Samael
Τιμώμενο Μέλος
Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,442 μηνύματα.
20-08-20
00:56
Γενικά, νομίζω η στατιστική είναι απλώς ένας ακόμη κλάδος των μαθηματικών, απλά, λόγω των πάρα πολλών άμεσων εφαρμογών της «ξεχωρίζει». Υπάρχουν βέβαια, στους χώρους των μαθηματικών, αρκετά άτομα με την κλασσική «εμμονή» αν κάτι δεν είναι/δεν το ξέρεις/δεν το έχεις διδαχθεί θεωρητικά τότε δεν έχει(ς) αξία - πράγμα που δεν ισχύει. Για παράδειγμα, η διαίσθηση που αποκτά κανείς για τις έννοιες και τις διαδικασίες που πραγματεύεται η στατιστική προερχόμενος από τα θεωρητικά μαθηματικά είναι τελείως διαφορετική από αυτήν που έχει κάποιο άτομο με πολύ πιο εμπειρική και άμεση σχέση με τη στατιστική. Χρήσιμο το να βλέπεις τη στατιστική με όρους θεωρίας μέτρου για την εσωτερική κατανόηση που έχεις, αλλά εξίσου χρήσιμο είναι να καταλαβαίνεις τι εργαλεία χρειάζεται να αξιοποιήσεις για ένα dataset που έχεις μπροστά σου ή για να σχεδιάσεις μία πειραματική διαδικασία. Διαφορετικές «διαισθήσεις» μεταξύ τους.
Καταρχάς εαν έχεις διδαχθεί κάτι με οποιονδήποτε τρόπο σίγουρα δεν βλάπτει και είναι προτιμότερο απο το να μην το έχεις διδαχθεί καθόλου. Τώρα,πιστεύω οτι ανάλογα τους στόχους που έχει κανείς πρέπει να αναζητά την σχετική εκπαίδευση. Εαν λόγου χάρη θες να δουλέψεις αποκλειστικά για εταιρίες,είναι πιθανό η πρακτική άσκηση και η πιο εφαρμοσμένη προσέγγιση να σε ωφελήσει παραπάνω. Εαν θες να κάνεις ακαδημαϊκή καριέρα,προφανώς η θεωρητική προσέγγιση έχει να σου προσφέρει περισσότερα. Το ιδανικό θα ήταν κάποιος όσο γίνεται να τα συνδυάσει και τα δύο. Εαν αυτό δεν παίζει τότε είναι σίγουρα επιθυμητό ο ένας να διατηρεί "επαφή" με τον άλλο γιατί απο τα breakthroughs στην έρευνα και τις ανάγκες στην βιομηχανία,είναι δυνατόν ο ένας να βοηθήσει τον άλλο να εξελιχθεί .
Νομίζω ότι δεν έχεις μπερδευτεί μόνο εσύ. Είναι αρκετοί ακόμη και καλοί Μαθηματικοί παγκοσμίως που αδυνατούν να κατατοπιστούν για την επιστημονική χωροθέτηση της επιστήμης των Δεδομένων. Η Στατιστική είναι πιο ξεκαθαρισμένος τομέας των Εφαρμοσμένων Μαθηματικών με τις δυο μεγάλες περιοχές εφαρμογών: την Οικονομία και τις Βιοεπιστήμες. Η ζημιά νομίζω έχει γίνει από τις εταιρίες και τον κόσμο του επιχειρείν που έχει εισβάλλει στα Πανεπιστήμια σε βαθμό που να "επιβάλλουν" τι θα πρέπει να διδάσκεται με αποτέλεσμα θεωρητικοί τομείς της Στατιστικής να μην προσελκύουν το ενδιαφέρον ανάλογα. Οι αυτοματοποιημένες δουλειές νομίζω θα φέρουν μεγάλη αλλαγή στον εργασιακό χάρτη με μαζική ανεργία σε πολλές επιστήμες με ανήθικη λογική. Δεν ξέρω αν ήταν αυτός ο σκοπός του ανθρώπου: να χρησιμοποιήσει το επιχειρηματικό κεφάλαιο με λάθος τρόπο και να προκαλέσει στο όνομα μιας επιστημονικής περιοχής κοινωνικές συνέπειες.
