【长期加分贴】我为什么喜欢我的专业？【数科统计生统篇】

我本人是数学专业，现在在数据科学方向任教，我本身喜欢数学，统计和数学是完全不一样的专业，统计更加实用，以我个人的经历和认知，我认为即便是有了AI辅助，基础统计和数据分析的能力也将是一个未来世界的基本要求，这个方向还是有非常大的需求

我有幸参与了copilot，应该是gpt最早的产品化探索，我还记得第一次尝试gpt时的震惊，和与一群同样震惊的资深大佬一起兴奋地像驯龙炼金一般探索未知的几个月，虽然我能力有限没有办法创造奇迹，但我想做奇迹的见证人。

选择专业时，我没有一开始就清楚地知道自己未来会投身于数据科学这个领域。但随着学习的深入，我发现这不仅仅是对数字的解读，应用数据科学的真正魅力在于它能够让我们理解世界、做出预测、并改善现实生活中的决策。下面，我将分享一些我喜欢这个专业的理由。
在我学习应用数据科学的过程中，我深刻体会到，数据并不仅仅是枯燥的数字，而是能够揭示许多现实问题的钥匙。无论是经济学中的市场行为分析，还是医学领域中的疾病预测，数据科学都能帮助我们从复杂的数据中提取出有价值的信息，进而为决策提供理论支持。这种从海量数据中挖掘潜在规律的能力，令我对这个专业充满了热情。
数据科学的应用范围非常广泛，它融合了统计学、计算机科学、经济学、心理学等多学科的知识。在这个过程中，我需要不断学习新知识，并将不同学科的理论与方法结合起来，解决实际问题。这样的跨学科融合不仅让我不断拓宽视野，也让我在面对问题时更加灵活。
举个例子，我曾参与过一个食品安全的研究项目。我们利用统计分析方法，对多个食品供应链环节的数据进行分析，以预测可能的食品安全隐患。这不仅仅是统计模型的应用，更是对食品行业流程的深刻理解。这种跨领域的挑战让我感受到，数据科学不仅仅是技术的堆砌，更是知识的融合与创新。
应用数据科学的最大魅力之一在于它能解决实际问题。例如，在健康领域，数据科学的应用可以帮助我们通过分析病人的历史数据，预测未来的疾病风险，甚至帮助制定个性化的治疗方案。对于我来说，看到自己所做的分析能够帮助改善人们的生活质量，给我带来了巨大的成就感。
同时，应用数据科学也在商业领域展现出巨大的潜力。比如通过分析客户购买行为，帮助公司精准定位市场需求，从而优化产品和服务。这种实际效益让我更加热衷于数据科学，认为它是未来各行各业不可或缺的一部分。
数据科学是一个快速发展的领域，新技术、新方法层出不穷。作为一名学习者，我从来没有感到停滞不前，反而每天都在不断迎接新的挑战。从机器学习算法到大数据处理，再到人工智能的最新应用，每一个新知识的掌握，都让我感觉自己在不断进步。这种持续的学习和成长，让我对这个专业充满了动力。
数据科学领域吸引了大量热衷于解决问题、富有创造力的人才。在这个领域，我有幸结识了许多志同道合的同学和导师。大家不仅在学术上互相激励，也在项目中共同合作，分享各自的观点和经验。这种群体的合作精神和创新气氛让我更加热爱这个专业，也让我深信，只有不断交流与合作，才能在数据科学领域实现真正的突破。
虽然我一开始并没有预见到自己会走上这条数据科学的道路，但如今回头看，我为自己做出的选择感到非常庆幸。应用数据科学不仅让我掌握了强大的分析工具，更让我感受到了它在现实世界中解决问题、改善生活的巨大潜力。从数据中发现规律、做出预测、影响决策的过程，不仅是挑战，更是让我不断成长和进步的动力。
无论是研究食品安全，还是探索健康数据，应用数据科学都让我觉得自己在做一些真正有意义的事情。而这正是我喜欢这个专业的原因——它让我可以用所学去改变世界，解决实际问题，创造更美好的未来。

我本人是应用数学专业的，从小就喜欢数学，解决数学问题、用不同方法解决数学问题真的能带给我成就感。虽然现在在就业选择上有些迷茫，但不影响我对数学的热爱。

我本人本科是經濟專業的，目前在讀Data Science，小時候對數學比較擅長也不討厭，就這樣一路學跟數學相關的專業到現在，但在現在上課接觸到很多跟AI相關的事物是學的越來越有趣了，如何應用AI，學習語言分析，在這之中間接了學到如何建立邏輯思維，雖然就目前找工作來說還是很難找，但我相信這對未來會很有幫助的。

