【长期加分贴】我为什么喜欢我的专业？【数科统计生统篇】

本科刚开始学的信息技术，后面阴差阳错地了解到有DS这么一个东西就赶快去补了一个统计。目前在咨询行业做DS。

怎么说呢，统计在初期对于模型的理解还是很有用的，每一个面试里可能最不需要准备太多的便是ML的模型和原理。
但是工作后发现吧，除非项目是强统计相关的比如因果推断（大部分情况下还是bayes network），不然基本已经记不起一个个曾经滚瓜烂熟的theorem了。

还是很喜欢统计吗？肯定喜欢啊。还在学校的时候能通过随机过程通过于Bayesian了解了很多生活里看到的听到的东西，这种感觉很奇妙。
现在在工作上有时需要看个paper什么的也还不算太难。最得意的可能是在其他非统计的人试图强行解释p-value，confidence- level，R-squared等的时候可以很清晰地知道哪里的概念混淆了并且帮忙纠正回来。

以后可能也考虑读个统计的PhD吧，至少让别人称我为Dr Pikachu？

蒸汽秋葵 发表于 2024-1-25 05:32
搞数据科学真的i人天堂
以前搞consulting因为有点i人体质被pua到差点抑郁
转行之后我真的好快乐

巧了，如果consulting加DS，那可能就是要用数据编一个能考虑到人情的故事了：D

喜欢我的专业应用数学是因为小的时候对数理化感兴趣但是觉得纯数学专业理论课太多太枯燥了。发现应用数学专业可以少上一些数学理论课，多上一些数学学科意外可以应用到数学的课比如经济和金融就觉得更有意思。自己不是那种能坐下来做研究的人，就觉得应用数学找工作的方面更广。不需要读研究生，本科可以直接出来找工作。

喜欢有准确答案准确流程并有智力筛选机制的事情

Computer science 本科。来美没有英文，起初只想去上ESL课程学习英文。大学学习课程要选major,结果误打误撞选上CS。

上了一堂Java发现自己挺享受写代码的过程。然后就索性学到了毕业。之后在HSBC上班，目前已经上了四年。

能真正从项目/实习中意识到数据分析对公司决策的直接影响，making decent impact makes me feel proud of myself and my work

我本硕博都学数学。

从人生哲学的角度来看，数学给我一种踏实感和确定性——当一切现象似乎都可以通过建模来解释和预测，这种掌控感和秩序感让人内心充满安宁。

本科期间，由于专业选择选了很多偏统计的课。无可否认统计学非常有应用价值，但是我学起来会觉得别扭，好像各种解释的角度和我底层逻辑违背了，有时候不知道找真相和讲故事的临界点在哪里——当然，可能是因为我理解尚浅。这一阶段还学了很多numerical analysis的课，对这个方向燃起热情。

-baidu 1point3acres进入硕士之后，我转向了应用数学。搞过一阵子流体力学，但渐渐觉得好像有点枯燥，各种冗长的方程其实是有点暴力美学在，挺震撼的，但好像离现实世界应用还是隔了一层。沉淀下来觉得自己最喜欢的还是numerical的东西。


现在博士在读，搞numerical，研究一些经典算法，也搞些量子计算。最起初申请研究生的ps里，我写道，做numerical algorithm的过程就像是读侦探小说，一步步抽丝剥茧，最终得到精准的结果，这种过程中的美感无与伦比。如果说当时还是读者，现在就成了作者吧。

但问题也随之而来，当我成为了作者，我笔下的是好故事吗？如果你的算法在12digits accuracy的时候才有优势，但人家只需要4digits accuracy，并且百年前的一个算法至今依然在4digits天下无敌，那你不是搞了个寂寞？所以吾日三省吾身的一个问题就是，怎么避免自娱自乐而是让东西真的有用。

这么多年下来，感觉自己人格已经被这个学科塑造了，性格也有了改变。不管优点还是缺点，不论之后是不是继续做学术（很可能不），数学都已经是我生命的一部分了。我爱她，如同爱我自己的一部分。




———————————
努力攒分，求大米🍚

Good Blog

我来说一个可能非常务虚的吧。我学的是统计，其实统计可能不是我真正喜欢的学科，我本科的时候更喜欢分析类课程，然后现在也更喜欢算法题什么的，这种偏好某种程度上可能反应的是一种非常线性的思维——喜欢那种一步一步环环相扣能推出来的东西，研究问题不喜欢随机性，希望存在“ground truth”，但这很不现实，至少很不应用，而学统计可能多少纠正了这一点。

我的印象始于读过的一段话，据说来源是某个哈佛系主任还是校长的讲话，大意是如果有一个潜在的赞助者走进ta的办公室和ta交谈后没有捐钱，曾经ta可能会很懊恼，现在就不会，因为赞助者捐钱这件事不太可能是个100%的事件，假设概率高达95%，那么根据大数定律，随着来访者数量增多，最终大概5%的来访者不会捐，这种不会捐可以说是一种必须经历的等待。这段话让我第一次思考大数定律的含义，获得了一些新的看待事情的角度。

让我觉得有意思的另一个点在于从observation推断population 这个概念本身。例如说最简单的假设检验，如果观测数据的平均值和mu_0差值足够大，那么就可以大胆宣称均值不是mu_0，因为你多半是对的。这个观点帮助我改掉了一些侥幸心理。例如我是一个很容易马虎出错的人（后来确诊了adhd），所以经常会对于自己的考试成绩产生一种“发挥不好”的感觉，觉得没有拿到能拿的分于是可以不承认是自己实力不够，但实际上随着observation越来越多，假如我很少能拿到自己觉得满意的成绩，那么理智的人应该明白事实是你一定没有你想的好，是“一定”而不是“多半”因为假如type I error rate小到一定程度你会不惧说“一定”。

不知道我有没有说清楚。我原本看待问题的角度很像是在学分析的时候写证明那样，对一个新结论我需要能够从已知的结论遵循逻辑推出来才能去相信，而且只能接受100%成立的结论，但实际上假如观察数据说明你的结论99.9999%成立，其实就应该去相信它了。

现在的专业就是数据科学，感觉还可以吧，我对人工智能这方面挺有兴趣