Να σπουδάσω Μαθηματικά ή Στατιστική;

[Samael]

δε νομιζω πως η πλεοψηφια των ελληνοπουλων θελει να ασχοληθει με τα θεωρητικα μαθηματικα γενικα. Οι περισσοτεροι φοιτητες της ΣΘΕ θελουν να παρουν ενα ρημαδοπτυχιο οπως οπως για να μπουν στο δημοσιο ως καθηγητες και να κανουν ιδιαιτερα.

Κακό πλάνο πάντως αυτό.
Και μίζερα φοιτητικά χρόνια λόγω της δυσκολίας της σχολής, πόσο μάλλον εαν δεν σου αρέσει κιόλας, και αμφίβολες ως ανύπαρκτες επαγγελματικές προοπτικές ή τουλάχιστον με πενιχρό μισθό, εαν συμβιβαστεί κανείς στις κλασσικές διεξόδους και πάρει με τα 1000 ζόρια το πτυχίο.

 

[nPb]

οκ that's cool. Δεν το ηξερα αυτο για τον Bezier.

To να κανεις ερευνα στα θεωρητικα μαθηματικα δε "σημαινει πληρωνομαι για να καθομαι". Υπαρχουν θεσεις που ειναι καθαρα ερευνητικες. Βεβαια ειναι τοσες λιγες σε αυτους τους τομεις , που πραγματικα δε νομιζω κανεις να λεει "θα κανω ερευνα σε mirror symmetry, αλλα δε γουσταρω να διδασκω μαθηματα στο πανεπιστημιο". Απλα δε θα βρεις ποτε καποια τετοια θεση, ειναι πολυ σπανιο ή πολυ κακοπληρωμενο

Αυτό ισχύει μόνο σε χώρες όπου κυβερνάει ο δημόσιος συνδικαλισμός και πάνω εκεί χτίζουν καριέρες οι λεγόμενοι κλάδοι των μη-θετικών και μη-πολυτεχνικών επιστημών. Η Ελλάδα το ξέρεις πολύ καλά είναι ανύπαρκτη σε θετικές επιστήμες: δηλαδή, μια νέα θεωρία πάνω σε κάτι. Όσοι Έλληνες αυτή τη στιγμή είναι κορυφαίοι όλων στην Άλγεβρα Σωμάτων ή στη θεωρητική Βελτιστοποίηση διεθνώς είναι πολιτογραφημένοι Αμερικανοί πολίτες και ζουν κάπου 35 χρόνια στις ΗΠΑ.

Η έρευνα δεν πάει με βάση αν είναι θεωρητική ή εφαρμοσμένη. Ακόμη και τα θεωρητικά μαθηματικά πληρώνονται, απλά αποτελούν υπερβολή όταν η εθνική οικονομία δεν έχει βιομηχανία που να παράγονται προϊόντα εξαγωγών ελέγχοντας εθνικές οικονομίες άλλων χωρών. Στις ΗΠΑ για παράδειγμα, υπάρχει ένα σταθερό κονδύλι έρευνας κάθε χρόνο που δίνεται από το κογκρέσο για την έρευνα των Mathematics and Computational Science. Στην ενότητα Mathematics καλύπτουν από Γεωμετρική Τοπολογία, ή Αλγεβρική Λογική μέχρι την διδακτική των Μαθηματικών, θεωρητική Machine Learning και μαθηματική Θεωρία Ελαστικών Υλικών. Ο νέος επιστημονικός τομέας Computational Science στην χώρα μας είναι άγνωστη λέξη. Πολλοί ακόμη και Μαθηματικοί (εδώ σηκώνουμε χέρια ψηλά) μπορεί να νομίζουν ότι είναι η Πληροφορική ενώ δεν είναι.

