Диагноз по резюме

[chinonak]

А если бы я была сейчас канд ф-м наук - что бы изменилось? Кому бы это было прибыльно, если я хочу работать в бизнесе?

Изменилось бы всё. Вас привезли бы на H1B на позицию Data Scientist. Вам даже простили бы неумение программировать, и терпеливо бы ждали, пока не научитесь. математика + PhD in statistics - это очень редкая комбинация.

Сейчас у вас хороший опыт, но таким людям не делают H1B.

Это было бы PhD in math

Ну вот получается, что на текущий момент логичнее такую комбинацию попытаться получить здесь, пробуя поступить на PhD in statistics
И тогда пойти в data science?

А вот перспективы - что выгоднее?
Как бизнес аналист в Москве я не сожалела, что не программист. Зп, бонусы, плюс возможность консультировать на других проектах.
И личностно - мне приятнее быть хорошим аналистом, чем средним программером. И драйв нравится, прибыли, продажи, развитие.

Я понимаю вас, в России прикладной статистики нет, есть probability & mat.statistics. Наш австралийский российский профессор в этой области и работает. Я вначале хотела у него писать диплом, но быстро поняла что не потяну. Он направил меня к коллеге итальянцу, тот прикладник. Там все достаточно несложно. Тоже много математики, но она проще на порядок.

Что касается быть средним программером, это потому, что вы пока не понимаете что это: средний уровень программирования в сочетании с глубоким знанием математики. А это улёт башки в интеллектуальном плане. Когда вы контролируете полностью все. Я лично чувствую себя магом. Мне много лет, семья, деть, работа, и тем не менее только программирование сложного алгоритма даёт мне состояние flow. Когда могу это делать до полуночи и не уставать. Это у меня ещё даже уровень ниже среднего в "настоящих" языках, я только R знаю хорошо. А вы так говорите, потому что у вас уровень низкий, и потому у вас кайф не идёт.

А так да, имхо, ваш единственный шанс на Америку, это PhD in statistics, и потом работа в индустрии. Кстати, заканчивать программу необязательно. может, найдутся работодатель, который вам H1B сделает, пока вы ещё учитесь. У reddit Data science темы через одну: учусь на PhD, получил offer на работу data science, что посоветуете, бросать ли учебу.

Ищите, конечно, работу, но я бы параллельно поступала бы на программу phd. Это хотя бы реально для вас.

Ага, я боюсь phd, потому что в моей картине мира это ОЧЕНЬ сложно. И мне не хватит мозгов. Как уже впрочем было.
Также, боюсь программирования, потому что проучившись 3 года на прикладной математике, поняла, что не готова мыслить блок схемами. Плюс, преподы говорили, что талант, и нечего делать среди программеров, иди в науку. Среди приматов я была чуть выше среднего, среди математиков куда лучше. Отрада для отличницы))

И вроде я понимаю, что программисты на таком количестве уровней не могут быть все как один таланты. И что многие стали программистами после курсов всего-то, не имея такой фундаментальной базы. Но боюсь.

А что такое "настоящие" языки? То, что я писала на отработке курсов по алгоритмам или аналогичному, было, страшно сказать, на турбо паскале немножко с++. Каменный век, короче.

Но я в общих чертах понимаю любой код, если такад необходимость есть. Знаю, что программеры любят мои тз, я могу посмотреть, поправить, сформулировать адекватно. Говорю с ними на одном языке, почти что.

[АццкоМото]

Краткий пересказ: иногда важнее люди, которых не вырвет, чем люди с головой

Хорошо бы дополнить ключевыми словами на английском, указывающими на оба эти важных качества

Эти ключевые слова не в вашем резюме, а в описании позиции, а часто прямо в имени рекрутера. Если у вас все получится, вы быстро научитесь это определять.

Или наоборот, если быстро научитесь определять, то все у вас получится.

[АццкоМото]

Это как посмотреть, заниматься высоконаучной деятельностью за аж тыщу дол в месяц (в лучшем случае, это пару ставок по вузам плюс заграничные гранты плюс еще что-то)

да ну, в Москве платят $1000/мес за "просто числиться" на работе в академическом ин-те.

В Москве эта сумма не избавляет от необходимости удалять нижние ребра. Чтобы как-то прокормиться.

