【长期加分贴】我为什么喜欢我的专业？【数科统计生统篇】

我是来自本科测控技术与仪器的专业同学，当时之所以选择这个专业主要是这个专业涉及光学、电学还有机械，中二的高中的我觉得非常酷，哈哈。
实际上开始学习之后，觉得确实是这样，但是不读研究生，实在是学的多而粗浅。和我预计的一样，研究生再选择一个喜欢的方向深入，那我本科涉及到的专业课程包括C语言、C#、FPGA；数学三件套、嵌入式、大学物理、工程光、电路数电模电等等。学起来没那么枯燥，而且学院里本专业妹子还挺多（工科生的微笑）。如果本科就业，选择多是研究院呀，或者企业下车间，C好的话也有机会进编程工作。那我还想拓展视野，在专业的基础上进一步细分探索，选择出国。
当然专业学习的过程中，很多时候面对抓耳挠腮想不出解决方案的困难，做毕设印象很深的是剖面浮标的数据采集过程和通信，那很多通信方式的选择和设计，考虑非常多的实际问题：低功耗问题（很多时候得无人环境下正常工作）；传感器的选择问题（根据实际情况应用，温盐深等等）；还有定位系统（GPS&北斗）...
但是不论是比赛中、自习中，那种解决之后的豁然开朗，或者说看到自己的成品成功工作起来，我觉得比打游戏还爽呀。
研究生期间，我申请的是ece学院，细分为数字信号处理（本科单独课程）、图像信号处理、大规模集成电路、计算机工程、设备学（强电等等）。自己很喜欢发现问题——研究问题——解决问题的过程吧，希望自己能更加热爱这个专业，它极大的提高了我的动手能力，和解决问题的思考能力。
实在憋不出更多了，感觉自己说的都还挺实在的，加大米的话，谢谢啦~

谢谢看看看看看看看看

金融数学专业
算是一个数学+金融的复合型专业。学这个专业的好处是，数学/金融/编程/统计 虽不见得精通，但都能略有所知。如果你也喜欢建立模型做数据分析/预测，想要成为quant，不妨考虑这个专业。
适合本科学经管但数学还不错的人，or本科学数理但想转去金融行业的同学。如果在数学/编程上非常突出，今后也可以跳去做data，出路还算比较广。

数据科学专业
其实一开始专业是生物，也并不喜欢coding， 但实在是觉得自己在生物行业出不了头，就跨行去了数据科学专业。
首先， 数据科学专业不需要像码农一样coding那么多，很适合不那么喜欢coding，但又想往这个方向发展的人。
其次，无论是在金融市场或生物制药行业，还是tech或媒体行业，数据科学家几乎无处不在。学了数据科学，你可以去任何你感兴趣的行业。
最后，有着数据科学的职业生涯可以让你在生活中的其他方面成为一个更好的决策者。在其核心，在数据科学的培训将你变成一个数据驱动的决策者。更重要的是，数据科学家在发现几个信息来源相互冲突时，可以做做出明智的选择。

我在国内读本科时是懵懵懂懂选的这个专业，是听说好找工作就业面广， 后来发现这个学科还挺好玩， 可以处理和分析数据。 他的应用也很广（生物，金融，社会学。。。）， 曾经有朋友给我礼物要求我帮他做一篇社会学的数据分析（其实是很简单的regression）。

所以留学时顺理成章选择了这个专业的博士，发现和本科时接受的训练很不一样，不是只注重于推公式，而是在讲背后的事物的逻辑，各种hypothesis各种testing,还有不同类型不同数据有不同的分析方法，时间序列分析啊，生存分析啊。。。越学越好玩