Τι σημαίνει να κάνεις έρευνα στα θεωρητικά μαθηματικά; Αρχικά, δεν μιλάμε για ένα συμπαγές πεδίο αλλά παίζει ρόλο ποιος είναι ο κλάδος των θεωρητικών μαθηματικών και πως αυτός συνδέεται με άλλους κλάδους θεωρητικούς ή εφαρμοσμένους. Για παράδειγμα αρκετοί θεωρητικοί Αλγεβρίστες πάνω στα θεμέλια των μαθηματικών (σώματα, fuzzy logic, δακτύλιοι, ημιομάδες, ομάδες Lie,...κλπ) ασχολούνται την τελευταία 10ετία με δημοσιεύσεις σε περιοδικά θεωρητικής Βιολογίας, όπως βιολογία κυττάρου. Οι Μαθηματικοί ερευνητές μπορούν να κάνουν δημοσίευση σε περιοδικά Κοινωνιολογίας ή Βιολογίας ενώ το αντίστροφο ειδικά Βιολόγοι ερευνητές σε περιοδικά Μαθηματικών, όχι. Με αυτό το επιχείρημα θεωρώ τελείως λάθος άποψη ότι υπάρχουν θεωρητικά Μαθηματικά. Τα Μαθηματικά είναι μια εφαρμοσμένη επιστήμη αλλά διατυπωμένη ως θεωρία επειδή χρησιμοποιεί ως βάση το θεώρημα και την λογική έκφραση με μεταβλητές και τελεστές πράξεων.

Όπως σωστά αναφέρει ο samael, στην Ελλάδα τα Μαθηματικά αντιμετωπίζονται ως ένα πτυχίο μαζί με όλα τα άλλα πτυχία, αλλά με συγκεκριμένες δυνατότητες, επειδή η κοινωνία διαμορφώνει μια οικονομία μέσω πολιτικών επιλογών, ώστε τα Μαθηματικά να μην έχουν την θέση που τους αξίζει. Τα Μαθηματικά στην Ελλάδα είναι ένα σχολικό μάθημα ή ένα μάθημα στο Πανεπιστήμιο. Τίποτα άλλο. Επίσης αρκετοί που τα σπουδάζουν δεν τα σπουδάζουν με κάποιο κίνητρο αλλά με μια λογική προχειρότητας με έμφαση στη μαθηματική λογική χαμηλού επιπέδου, δηλαδή, μόνο για την μέση εκπαίδευση χωρίς να εξετάζουμε επίσης τις παιδαγωγικές δεξιότητες του διδάσκοντα ή αυτού που επιλέγει να διδάσκει μαθηματικά (χωρίς να είναι απαραίτητα και Μαθηματικός). Αρκετοί επίσης φοιτητές Πολυτεχνείου τα αντιμετωπίζουν ως αναγκαίο κακό. Υπάρχουν αρκετοί Μαθηματικοί ερευνητές στο εξωτερικό που ζουν από τα Μαθηματικά χωρίς να είναι κατ' ανάγκη καθηγητές Πανεπιστημίου αλλά έχουν άλλης μορφής επαγγέλματα μέσα από εταιρίες, οργανισμούς, ερευνητικά κέντρα, πολιτικειακή / εθνική άμυνα κτλ. Όποιος ψάχνει, βρίσκει ευκαιρίες.

Η Ελλάδα δεν αποτελεί ευκαιρία για τα Μαθηματικά. Λυπάμαι που το λέω. Αγαπώ την Ελλάδα αλλά όχι τις επιλογές της, σε επίπεδο κοινωνίας. Πολλές φορές με κάνουν να ντρέπομαι που γεννήθηκα Έλληνας. Για τουλάχιστον 20 χρόνια δεν έχω ακούσει κάτι σε επίπεδο πολιτείας που να αφορά την Μαθηματική επιστήμη. Μόνο γκρίνια για τα εκτός "διδακτέας" ύλης θέματα της ΕΜΕ που πέφτουν στις εθνικές εξετάσεις κάθε χρόνο.