Ακόμη και οι κλασικές εταιρίες τύπου Allianz δεν λένε ποτέ ακριβώς ποιο είναι το επιστημονικό προφίλ ενός επιθυμητού εργαζόμενού της. Θέλουν ταυτόχρονα έναν Μαθηματικό που να είναι Φυσικός με άριστες γνώσεις Νομικής και προγραμματισμού σε γλώσσα VBA / SAP, άριστη γνώση του Ολλανδικού συστήματος αντασφάλισης κτλ.
Γενικά με τα χρόνια σκάνε μύτη νέες δουλειές και νέοι όροι και γίνεται χαμός. Μιλάμε για περιοχές που έχουν αμφίβολη εξέλιξη ή δεν προλαβαίνουν να "χωνευτούν" από την κοινωνία.Προσωπικά προβληματίζομαι στο εξής πάντως :
Οι άνθρωποι χειρίζονταν δεδομένα απο πολύ παλιά. Σαφέστατα ο στατιστικολόγος μέχρι τώρα ήταν-είναι ο υπεύθυνος επιστήμονας για αυτή την δουλειά. Για ποιόν λόγο το ενδιαφέρον των επιχειρήσεων προκάλεσε αλλαγή στον τίτλο του επαγγέλματος ; Σε τι εξυπηρετεί ; Ας ζήταγαν κάποιον με μαθηματικό ή στατιστικολόγο ή κάποιον με σχετική εμπειρία σε συνδυασμό με ένα μεταπτυχιακό σε οικονομικά,διοίκηση επιχειρήσεων ή κάτι σχετικό.
Αναμφίβολα πάντως τόσο η αυτοματοποίηση όσο και η διείσδυση των εταιρικών συμφερόντων στα πανεπιστήμια έχουν αρχίσει να αποθαρρύνουν πολλούς απο το να εμβαθύνουν στην έρευνα και την θεωρητική προσέγγιση.Ουσιαστικά περνάς πολλά χρόνια εκπαίδευσης και μέχρι τότε έχει βγει κάποιο καινούριο πρόγραμμα που απλά κάνει την δουλειά που παιδευόσουν χρόνια να μάθεις να κάνεις(και αυτό ισχύει για όλες τις επιστήμες).Επομένως οι κλασσικές σπουδές στις θετικές επιστήμες γίνονται ολοένα και πιο ασύμφορες μπροστά σε πιο μικρής διάρκειας προγράμματα με άμεση ανταπόκριση στην αγορά εργασίας.
Τώρα την αυθαιρεσία και την άγνοια πολλών επιχειρήσεων στις προσλήψεις όλοι την ξέρουμε.Προσωπικά αναρωτιέμαι εαν κάτι τέτοιες κουλές θέσεις καλύπτονται ποτέ .
Samael
Τιμώμενο Μέλος
Ο Samael αυτή τη στιγμή δεν είναι συνδεδεμένος. Είναι Φοιτητής του τμήματος Ηλεκτρολόγων & Ηλεκτρονικών Μηχανικών ΠΑΔΑ και μας γράφει απο Πειραιάς (Αττική). Έχει γράψει 10,442 μηνύματα.
19-08-20
19:40
Παντως κακα τα ψεματα, επειδη σκεφτομουν ενα μεταπτυχιακο στο ΟΠΑ (Data Science, Information Systems) και ειχα κανει μια ερευνα των αποφοιτων των συγκεκριμένων μεταπτυχιακών στο linkedin. Το μεγαλυτερο ποσοστο δουλευει σε εταιρειες οπως IBM, Εθνική Τράπεζα, beat, e-food, Oracle που οσοι είναι στον χώρο ξερουν οτι αυτες οι εταιρείες ειναι το φιλέτο της αγοράς.
Αντίστοιχα στο ΠΑ.ΠΕΙ. οι περισσοτεροι αποφοιτοι δουλευουν σε μικροτερες εταιρειες ή σε εταιρειες τυπου Cognity, European Dynamics, Accenture, Intrasoft που είναι μεν μεγαλες εταιρειες αλλα απευθυνονται περισσοτερο σε junior
Πήγαινε για AI & Machine Learning ή καθαρή στατιστική καλύτερα. Το Data science κάποια στιγμή θα σβήσει λόγω κορεσμού .