【长期加分贴】我为什么喜欢我的专业？【数科统计生统篇】

因为我上小学时是最早一批玩电脑的，然后当时上网浏览网页都不用翻墙。慢慢就变成电脑高手，又喜欢上打游戏。家里穷买不起游戏机，就只能天天玩Windows，玩flash小游戏。玩的多了也就如盲人摸象一般对编程有了抽象的理解。然后接触flash/Photoshop/视频剪辑，接触外挂/批处理/自动关机，接触Web/HTML/JavaScript，然后变成前端开发，变成AI Developer，变成全栈开发工程师，有能力改变这个世界。

简单，不需要和人太多沟通，不满意就领包走人。

renov 发表于 2016-3-11 08:14
因为统计比较好找工作，而且又不太难。
本人经历说起来比较波折，生物-信用卡行业数据分析/模型（Discover ...

今非昔比了..羡慕

本人本科药学，因为非常不喜欢天天去实验室做实验，泡在有毒的无机药剂里面才能发paper的有毒环境，大三开始决定转专业。转到了一个没有那么远，算有一点点相关的生物统计，来美丽国开始读MS。之后发现，一个MS能学到的东西非常有限，不读PhD也会有很多职业天花板，以及MS时候的导师实在是太好了，直接决定读博，觉得博士应该也会一样开心。现在已经在这个专业上待了七年了。下面是自己一些小小的见解：
生物统计的一些特点， 比起统计来说，生物统计的就业有直接的去向，例如药厂，cro之类的生物统计师。对于BIOSTAT PHD来说，尤其是thesis做trial的，会比其他做omics的，或者stats phd 有更多的优势。如果thesis做omics的，其实跟药厂的trail scientist 差距比较大。之前市场好，headcount多的时候，thesis做哪个方向影响没有那么大。现在市场变差，最后找工作会跟自己phd thesis 做的东西高度相关。而omics其实大部分时候在药厂都是在pre-trial 有应用，或者用来辅助诊断。但是现在越来越多生统系的教授都有一个全民omics的趋势。另外一个特点，因为是交叉学科，生物统计做的东西比起传统统计来说更贴近industry在做的东西，也没有那么理论，对于转专业学生来说，其实是一个比较好的跳坑机会。转专业门槛相对较低。但是，这样带来的问题是，program里面的老师统计水平也是参差不齐，最后导致做的东西水平也非常参差不齐。

【统计学大三女生的一点想法】
我的专业是统计学-金融学双学位。

课业压力比单专业学生更重，但是我感到既能学习金融理论、又能在大学前两年修读比纯金融专业要求更高的数学课，是很幸运的事情！数学分析、高等代数这两门我学得很认真，事实证明它们也非常地重要。我的专业，大一时金融课不多，因此能花足够的时间在理解透基础数学知识上，也有充分时间对金融做一些自己想做的探索；这让我大二学金融课程的时候，能有更深的理解。大一还会学宏微观，也很有趣！

大二时，我最喜欢的课是概率论和数理统计，对金融相关课程的感触还不是很深。到了大三，金融课程就更多了。结合自己的实习体验，学习时感悟更深，课程所学的东西也真正开始能给实习较多帮助（我这学期上的证券投资学和固收量化实习相得益彰！）

总的来说，我觉得能修这个双学位很开心（虽然考试压力更大w）。概率统计和数学，以及金融，这两个体系的知识逻辑都很有趣，也都很有用！

选择数学专业是因为从小理科成绩比文科成绩好，double major经济学可以更好的应用。

我喜欢统计，是因为它能用数据讲故事。通过统计分析，我可以把看起来毫无关联的数字和现象联系起来，从中发现规律，解决实际问题。从数据中找到答案的过程让我觉得特别有成就感。

学会统计就像掌握了一种通用语言，我现在可以读懂很多领域的paper。再加上我自己对编程和数据分析也很感兴趣，用 Python 和 R 写代码跑模型自己预测股票和btc的投资回报率，用数字说话永远比感觉更理性。

本科专业是数理经济，研究生专业是金融数学（我感觉更偏向于数学所以选择在这里回帖啦）

为什么选择和为什么喜欢，对我而言其实是两个答案。当时选择出国的很大一部分原因是因为我们本科院系有大概1/3都选择了出国，而我在大二时候去英国游学过，所以就想着去美国读个研究生也不错。选择金融数学是因为17年时候它真的很火，应该好找工作，而且专业对口，所以就申请了。

喜欢这个专业其实是工作以后的事。上学的时候经常背公式或是搞推导，讲真对这个专业真的没有很喜欢。但是后来学习了Python，而且接触到了工作中的projects，发现了这个专业里的很多东西都是可以被实际应用的（比如用Black-Scholes期权定价模型，各种概率论的知识在建模过程中的应用），是可以给公司带来实际收益的，所以我的成就感越来越高，对这个专业也越来越喜欢。

我觉得这是个不断进步的领域，而且科技发展日新月异，所以要保持学习才能不落下。加油啦！

本科是信息口，后来毕业设计做了数据挖掘，读研的时候就找了CS的老师。
记得本科的时候在物理和EE两个方向犹豫了很久很久。后来做决定主要是两个考虑，一是希望能在比较短的周期看到结果，二是认清自己没有搞理论物理的智商。。就选择了EE，觉得搞偏工程一些，能看到自己做出来的东西，会有一些成就感。

现在回头看感觉自己没有选择物理是对的。选了CS也确实在更短期内可以得到正向的反馈。

我的专业是运筹，算是跟数科有点交叉吧就放在这个帖子下了。

其实我原本是cs专业，我本科的时候去AI公司实习过，当时觉得AI的理论基础不够，所有的研究都是偏实验性的——先大力出奇迹，用很多GPU训练出来improvement很大的结果，然后再根据结果去编理论，写insights。我当时很不喜欢这样的研究，我更喜欢数学模型，抽象而且简洁。

正好在学校上了运营管理以及优化的很多课，我发现优化的思维简直可以被应用到生活的方方面面：所有的决策问题都可以被抽象成一个优化问题，首先思考自己的目标Objective是什么，然后思考自己的约束constraints，最后在约束下寻求最优解。寻求最优解的方法有很多，有的最简单的问题可能可以直接计算出来closed form solution，但大多数生活中复杂的问题，可以用gradient based之类的优化算法去解决。与生活联系在一起的意思就是，很多时候我们无法一步达到全局最优的，所以就是每走一步都反省自己的得失，然后根据得失去决定下一步的路。当然在这过程中也要加入很多的随机性randomness，这样才不至于stuck在local optimum里，有望达到全局最优。

普通的cs通常只是提高速度，准确率等等。这些也很重要，但他们并不等于最后的经济效益。而运筹不一样，他完全以最终的效益为优化目标，是一个end to end的思维，而不是单纯的提高技术。我也很喜欢这种思维吧。

我现在的研究方向就是用各种机器学习，优化，数据分析，去优化公司的方方面面。比如一般的cs的推荐算法只是考虑短期的click through rate或类似的比较好量化的指标，而我们用运筹的思维，就会考虑长线的，整体的效果，比如用户的behavior究竟怎么去model，这种推荐算法用这种model来分析，究竟会对整体的收入和retention rate有多大的影响。有时候我们会发现，短暂的Optimize click through rate可能并不能可持续发展。

这就是我喜欢运筹的原因，他是一个全局的、宏观的思维~‘

最近在找工作，希望多给些米看面经，非常感谢！新年快乐！