Ακόμη και στο φόρουμ τόσα χρόνια όταν πάει η συζήτηση για τα Μαθηματικά, χαλάει το όλο κλίμα καθώς δικαιολογημένα οι νέοι μαθητές δεν βλέπουν την γοητεία των Μαθηματικών αφού η ίδια η κοινωνία στην οποία ζουν δεν θέλει τα Μαθηματικά. Γιατί να σπουδάσει επομένως κάποιος Μαθηματικά στην Ελλάδα; Μια λογική απορία, χωρίς ειρωνεία. Την ίδια στιγμή όμως το κράτος για ψηφαλάκια σου λέει: θα κάνουμε επενδύσεις σε νέες τεχνολογίες αλλά τα Μαθηματικά είναι ανύπαρκτα. Αυτή η άποψη πώς ονομάζεται; Δούλεμα; Γίνεται να υπάρχει νέα τεχνολογική καινοτομία χωρίς Μαθηματικά; Ακόμη και για τις επενδύσεις που (θα) γίνουν, τι άποψη έχει η Μαθηματική Ένωση; Δεν ρωτήθηκε ποτέ, φαντάζομαι.

 

[physicscrazy]

Αυτό ισχύει μόνο σε χώρες όπου κυβερνάει ο δημόσιος συνδικαλισμός και πάνω εκεί χτίζουν καριέρες οι λεγόμενοι κλάδοι των μη-θετικών και μη-πολυτεχνικών επιστημών. Η Ελλάδα το ξέρεις πολύ καλά είναι ανύπαρκτη σε θετικές επιστήμες: δηλαδή, μια νέα θεωρία πάνω σε κάτι. Όσοι Έλληνες αυτή τη στιγμή είναι κορυφαίοι όλων στην Άλγεβρα Σωμάτων ή στη θεωρητική Βελτιστοποίηση διεθνώς είναι πολιτογραφημένοι Αμερικανοί πολίτες και ζουν κάπου 35 χρόνια στις ΗΠΑ.

ναι συμφωνω

Η έρευνα δεν πάει με βάση αν είναι θεωρητική ή εφαρμοσμένη. Ακόμη και τα θεωρητικά μαθηματικά πληρώνονται, απλά αποτελούν υπερβολή όταν η εθνική οικονομία δεν έχει βιομηχανία που να παράγονται προϊόντα εξαγωγών ελέγχοντας εθνικές οικονομίες άλλων χωρών. Στις ΗΠΑ για παράδειγμα, υπάρχει ένα σταθερό κονδύλι έρευνας κάθε χρόνο που δίνεται από το κογκρέσο για την έρευνα των Mathematics and Computational Science. Στην ενότητα Mathematics καλύπτουν από Γεωμετρική Τοπολογία, ή Αλγεβρική Λογική μέχρι την διδακτική των Μαθηματικών, θεωρητική Machine Learning και μαθηματική Θεωρία Ελαστικών Υλικών.

επισης συμφωνω.

Ο νέος επιστημονικός τομέας Computational Science στην χώρα μας είναι άγνωστη λέξη. Πολλοί ακόμη και Μαθηματικοί (εδώ σηκώνουμε χέρια ψηλά) μπορεί να νομίζουν ότι είναι η Πληροφορική ενώ δεν είναι.

Τι σημαίνει να κάνεις έρευνα στα θεωρητικά μαθηματικά; Αρχικά, δεν μιλάμε για ένα συμπαγές πεδίο αλλά παίζει ρόλο ποιος είναι ο κλάδος των θεωρητικών μαθηματικών και πως αυτός συνδέεται με άλλους κλάδους θεωρητικούς ή εφαρμοσμένους. Για παράδειγμα αρκετοί θεωρητικοί Αλγεβρίστες πάνω στα θεμέλια των μαθηματικών (σώματα, fuzzy logic, δακτύλιοι, ημιομάδες, ομάδες Lie,...κλπ) ασχολούνται την τελευταία 10ετία με δημοσιεύσεις σε περιοδικά θεωρητικής Βιολογίας, όπως βιολογία κυττάρου. Οι Μαθηματικοί ερευνητές μπορούν να κάνουν δημοσίευση σε περιοδικά Κοινωνιολογίας ή Βιολογίας ενώ το αντίστροφο ειδικά Βιολόγοι ερευνητές σε περιοδικά Μαθηματικών, όχι. Με αυτό το επιχείρημα θεωρώ τελείως λάθος άποψη ότι υπάρχουν θεωρητικά Μαθηματικά. Τα Μαθηματικά είναι μια εφαρμοσμένη επιστήμη αλλά διατυπωμένη ως θεωρία επειδή χρησιμοποιεί ως βάση το θεώρημα και την λογική έκφραση με μεταβλητές και τελεστές πράξεων.