现在在找对应的工作，希望将来还能继续学习这个学科，应用他的理论，以及自己证明新的理论

曾经面过google on site， 现在正在准备facebook。。。

就酱

我本科在美国学的商科，学了一堆的质量管理，供应链管理，行政管理等等。大三的时候其实就把必修课上完了，到大四可以放飞自我随便选自己感兴趣的课的时候，学校开了一个新的研究生项目 - Data Science。因为当时感觉这一方向很热门所以比较好奇，就选修了这个项目里的几门课，包括线性代数，统计模型之类的，结果一发不可收拾，觉得这些比我之前三年学的东西有趣多了。我觉得之前学的商科的东西很多都是soft skill，讲不出来学了之后自己的哪些方面比没学的人强。可是上的数科至少学了之后我建的模型明明白白地摆在那儿呢，模型好不好testing error也明明白白地告诉我了。而且建模和数据分析又不向做数学题只有一个明确的正确答案。自己不断摸索让模型预测准确率不断提高让我很有成就感，而且是短期就可以达到的。现在我Data Science 研究生就要毕业了，希望之后能在机器学习和深度学习方面有所建树。现在打算先找工作，等有几年工作经验后想再读一个机器学习的博士，自己研究更好的model.

确实很喜欢数学给人的这种感觉，纯粹不用妥协，一切都是自洽的，但受不了纯数学和代数那一套越来越繁杂的东西，希望能做一种对现实生活有帮助的研究吧，所以选择了应用数学和统计这样的学科，但也看到了自己和大佬们的差距，还是要认真学习呀。

现在在读运筹学专业（operations research），主要走商业分析方向。一直喜欢运筹这个专业，因为它虽然听起来像玄学，但和研究如何进行数学建模，如何实现最优化，提高过程的效率息息相关，是一个应用很广泛，也很有前景的学科。所以运筹学的优势在于，有数理统计的基础，且与data science联系紧密，可以在多个领域找到工作机会。然而个人认为，也正是因为OR像是个万金油专业，自己找到感兴趣的领域并积累domain knowledge是非常重要的，这样才能在众多竞争者中stand out。可以利用平时做project的机会，focus on一些自己感兴趣的话题，然后多多钻研这个领域里的各种问题。这样在找工作的时候比较有针对性，提高成功率。
最后祝大家毕业顺利，找工作顺利！求加大米谢谢！！！

学的CS，好处就是无论想学什么网上都可以找到书或者教程~

硕士专业是BA，非常接近DS。

聊聊为何读这个项目：

我在国内做管理咨询，想用coding简化我的工作，实在不想copy，paste，也实在不想因为打印机卡纸，没有墨，将几百页上千页的文件重头再印。。。我的想法很简单，coding可以让我少加班几个小时。这个动机占重头。

再者，DS的技巧只是给我skillset里添砖加瓦，我有一个想法或者假设需要验证，我知道有其他的方法可以实现。之前做segmentation，我们通常做二维，现在我可以做多维。甚至，原来验证不了的假设，现在解锁了新技能。原来无法用机器处理大量的unstructured text，现在可以做NLP/NLU。原来只会分析sentiment，现在可以分析intent还有entity。

第三，DS给我打开了分析学的窗口，也给我更多的机会思考分析和工具的关系：没有思考框架驱动的DS分析就是GIGO。比如clustering，根据结果来判断哪几个因素有用哪几个没用，毫无价值。另外目的决定工具而非工具决定目的。我就觉的用EXCEL做LP比R强，觉得tableau比R或者python做EDA快，但是R做simulation就是比excel强，python处理超过1G的unstructured data就是比Tableau要快。

第四，之前觉得咨询的思维工具和框架是瞎扯，现在觉得没有这些框架跟我谈EDA才是瞎扯。

第五，了解一个特定的模型可以处理什么问题，不能解决什么问题，比只知道模型的名字和原理重要太多。Data scientist是面向客户的职业，说服客户你的分析有价值，比给他们讲蒙特卡洛马科夫模拟重要的多。你可以试试给你的b-school出身的c-level客户讲讲MCMC。

第六，last but not least，我读书少，但是请不要拿数据骗我。你拿着一个有survivial bias的数据得到一个统计显著的结论，请不要让跟我讨论数据科学是science和art的结合体好嘛！

此外，PDA不怎么用，也不是很懂，所以就不姑妄言之了。。。

希望对后来者有帮助，也请楼主给点大米。。。