могучем найти можно

Отличная серия книг для начинающих: https://www.amazon.de/gp/product/B0198B ... s_rw_dp_sw" onclick="window.open(this.href);return false;

[alex-IT]

Вот еще задачка от Гугла

Code: Select all

var arr = new Array(101);
for (skip = 1; skip <= 100; skip++) {
    for (i = 0; i <= 100; i+= skip) {
        arr[i] = !arr[i];
    }
}

Какова сложность алгоритма (big O)?
Чему равен arr[81] и почему?

И по каким книгам (или ресурсам) лучше натаскаться для подобных интервью?

[inside]

И по каким книгам (или ресурсам) лучше натаскаться для подобных интервью?

По тем же, по которым учатся в университете. Все эти вопросы с 1-2 курса. Например,
https://www.amazon.com/Data-Structures- ... 201000237/
https://www.amazon.com/Introduction-Alg ... 262033844/

После теории можно просто штудировать часто встречающиеся вопросы
https://www.amazon.com/Cracking-Coding- ... 984782850/

[Reds]

И по каким книгам (или ресурсам) лучше натаскаться для подобных интервью?

https://www.interviewbit.com/

[shmotter]

кто нибудь проходил интервью по телефону или onsite? Какие впечатления?

Оба интервью показались мне достаточно простыми ну и и люди вменяемые, без закидонов и глупых/нудных/нелепых вопросов
Никаких reverse linked list & tree traversal, этим я думаю мучают свежевыпустившихся товарищей
Однако оффера не дали, думаю что истинная причина culture fit - они хотят молодежь около 30 без детей, легких на подъем и которых тяжело нагнуть, и готовых кушать на работе и завтра и обед и ужин

А что спрашивали на design interview и behavioral interview?

[Dweller]

кто нибудь проходил интервью по телефону или onsite? Какие впечатления?

Оба интервью показались мне достаточно простыми ну и и люди вменяемые, без закидонов и глупых/нудных/нелепых вопросов
Никаких reverse linked list & tree traversal, этим я думаю мучают свежевыпустившихся товарищей
Однако оффера не дали, думаю что истинная причина culture fit - они хотят молодежь около 30 без детей, легких на подъем и которых тяжело нагнуть, и готовых кушать на работе и завтра и обед и ужин

А что спрашивали на design interview и behavioral interview?

уже точно не припомню, на дизайн что-то вроде как бы я сдизайнил ленту на смартфоне - что показывать сразу что подгружать и откуда и т.д. чтобы юзер был счастлив при любом internet bandwidth

[pvkovalev]

Вот еще задачка от Гугла

Code: Select all

var arr = new Array(101);
for (skip = 1; skip <= 100; skip++) {
    for (i = 0; i <= 100; i+= skip) {
        arr[i] = !arr[i];
    }
}

Какова сложность алгоритма (big O)?
Чему равен arr[81] и почему?

И по каким книгам (или ресурсам) лучше натаскаться для подобных интервью?

Целая книга про это есть называется Cracking Coding Interview Programming Questions

[pvkovalev]

И по каким книгам (или ресурсам) лучше натаскаться для подобных интервью?

И вот в этом вся проблема местных программистов - либо звезды либо мы не знаем и не хотим знать даже простейших основ. В интервале 18-25 лет наблюдаю просто провал. Как бревна - знаний столько же сколько желания их получить.