Εδω διαφωνω λιγο. Θεωρητικα μαθηματικα δε σημαινει "μαθηματικα που δε θα εφαρμοσουν ποτε". Ισα ισα οπως λες πολλα απο αυτα εφαρμοζονται ηδη. Οταν καποιος λεει οτι κανει ερευνα σε θεωρητικα μαθηματικα περισσοτερο εννοει "κανω ερευνα σε μαθηματικα οχι με σκοπο να τα εφαρμοσω καπου, αλλα just the sake of it. Καποιοι τομεις μπορει να μην εφαρμοζονται ακομη ή και να εφαρμοζονται αλλα να μην το ξερει ο ιδιος ο ερευνητης. Πχ οταν ο Kodaira εκανε deformation theory of complex manifolds δεν ηξερε οτι καποιοι φυσικοι θα χρησιμοποιησουν τη θεωρια του για θεωρια χορδων. Αυτος εκανε μαθηματικα για τα μαθηματικα. Η οταν o Poincare διατυπωνε την εικασια του δεν περιμενε οτι θα εχει αντικτυπο στην κρυπτογραφια. Ολα ομως καποια στιγμη θα εφαρμοστουν εν γενει.

Όπως σωστά αναφέρει ο samael, στην Ελλάδα τα Μαθηματικά αντιμετωπίζονται ως ένα πτυχίο μαζί με όλα τα άλλα πτυχία, αλλά με συγκεκριμένες δυνατότητες, επειδή η κοινωνία διαμορφώνει μια οικονομία μέσω πολιτικών επιλογών, ώστε τα Μαθηματικά να μην έχουν την θέση που τους αξίζει. Τα Μαθηματικά στην Ελλάδα είναι ένα σχολικό μάθημα ή ένα μάθημα στο Πανεπιστήμιο. Τίποτα άλλο. Επίσης αρκετοί που τα σπουδάζουν δεν τα σπουδάζουν με κάποιο κίνητρο αλλά με μια λογική προχειρότητας με έμφαση στη μαθηματική λογική χαμηλού επιπέδου, δηλαδή, μόνο για την μέση εκπαίδευση χωρίς να εξετάζουμε επίσης τις παιδαγωγικές δεξιότητες του διδάσκοντα ή αυτού που επιλέγει να διδάσκει μαθηματικά (χωρίς να είναι απαραίτητα και Μαθηματικός). Αρκετοί επίσης φοιτητές Πολυτεχνείου τα αντιμετωπίζουν ως αναγκαίο κακό. Υπάρχουν αρκετοί Μαθηματικοί ερευνητές στο εξωτερικό που ζουν από τα Μαθηματικά χωρίς να είναι κατ' ανάγκη καθηγητές Πανεπιστημίου αλλά έχουν άλλης μορφής επαγγέλματα μέσα από εταιρίες, οργανισμούς, ερευνητικά κέντρα, πολιτικειακή / εθνική άμυνα κτλ. Όποιος ψάχνει, βρίσκει ευκαιρίες.

Δε διαφωνω καθολου.

Η Ελλάδα δεν αποτελεί ευκαιρία για τα Μαθηματικά. Λυπάμαι που το λέω. Αγαπώ την Ελλάδα αλλά όχι τις επιλογές της, σε επίπεδο κοινωνίας. Πολλές φορές με κάνουν να ντρέπομαι που γεννήθηκα Έλληνας. Για τουλάχιστον 20 χρόνια δεν έχω ακούσει κάτι σε επίπεδο πολιτείας που να αφορά την Μαθηματική επιστήμη. Μόνο γκρίνια για τα εκτός "διδακτέας" ύλης θέματα της ΕΜΕ που πέφτουν στις εθνικές εξετάσεις κάθε χρόνο.