从学统计到做催收评分，我逐渐理解了统计如何为“人”服务
在学生时代，我学统计时的想法很简单：数字背后有规律，找到了规律，什么都能解决。
直到进入金融科技公司做催收评分模型，我才逐渐明白，统计不仅仅是冷冰冰的数字，它背后隐藏的是一条条与“人”息息相关的故事。
刚开始做催收评分模型时，我的主要任务是根据用户的历史行为，建立一套评分体系，来预测哪些用户可能会逾期，哪些用户可能是“坏账”风险。刚开始，我只是觉得这是一个单纯的技术活，拿到数据，跑模型，调参数，最后看一下评分效果和AUC值。
但慢慢地，我发现，这个过程远比我想象的复杂。因为催收评分不仅仅是从数字中提取特征，它更像是在预测每个用户的“经济行为”——如何让系统在数以千计的用户中，合理地识别出“按时还款”和“违约”的边界。每个数据点背后，都有一个家庭、一份工作、一个微小的决定——“今天是否按时还款？”
统计学教会我不只是看数据，还要“看背后的因果”。比如，在模型的初期，我用了一些常见的特征：用户逾期历史、欠款金额、消费行为等等。但模型效果始终不太理想。
有一次，我决定深入了解客户的背景，和一些同事讨论时，发现了一个问题：我们过于依赖用户的“过去行为”，而忽视了用户的“未来变化”。比如，有些用户在一段时间内因家庭原因出现逾期，但这并不意味着他们今后就会持续违约。反之，某些本来按时还款的用户，可能因为突发状况（如失业、医疗费等）出现违约风险。于是，我和团队决定引入更多的动态特征：比如用户的收入波动、社会关系变化（通过社交媒体分析）等，重新训练模型。这一改动让模型准确度大幅提升。那一刻，我真正理解了，统计并不是简单地“找到规律”，而是学会如何用因果分析去看待变化和预测未来。
做催收评分工作时，每一个模型的优化、每一次风控策略的调整，都会影响到一部分真实的人的生活。我逐渐意识到，做数据分析、做风控，并不是“冷漠地看待风险”，而是要用理性去帮助平台更好地识别、减轻对用户的伤害。通过统计建模，我们不仅是在控制风险，更是在尝试为“欠款者”提供一个合理的解决方案。
有时候朋友问我：“你为什么还坚持做风控，做催收评分，难道不是一件很枯燥的事吗？”
我会笑着说：“其实，统计教会了我如何尊重每个数据背后的人。在风控的世界里，我们不仅仅是在预判风险，而是在追求一种平衡——既要保护平台，也要给每个借款人一个公正的机会。”
金融科技世界的变化如此之快，许多时候，处理问题的方式、解决策略都会瞬息万变。但不变的，是统计学那种严谨且理性的思维方式。它让我在繁杂的数据中看到秩序，在无数的变量中找到可能的因果关系，在繁忙的工作中，始终保持对“真实世界”的敬畏。
每当我看到一个模型在上线后真正有效地降低违约率，看到平台的信贷风险控制得当，我都知道，统计学带来的不仅仅是数字上的变化，它改变了一个个家庭的未来，影响了无数人的生活。

不太用跟人说话，算一个理由吗hhh

记得当初高中文理分科那会，我的好朋友选了理科，她的梦想是当居里夫人一样的核物理专家，而我当时在文理科中间犹豫。我内心喜欢文科，爱写点小散文，作文竞赛也是拿过名次的。但那个年代，重理轻文，有话话叫做“学好数理化，走遍天下都不怕”。我当时就信了这个歪理了，加上好友的鼓励，居然脑袋一热掉进了理科的坑。我想我父母当时也是开心的，他们一直对我的学习要求很高，也有点看不起文科（这点他们没明面说出来过，但我爸意思就是觉得聪明的人就是学理科。）
高考后报志愿，我爸妈想法又变了，在他们指导下，我学了商科（文理科生都可以报考）。在大学和研究生7年时间，我都不太喜欢商科。或者说那个时候啥都提不起兴趣吧。
研究生毕业出国，一直在纠结学统计还是CS，还是商科。当时就说统计行情不太好了，可我也没有努力去申请。直到近期，我才后知后觉的读了一个统计硕士，也算是完成了自己在美国求学的梦想。现实比较残酷，因为没有经验和家庭原因，我很难在一个地方找到工作，而对专业的激情，也在慢慢减少。
我的25也是一个变化莫测的年，希望今年我能有清晰的思路，分析我的职业规划，做出符合家庭的选择。

本人学cs的，其实一直觉得自己不是特别聪明的人不能一下子理解那些抽象的概念和逻辑。但是我觉得写代码最快乐的一瞬间就是当你完成任务然后看着一行行代码变成真实的东西的时候，真的是感动到想哭哈哈哈哈（求加米

啊 这个帖也十多年了！ 一开始是真的喜欢分析和从数字中找答案 有种在拼凑拼图的感觉 但随着AI兴起 这个行业也感觉逐渐没落 来看看这个版能不能帮我找到动力继续做下去