[chinonak]

Академикам? Может быть. Но их единицы.
Ставка в вузе смешна, в школе еще куда ни шло. Со всеми доплатами, кружками, походами 1-1,5 на текущий момент это гуд. До декабря 2014 это было вдвое больше, но в перспективе ничего хорошего ожидать не стоит

Доцент вуза со всеми прибамбасами получает порядка 20К рублей в месяц. Профессор, доктор, зав. кафедрой - тотал порядка 50-60К.
Реально эти дебилы через 10 лет угробят высшее образование полностью. Там уже сейчас некому работать, а через 10 лет те динозавры которым сейчас под 70 уйдут и преподавать будет совершенно некому.

Университет стремительно деградирует, это правда. Все толковые преподаватели живут на импортные гранты и остаются в стране из любви к искусству.
Моему профессору 70 как раз исполнилось недавно, он зав кафедрой, дважды соросовский профессор, орден за заслуги перед отечеством и прочие награды за вклад в науку. И еще повоюет за универ, пишет. Но он и в гарварде лекции читает, и журнал мат сообщества редактирует, и грантов много.

И на его место когда-то метил мой однокурсник)))

Но это все печально, гробят и образование, и науку

[Kolbasoff]

Я перестала верить в работу, которая на ежедневной основе приносит удовлетворение от своих достижений. Интересных задач мало, а остальное время частенько приходится делать какую-то фигню, совсем не вдохновляющую ни на что, кроме как вспомнить "мне за это платят"

Во оптимистка, "на ежедневной основе", xa! Я до этого сезона перестал верить в работу в ИТ которая приносит удовлетворение хотя бы иногда.

[chinonak]

mba graduate assistanship

нужно сдать GMAT на высокий скор, что непросто, тем более, с неродным языком. и само собой TOEFL

помимо работы я еще и женщина и мать и основным приоритетом по жизни для меня является не моя карьера.
В Москве не устраивает, задолбали кризисы и зарплата в рублях. И режим.
Из всех стран Америка мне нравится больше всех, для жизни и для того, чтобы тут растить детей.

Mне одному кажется, что ТС нас разводит, по крайней мере, частично?

Или люди, успевшие симмигрировать в Израиль, и сделавшие карьеру в Москве действително так думают? А где же мудрость, рассудительность и осторожность древнейшей нации?

Я не обобщаю свою точку зрения до всех израильтян, сделавших карьеру в Москве. Более того, я не считаю, что "сделала карьеру"

А как бы, по вашему мнению, рассуждал человек, обладающий мудростью, рассудительностью и осторожностью древнейшей нации?

[Kolbasoff]

А как бы, по вашему мнению, рассуждал человек, обладающий мудростью, рассудительностью и осторожностью древнейшей нации?

Древнейший человек сделал бы домашнее задание из Москвы, оценил шансы на рынке, перспективы, изучил бы ситуацию с визами, с работой по специальности, вопросы поступления в местные вузы. И ваапще, 2.5 тыщи понимаешь мало, в Париж на выходные не слетать. Разбаловал вас Путин, ох разбаловал.

Кста, нон-профитс вроде вне квоты на рабочие визы, так что можно попробовать туда подаваться.

[chinonak]

Самая лучшая страна растить детей - Австралия Потому и сижу здесь.

В Австралии ещё и PhD 3 года всего. Да, оно не ценится в академии так, как ценится американское PhD из хорошего универа. Но для индустрии никакой разницы. Опять же, легко permanent residence получить после PhD, и вы не привязаны к работодателю. Наши лучшие друзья прожили 15 лет в Израиле, иммигрировали в Мельбурн по второму разу. Парень MBA, был бизнес аналитиком, через 10 лет - VP в крупной финансовой компании.

Австралия, как и Канада, не очень устраивает нашу семью в плане динамики жизни. Хотя мы ни там ни там пока не были )) Ну там ничего ведь не происходит, никогда в новостях не мелькают. Скукота...
В общем, мой мч не согласен. И семья его здесь.
А я не готова брать такие решения на себя, пусть снова сексизм, но мч решает. А я благодарна ему за возможность заниматься чем мне нравится без лишних дум что пожрать.

Однако, за эту неделю второй раз слышу про возможности в Австралии)))) неспроста это:)

[Komissar]

Австралия, как и Канада, не очень устраивает нашу семью в плане динамики жизни. Хотя мы ни там ни там пока не были ))

"не читал, но осуждаю"(с)

[Rumba]

в бизнесе есть очень разные задачи и далеко не во всех data scientists компетентны. есть задачи в которых финансовые знания/ бизнес знания очень важны, человек без бизнес/ финансового бэкграунда не справится,

Это исключительно проблема дейта сайнтистов. Хороший учёный должен освоить бизнес область. Точка.
Кстати, я нигде не говорил, что дейта сайнтисты - это что-то исключительное. Они по тем же учебникам математики учились, так что не вижу отличий. Если раньше на позиции ученых брали лишь докторов, на худой конец, мастеров, то сейчас уже бакалавров вовсю нанимают. А чем бакалавр в бизнесе от бакалавра в дейта сайнс с точки зрения математики отличается? Правильно, та же фигня. Вот новоиспеченные ученые ни фига и не рубят. Их проблемы.