Ακόμη και στο φόρουμ τόσα χρόνια όταν πάει η συζήτηση για τα Μαθηματικά, χαλάει το όλο κλίμα καθώς δικαιολογημένα οι νέοι μαθητές δεν βλέπουν την γοητεία των Μαθηματικών αφού η ίδια η κοινωνία στην οποία ζουν δεν θέλει τα Μαθηματικά. Γιατί να σπουδάσει επομένως κάποιος Μαθηματικά στην Ελλάδα; Μια λογική απορία, χωρίς ειρωνεία. Την ίδια στιγμή όμως το κράτος για ψηφαλάκια σου λέει: θα κάνουμε επενδύσεις σε νέες τεχνολογίες αλλά τα Μαθηματικά είναι ανύπαρκτα. Αυτή η άποψη πώς ονομάζεται; Δούλεμα; Γίνεται να υπάρχει νέα τεχνολογική καινοτομία χωρίς Μαθηματικά; Ακόμη και για τις επενδύσεις που (θα) γίνουν, τι άποψη έχει η Μαθηματική Ένωση; Δεν ρωτήθηκε ποτέ, φαντάζομαι.

Ξανα δε διαφωνω

 

[nPb]

Εδω διαφωνω λιγο. Θεωρητικα μαθηματικα δε σημαινει "μαθηματικα που δε θα εφαρμοσουν ποτε". Ισα ισα οπως λες πολλα απο αυτα εφαρμοζονται ηδη. Οταν καποιος λεει οτι κανει ερευνα σε θεωρητικα μαθηματικα περισσοτερο εννοει "κανω ερευνα σε μαθηματικα οχι με σκοπο να τα εφαρμοσω καπου, αλλα just the sake of it. Καποιοι τομεις μπορει να μην εφαρμοζονται ακομη ή και να εφαρμοζονται αλλα να μην το ξερει ο ιδιος ο ερευνητης. Πχ οταν ο Kodaira εκανε deformation theory of complex manifolds δεν ηξερε οτι καποιοι φυσικοι θα χρησιμοποιησουν τη θεωρια του για θεωρια χορδων. Αυτος εκανε μαθηματικα για τα μαθηματικα. Η οταν o Poincare διατυπωνε την εικασια του δεν περιμενε οτι θα εχει αντικτυπο στην κρυπτογραφια. Ολα ομως καποια στιγμη θα εφαρμοστουν εν γενει.

Τα Θεωρητικά Μαθηματικά ή Καθαρά Μαθηματικά όπως είναι πιο σωστά η μετάφραση του όρου Pure Mathematics είναι η ακαδημαϊκή προσέγγιση των Μαθηματικών μέσω της αυστηρής λογικής ενός θεωρήματος και με εργαλεία όπως κατηγορηματική λογική, προτασιακή λογική, θεμέλια, κτλ. Σε αυτή την προσέγγιση διάφορες θεωρίες από την Άλγεβρα, Γεωμετρία και Ανάλυση αντιμετωπίζονται ως σύνολα στοιχείων και πάνω εκεί ο κάθε ερευνητής "κάθεται" και προσπαθεί να ανακαλύψει μια νέα λογική. Δεν είναι απαραίτητο ότι θα εφαρμόσουν κάπου. Θα εφαρμόσουν ή δεν θα εφαρμόσουν στο άμεσο διάστημα. Πάντως κάποια στιγμή θα εφαρμόσουν γιατί τα Μαθηματικά ξεπερνώντας την σκέψη του ανθρώπου ερμηνεύουν την φυσική πραγματικότητα που πολλές φορές δεν μπορεί ούτε η ανθρώπινη σκέψη να κατανοήσει αυτή τη στιγμή που τα συλλαμβάνει σαν ερευνητική ιδέα. Όταν βελτιώνονται και άλλα πράγματα σε κοινωνικό επίπεδο, ίσως ο άνθρωπος να μπορεί να δει τις "εφαρμογές" σε πολλά άλλα πράγματα. Για παράδειγμα, οι μιγαδικοί μετασχηματισμοί Fourier με αφορμή την μιγαδική διατύπωση του χρονικά μεταβαλλόμενου ηλεκτρομαγνητισμού και πλήθος εργαστηριακών πειραμάτων στην φυσική της ακτινοβολίας οδήγησαν στην ανάπτυξη των μαγνητικών τομογράφων σάρωσης. Μόνοι οι μιγαδικοί μετασχηματισμοί Fourier δεν οδηγούν πουθενά. Φυσικά βοήθησαν στην κατανόηση της ακτινοβολίας και της θεωρίας των σφαιρικών κυμάτων κτλ, αλλά χρειάζονται πολλά πράγματα ώστε να φτάσουμε να μιλάμε για την μηχανολογική εφαρμογή του τομογράφου.

