搞统计学习有前途吗

匿名用户 发表于 2023-4-9 17:00
不至于，你可以去多问问你们phd学长学姐，传统统计在我们这里出路挺好的，都能找到工作，而且还是专业相 ...

学长学姐两极分化，能卷的博士毕业没几年已经tenure了，大部分去业界了

匿名用户 发表于 2023-04-09 16:57:49
. Waral dи,只能在学术界潇洒了？

这个方向很好找工作的，因为面广，可以去tech可以去quant可以教职可以药厂

匿名用户 发表于 2023-4-9 20:02
学长学姐两极分化，能卷的博士毕业没几年已经tenure了，大部分去业界了

挺正常的，我们也是这样。学术界一直都卷，学长学姐在业界做的和他们自己phd的研究关联有的也不是很大。

其实业界绝大部分时候在产品里用统计学习的比深度学习多的多，毕竟可解释性强，无需那么夸张的算力，在处理经典的预测问题时效果又还可以，属于性价比很高的那种。而且将来也可以转方向啊，又不是说博士学啥一辈子就得做啥。懂统计原理对理解深度学习也有好处

williamdotyang 发表于 2023-4-9 19:06
个人建议，统计推断往贝叶斯靠一靠，机器学习往优化算法靠一靠。

十年前dl剛起步時
貝葉斯有個大一統框架STAN
可以搭建一切貝網
做各種形式預測
各方面性能都和當初的機器學習框架旗鼓相當
可是DL這塊受投資青睞
學界業界幾兆億投資下來
現在dl和貝葉斯已是云泥之別
我時常想
也許有一個平行世界
那裏貝葉斯才是當前主流

annihination 发表于 2023-4-9 21:05
十年前dl剛起步時
貝葉斯有個大一統框架STAN
可以搭建一切貝網

DL还迎合了产业的方向，而且工程上更scalable，如果从approximation角度看，除了矩阵composition，还有傅立叶，wavelet，polynomial.....，但是这些计算上都不行。

因果学习还是挺有用的，大厂也有很多对于实验的设计和优化工作

有一说一，统计学习里的causality和bandit这种理论基础便于你准备那种主要靠策略的岗位，比如quant researcher，但是这种策略型岗位同时对工程能力要求也很高就是了。加油！

不是这个专业的，虚心请教，请问为什么有回复说深度学习把统计打的满地找牙？我的理解是深度学习可以在预测方面有很大的用处，但是如果解释一个现象，解释 variation从哪里来的，有时还是需要统计分析的。还有学习machine leaning 入门课，我感觉那些models就是统计课上讲的models，但是有点儿像是从另一个学科的角度去学习。就像在经济系修 Econometrics，本质上就是统计课，但是又不完全一样。我在想如果从machine learning，计量经济，和统计这三个角度把这些models理解透了，算是学得比较通透，在应用上会更灵活更能处理特殊情况？虽然理论我们在上班的时候不是天天用，但觉得不懂理论学得不清不楚的，无法自由发挥灵活应用？ （都是自己的想法和正求解的问题，说得不对请见谅。）

williamdotyang 发表于 2023-4-9 18:06
个人建议，统计推断往贝叶斯靠一靠，机器学习往优化算法靠一靠。

正解！再加一个因果推断哈哈哈哈