Но мне прекрасно понятна ваша точка зрения, я ее слышала от data scientists из моеи компании неоднократно, особенно когда я говорю что мы готовы sacrifice accuracy for simplicity and explainability, они сами говорят что они вынуждены "to dumb it down" когда помогают финансам, so be it, для того что бы быть доставленым из точки а в точку б не всегда нужен реактивныи самолет и пилот, часто достаточно машины и водителя, причем машинои быстрее и дешевле

Я не понимаю, зачем надо чем-то жертвовать? Есть бизнес задача, есть метрика (business measures of success). На их основе ставится техническая задача, строится модель. Почему модель должна быть проще? Если более сложная модель даёт лучшие результаты, то почему нельзя её использовать? Потомү, что её бизнес аналисты не поймут? Так учиться надо. Исключительно проблема аналистов.
Ваш пример "из точки в точку" - наглядное подтверждение, как бизнес "умеет" ставить задачи. Если мы уж заговорили об оптимизации, то надо сформулировать целевую функцию (не сделано) и ограничения (constraints) (тоже не сделано). А так одна бизнес болтовня получается. После постановки задачи и надо решать, лететь ли самолётом или машину брать.

Например decision tree понятен практически любой аудитории, человек принемающий бизнес решение на много денег чётко понимает на чем основывается резельтат, особенно в бизнесе где тренды меняются очень быстро, а какая нибудь нейронная сеть, будь она намного точнее непонятна, условно как то так.

Плюс во многих бизнес задачах точность не настолько критична как в других областях , например cost of false positive не настолько высока чтобы занимать время дорогого data scientist на обслуживание модели, простенькую модель можно отдать ентри левел аналитику- к примеру какая нибудь customer attrition model когда отмечают клиентов которых высока вероятность потерять
Об этом и речь - рокет саинтисты по своей научной привычке увлекаются качеством и точностью там где с точки зрения бизнеса себестоимость этого самого суперкачества себя не оправдывает, поэтому бизнесу часто выгоднее иметь финансового аналитика бэкграунд которого позволит в случае необходимости состряпать в R модель good enough for approximation и влить результат в свои финансовые модели чем суперумного phd который будет рассказывать про то как тут все плохо знают математику , наивно рассуждают о дейта сайнс и строить классные модели в то время как incremental value этой повышенной точности не будет переводиться в доллары

[Rumba]

нужно сдать GMAT на высокий скор, что непросто, тем более, с неродным языком.

Если не в Top tier school метить то с Gmat -ом не должно быть проблем, высокий скор в математической части скомпесирует языковую

[kyk]

В общем, мой мч не согласен. И семья его здесь

T.e. в процессе апгрейда мужа? На етом надо и сфокусироваться. А математика с физикой подождет получения ГК

[adda_]

В свое время вопрос о том, почему вы занимаясь моделированием рынка не увидели того что будет кризис моргедж бэк секьюрити (о чем мне за два года до этого говорил мой хороший приятель, ни разу не финансист), стоил мне того что меня не взяли на работу в Беа Стерн. Правда они через месяц накрылись медным тазиком, тем не менее.
Я к тому, что никакие там модели эр или эксвайзи ничего не гарантируют. Мало того, статистика может хорошо объяснить что то постфактум, но не в состоянии дать больше того, что туда заложено моделеписателем. И в качестве основы для принятия бизнес решений мало пригодны.

[Komissar]

Плюс во многих бизнес задачах точность не настолько критична как в других областях , например cost of false positive не настолько высока чтобы занимать время дорогого data scientist на обслуживание модели,

Rumbochka, да в большинстве случаев просто common sense и заповедь не-чеши-левой-пяткой-правое-ухо помогает сохранить кучу денег, без всяких оналитегов, дорогих или дешевых.

[Komissar]

В общем, мой мч не согласен. И семья его здесь

T.e. в процессе апгрейда мужа? На етом надо и сфокусироваться.

Да, без кабанчика не обошлось.

[adda_]

В общем, мой мч не согласен. И семья его здесь

T.e. в процессе апгрейда мужа? На етом надо и сфокусироваться. А математика с физикой подождет получения ГК

При правильном апгрейте мужа вообще можно забыть о математике и статистике, а сосредоточить свое внимание на более интересных вещах. Скажем выборе яхты, самолета, домов, гольф курсов и так далее.