Το θέμα με αυτήν την αποστειρωμένη προσέγγιση των Μαθηματικών μέσα από λογικά συμπερασματικά σχήματα και παραδοχές, είναι ότι πολλές φορές περιπλέκονται τόσο πολύ σε βάθος σκέψης και αφαιρετικών συλλογισμών με αποτέλεσμα οι άνθρωποι να μην βλέπουν κάτι έστω και σαν κίνητρο σκέψης ή επαγγελματικό ενδιαφέρον. Έτσι αναγκαστικά στρέφονται σε πιο "έτοιμες" περιοχές όπως η Στατιστική. Όμως και σε πιο κλασικά ζητήματα της Στατιστικής που αφορούν τους εκτιμητές ή σύγκλισης ακολουθίας κατανομών να απαιτούνται πολύ αφηρημένες γνώσεις καθαρών μαθηματικών από κεφάλαια σύγκλιση ακολουθιών μπλεγμένα με στοχαστικές ανελίξεις. Σε μεγάλο βαθμό η θεωρητική πλευρά της Στατιστικής είναι ο αφηρημένος απειροστικός λογισμός κατά Riemann-Weierstrass. Απλά για να δημιουργούνται νέες περιοχές έρευνας, θέσεις εργασίας, προγράμματα σπουδών κτλ, εννοείται ότι εμφανίζονται και νέα ονόματα επιστημονικών ειδικοτήτων.

Να έχεις κάνει μια ζωή manifolds και να μην βρίσκεις δουλειά. Να σου λένε άντε πάγαινε να κάνεις ιδιαίτερα μαθήματα σε μαθητές λυκείου ε, @eukleidhs1821;

 

[physicscrazy]

Τα Θεωρητικά Μαθηματικά ή Καθαρά Μαθηματικά όπως είναι πιο σωστά η μετάφραση του όρου Pure Mathematics είναι η ακαδημαϊκή προσέγγιση των Μαθηματικών μέσω της αυστηρής λογικής ενός θεωρήματος και με εργαλεία όπως κατηγορηματική λογική, προτασιακή λογική, θεμέλια, κτλ. Σε αυτή την προσέγγιση διάφορες θεωρίες από την Άλγεβρα, Γεωμετρία και Ανάλυση αντιμετωπίζονται ως σύνολα στοιχείων και πάνω εκεί ο κάθε ερευνητής "κάθεται" και προσπαθεί να ανακαλύψει μια νέα λογική. Δεν είναι απαραίτητο ότι θα εφαρμόσουν κάπου. Θα εφαρμόσουν ή δεν θα εφαρμόσουν στο άμεσο διάστημα. Πάντως κάποια στιγμή θα εφαρμόσουν γιατί τα Μαθηματικά ξεπερνώντας την σκέψη του ανθρώπου ερμηνεύουν την φυσική πραγματικότητα που πολλές φορές δεν μπορεί ούτε η ανθρώπινη σκέψη να κατανοήσει αυτή τη στιγμή που τα συλλαμβάνει σαν ερευνητική ιδέα. Όταν βελτιώνονται και άλλα πράγματα σε κοινωνικό επίπεδο, ίσως ο άνθρωπος να μπορεί να δει τις "εφαρμογές" σε πολλά άλλα πράγματα. Για παράδειγμα, οι μιγαδικοί μετασχηματισμοί Fourier με αφορμή την μιγαδική διατύπωση του χρονικά μεταβαλλόμενου ηλεκτρομαγνητισμού και πλήθος εργαστηριακών πειραμάτων στην φυσική της ακτινοβολίας οδήγησαν στην ανάπτυξη των μαγνητικών τομογράφων σάρωσης. Μόνοι οι μιγαδικοί μετασχηματισμοί Fourier δεν οδηγούν πουθενά. Φυσικά βοήθησαν στην κατανόηση της ακτινοβολίας και της θεωρίας των σφαιρικών κυμάτων κτλ, αλλά χρειάζονται πολλά πράγματα ώστε να φτάσουμε να μιλάμε για την μηχανολογική εφαρμογή του τομογράφου.

