다음 중 금융 / 기술 산업에 가장 적합하고 유용한 통계 과정은 무엇입니까? [닫은]

9

Applied Math 코스 클러스터에 사용할 통계 클래스 3 개를 선택하는 중입니다 (계리 과학 또는 통계 분석에 집중). 다음 중 금융 / 기술 / 컴퓨터 과학과 관련하여 가장 유용 / 적용 가능한 것으로 생각되는 3 가지 수업은 무엇입니까?

확률 프로세스 (임의의 보행, 이산 시간 마르코프 체인, 포아송 프로세스)
선형 모델링 : 이론 및 응용
시계열 소개
현대 통계 예측 및 머신 러닝
게임 이론
계량 경제학 소개 (통계와 경제학 간의 교차 등록)

teaching careers

— 표
소스

1

첫 번째 질문에 HNQ (Hot Network Question)를 착륙 한 것을 축하합니다. 그러나 이것은 "주로 의견 기반" 이므로 분명히 마감하겠습니다.

— Firebug

2

그러나 OP에 유용한 전문가 조언이기도합니다.

— Michael R. Chernick

1

@MichaelChernick "많은 좋은 질문은 전문가 경험을 바탕으로 어느 정도의 의견을 생성 하지만이 질문에 대한 답변은 사실, 참조 또는 특정 전문 지식이 아닌 의견에 거의 기반을 둔 경향이 있습니다."

— Firebug

OP, 여기에 다른 Stack Exchange 계정을 사용할 수 있다는 것을 몰랐습니다. 또한이 질문이 주제에 맞지 않다면 미안합니다. 응답 해 주셔서 감사합니다.

— Max

12

선형 모델링 (기본)
시계열 소개 (수많은 측정 기회가있는 금융 및 기술에 중요)
현대 통계 예측 및 머신 러닝 (금융 및 기술에도 중요한 멋진 새로운 예측 자료)

— 마크 화이트
소스

2

당신의 선택도 좋습니다. 농도가 계리 과학이나 통계 분석에있을 때는 세 개만 고르기가 어렵습니다. 우리는 처음 두 가지에 동의했고 세 번째는 다릅니다. 방금 계리 과학이 응용 수학에 집중되어 있다면 생존 분석의 진지한 과정이 중요하다고 생각했습니다.

— Michael R. Chernick

5

선형 모델링 및 시계열 소개를 권장합니다. 선택 과목이 3 개 밖에없고 보험계 리학에 집중하기로 결정한 경우, 가능한 경우 생존 분석 과정을 밟을 것입니다.

— 마이클 R. 체 르닉
소스

5

세계 최대의 컨설턴트 중 한 곳에서 데이터 과학자로 일하면서 나는 2 센트를 내 것과 같은 직업에 유용하게 사용할 수 있습니다. 모든 과정은 훌륭하고 연구, 개발 및 컨설팅에 모두 적용됩니다. 그러나 일부 과정은 실제 적용에 더 중요 할 수 있습니다. 면책 조항 : 이것은 내 고용주의 견해를 반영하지 않으며 독일의 여러 부서 만 보았습니다.

가장 유용한 코스 :

시계열 소개

데이터 과학자로 일하고 있다면 때때로 예측할 수 있습니다. 추세, 근근, 계절 등의 패턴을 이해하는 것이 중요합니다.

실제로는 월간 또는 분기 별 데이터와 같이 다른 빈도의 데이터에 직면하게됩니다.

예측 애플리케이션을 이해하려면 예측 원칙 및 실습 을 읽으십시오 .

현대 통계 예측 및 머신 러닝

이 과정은 고임금 일자리를 얻을 수있는 기회를 제공합니다. 기계 학습은 고전 통계보다 높은 급여와 관련이 있습니다. 교육 및 테스트 데이터와 같은 것을 아는 것이 좋습니다. 항상 모델을 빌드하고 테스트합니다.

또한이 페이지를 CrossValidated라고하는 머신 러닝의 중요성 때문에 발생합니다. 하하하

또한 유용한 :

선형 모델링 : 이론 및 응용
계량 경제학 소개 (통계와 경제학 간의 교차 등록)

이 과정은 나와 비슷합니다. 나는 둘 다 주로 경도 데이터와 판넬 데이터를 다루고 있다고 가정합니다. 그러나 데이터 과학자가 시계열을 다룰 때 직면하게 될 대부분의 회귀 문제는 다음과 같습니다. 방금 Heckman 선택 모델 / Tobit 회귀 분석과 Count Data and Survival Analysis에 직면 한 작은 것들이 하나 있습니다. 전체 분류 작업은 회귀 작업보다 회사에서 더 널리 퍼져 있습니다.

수학자, 통계 학자 및 컴퓨터 과학자와 팀을 이루어 작업 할 가능성이 높습니다. 그들은 계량 모델에 충실하지 않을 것입니다. 그럼에도 불구하고 선형 모델과 계량 경제학 분석에 대한 확실한 이해는 시계열 및 예측 문제를 다루는 데 도움이 될 것입니다.

또한 원하는 프로그래밍 언어에 따라 다릅니다. R (특히 Stata)은 회귀 모형에 매우 편리합니다. 파이썬은 다른 작업에 유용합니다.

마이클 체 르닉 (Michael Chernick)은 이미 미시 경제적 문제는 보험에 널리 사용된다고 언급했다. 생명 보험 부서에서 근무하는 경우 생존 분석이 중요합니다. 그러나 대부분의 데이터 과학자는 그러한 작업에 직면하지 않습니다.

UCLA 의이 적용된 계량 경제 기반 과정을 진행 하고 향후 직장에서 그러한 질문에 얼마나 멀리 직면 할 것인지를 반영 할 수 있습니다.

자극적 영향 :

확률 프로세스 (임의의 보행, 이산 시간 마르코프 체인, 포아송 프로세스)

이것은 데이터 과학자로서 거의 유용하지 않습니다. 은행의 양적 금융 부서에서 일하는 경우 그러한 모델에 직면 할 수 있습니다.

게임 이론

게임 이론은 실제로 거의 직접 적용되지 않는 이론적 개념입니다. 경제 및 심리학 연구에서는 도움이 될 수 있지만 데이터 과학자의 고전적인 범위는 아닙니다.

주저하지 말고 어떤 코스에 대해 더 구체적으로 설명해야하는지 물어보십시오.

— 페르 디
소스

3

양적 역할을하는 은행에서 일하는 사람으로서 나는 다른 답변에 동의하지 않습니다. 확률 적 프로세스는 매우 중요합니다. 확률 적 프로세스에 대한 충분한 지식을 통해 언급 한 다른 많은 클래스, 특히 시계열 모델의 직관을 이해할 수 있습니다. 또한 차별화 요소입니다 (제 경험에 따르면 확률 적 프로세스에 대한 좋은 지식은 거의 없습니다).

난 가져갈거다

확률 프로세스
현대 통계 예측 및 머신 러닝
선형 모델링 : 이론 및 응용

— 사용자
소스