[chinonak]

И кстати, что по этому поводу думает ваш супруг и почему это вы занимаетесь данным вопрсом а не он?

Кстати да, кто у нас муж? по профессии?

Предприниматель

[chinonak]

Причем тут муж?

Если бы у меня был спутник гражданин или даже гк холдер, волновал бы вопрос визы? Нет, наверное. Значит, ситуация иная

[Komissar]

муж, спутник, молчел - сколько же их у ТС?

[kyk]

муж, спутник, молчел - сколько же их у ТС?

как в том анекдоте про трех животных: тигр - в постеле, ягуар в гараже и козел, который все оплачивает

[Komissar]

муж, спутник, молчел - сколько же их у ТС?

как в том анекдоте про трех животных: тигр - в постеле, ягуар в гараже и козел, который все оплачивает

там был еще Соболь на плечах

[kyk]

муж, спутник, молчел - сколько же их у ТС?

как в том анекдоте про трех животных: тигр - в постеле, ягуар в гараже и козел, который все оплачивает

там был еще Соболь на плечах

Соболь рассердится

[Физик-Лирик]

Например decision tree понятен практически любой аудитории, человек принемающий бизнес решение на много денег чётко понимает на чем основывается резельтат, особенно в бизнесе где тренды меняются очень быстро, а какая нибудь нейронная сеть, будь она намного точнее непонятна, условно как то так.

Структура деревьев может быть достаточно сложной, особенно при большом количестве входных переменных. В таком случае визуальная интерпретация уже не имеет особого смысла. Тогда что понятно бизнесу? Как деревья работают в принципе, а сеть не понятна? Тогда это проблема бизнеса и компании. В современных условиях бизнес надо обучать математике (до определённого уровня, конечно), а бизнес должен учить ученых понимать процессы.
Кстати, у меня большие сомнения, что бизнес аналитик сможет даже дерево смоделировать (если действительно модель строить, а не на пальцах). Тогда это уже скорее дата сайнтист.

[Физик-Лирик]

Плюс во многих бизнес задачах точность не настолько критична как в других областях , например cost of false positive не настолько высока чтобы занимать время дорогого data scientist на обслуживание модели, простенькую модель можно отдать ентри левел аналитику- к примеру какая нибудь customer attrition model когда отмечают клиентов которых высока вероятность потерять
Об этом и речь - рокет саинтисты по своей научной привычке увлекаются качеством и точностью там где с точки зрения бизнеса себестоимость этого самого суперкачества себя не оправдывает, поэтому бизнесу часто выгоднее иметь финансового аналитика бэкграунд которого позволит в случае необходимости состряпать в R модель good enough for approximation и влить результат в свои финансовые модели чем суперумного phd который будет рассказывать про то как тут все плохо знают математику , наивно рассуждают о дейта сайнс и строить классные модели в то время как incremental value этой повышенной точности не будет переводиться в доллары

Боюсь, что ключевое слово здесь "состряпать". Собственно, Вы уже все этим объяснили. Мы опять говорим о разных вещах. Правильный подход - это грамотная постановка задачи, определение бизнес-метрики и формулировка технической спецификации. А когда бизнес уже заранее определяет, какая модель правильная, а какая нет, это в корне неверно. Как Вы заранее определяете "инкремент вэлью" модели, которая ещё не создана?
Ещё раз повторю, что основная проблема бизнеса не в незнании математики, а в неумении правильно ставить бизнес задачи (конечно, это относится не ко всему бизнесу). А если бизнес "стряпает" решения, тогда ему и ученые не нужны. Вот будет экономия на спичках.

[Физик-Лирик]

Я к тому, что никакие там модели эр или эксвайзи ничего не гарантируют. Мало того, статистика может хорошо объяснить что то постфактум, но не в состоянии дать больше того, что туда заложено моделеписателем. И в качестве основы для принятия бизнес решений мало пригодны.

Безусловно, интуицию никто не отменял. Тем не менее, модели много чего могут объяснить. Просто модели должны быть сложными, а не состряпанными. Собственно, чем модель отличается от человеческого принятия решения? Быстротой и способностью одновременно анализировать много факторов. Так заложите все это в модель. Да, это не "состряпать" алгоритм. Здесь думать надо, и очень много думать. Хороший пример - шахматные модели. Проблема в том, что многие бизнес явления нелинейны, т.е. изменил одну переменную/фактор, а в результате запустил целую цепочку процессов. Оценить это человеку может быть достаточно сложно. А вот машине под силу.