Ναι αυτο ακριβως λεω, συμφωνω σε ολα αυτα

Το θέμα με αυτήν την αποστειρωμένη προσέγγιση των Μαθηματικών μέσα από λογικά συμπερασματικά σχήματα και παραδοχές, είναι ότι πολλές φορές περιπλέκονται τόσο πολύ σε βάθος σκέψης και αφαιρετικών συλλογισμών με αποτέλεσμα οι άνθρωποι να μην βλέπουν κάτι έστω και σαν κίνητρο σκέψης ή επαγγελματικό ενδιαφέρον. Έτσι αναγκαστικά στρέφονται σε πιο "έτοιμες" περιοχές όπως η Στατιστική. Όμως και σε πιο κλασικά ζητήματα της Στατιστικής που αφορούν τους εκτιμητές ή σύγκλισης ακολουθίας κατανομών να απαιτούνται πολύ αφηρημένες γνώσεις καθαρών μαθηματικών από κεφάλαια σύγκλιση ακολουθιών μπλεγμένα με στοχαστικές ανελίξεις. Σε μεγάλο βαθμό η θεωρητική πλευρά της Στατιστικής είναι ο αφηρημένος απειροστικός λογισμός κατά Riemann-Weierstrass. Απλά για να δημιουργούνται νέες περιοχές έρευνας, θέσεις εργασίας, προγράμματα σπουδών κτλ, εννοείται ότι εμφανίζονται και νέα ονόματα επιστημονικών ειδικοτήτων.

Σιγουρα η στατιστικη απαιτει βαθιες γνωσεις καθαρων μαθηματικων, ΑΝ θες να την κανεις σωστα. Παρ' ολα αυτα πλεον εχουμε φτασει σε τετοιο επιπεδο στην εφαρμογη της στατιστικης που οι περισοτερες θεσεις εργασιας δεν απαιτουν τετοια γνωση. Να πω ενα χαρακτηριστικο παραδειγμα. Εχω ενα φιλο που εργαζεται σε εταιρεια (αρκετα γνωστη αλλα δε θα πω ονομα). Ο τομες του ειναι data science-machine learning (βεβαια αυτο απο μονο του δε λεει και πολλα ειναι πολυ ευρυ). Επι του πρακτου η δουλεια του ειναι να χρησιμοποιει στατιστικα μοντελα για την προβλεψη διαφορων μεταβλητων (κυριως η εταιρεια δραστηριοποιειται στo consulting). Απο ενδιαφερον λοιπον πολλες φορες τον ρωταω για τη δουλεια. Την πρωτη φορα τον ρωτησα να κατσουμε να μου αποδειξει πως προκυπτουν τα στατιστικα μοντελα που χρησιμοποιει (μεσω στοχαστικης αναλυσης). Δεν ηξερε. Το background του δεν ειναι μαθηματικο. Μου εκανε τρομερη εντυπωση. Δε θα επρεπε ομως, καθως με τον καιρο εχω καταλαβει οτι οι περισσοτερες θεσεις "στατιστικης" δεν απαιτουν αληθεια στατιστικη γνωση, αλλα να ξερεις να γραφεις κωδικα και να χρησιμοποιεις ετοιμα στατιστικα μοντελα που καποιος αλλος εχει δημιουργησει. Μετα ειναι απλα θεμα του να παρεις τα μοντελα ετοιμα και να τα ενσωματωσεις στον κωδικα. Και ναι ως επι το πλειστον, αυτες ειναι οι δουλειες. Και πληρωνουν οκ. Σαφως αν θες να κανεις κατι σοβαρο πρεπει να εχεις σοβαρη γνωση, αλλα για να βρεις μια δουλεια με οκ μισθο, αρκει απλα να ξερεις τι σημαινουν τα συμβολα στα μοντελα. Για αυτο λοιπον πιστευω οτι η στατιστικη ειναι πιο hot. Γιατι μπορεις να παρεις καποια λεφτα χωρις ιδιαιτερη γνωση, σε θεσεις που λενε οτι θελουν στατιστικη χωρις ομως οντως να θελουν

Να έχεις κάνει μια ζωή manifolds και να μην βρίσκεις δουλειά. Να σου λένε άντε πάγαινε να κάνεις ιδιαίτερα μαθήματα σε μαθητές λυκείου ε, @eukleidhs1821;

 

[Samael]

Ναι αυτο ακριβως λεω, συμφωνω σε ολα αυτα

Σιγουρα η στατιστικη απαιτει βαθιες γνωσεις καθαρων μαθηματικων, ΑΝ θες να την κανεις σωστα. Παρ' ολα αυτα πλεον εχουμε φτασει σε τετοιο επιπεδο στην εφαρμογη της στατιστικης που οι περισοτερες θεσεις εργασιας δεν απαιτουν τετοια γνωση. Να πω ενα χαρακτηριστικο παραδειγμα. Εχω ενα φιλο που εργαζεται σε εταιρεια (αρκετα γνωστη αλλα δε θα πω ονομα). Ο τομες του ειναι data science-machine learning (βεβαια αυτο απο μονο του δε λεει και πολλα ειναι πολυ ευρυ). Επι του πρακτου η δουλεια του ειναι να χρησιμοποιει στατιστικα μοντελα για την προβλεψη διαφορων μεταβλητων (κυριως η εταιρεια δραστηριοποιειται στo consulting). Απο ενδιαφερον λοιπον πολλες φορες τον ρωταω για τη δουλεια. Την πρωτη φορα τον ρωτησα να κατσουμε να μου αποδειξει πως προκυπτουν τα στατιστικα μοντελα που χρησιμοποιει (μεσω στοχαστικης αναλυσης). Δεν ηξερε. Το background του δεν ειναι μαθηματικο. Μου εκανε τρομερη εντυπωση. Δε θα επρεπε ομως, καθως με τον καιρο εχω καταλαβει οτι οι περισσοτερες θεσεις "στατιστικης" δεν απαιτουν αληθεια στατιστικη γνωση, αλλα να ξερεις να γραφεις κωδικα και να χρησιμοποιεις ετοιμα στατιστικα μοντελα που καποιος αλλος εχει δημιουργησει. Μετα ειναι απλα θεμα του να παρεις τα μοντελα ετοιμα και να τα ενσωματωσεις στον κωδικα. Και ναι ως επι το πλειστον, αυτες ειναι οι δουλειες. Και πληρωνουν οκ. Σαφως αν θες να κανεις κατι σοβαρο πρεπει να εχεις σοβαρη γνωση, αλλα για να βρεις μια δουλεια με οκ μισθο, αρκει απλα να ξερεις τι σημαινουν τα συμβολα στα μοντελα. Για αυτο λοιπον πιστευω οτι η στατιστικη ειναι πιο hot. Γιατι μπορεις να παρεις καποια λεφτα χωρις ιδιαιτερη γνωση, σε θεσεις που λενε οτι θελουν στατιστικη χωρις ομως οντως να θελουν

Έχουν γνώσεις έτσι, απλά αυτές δεν αφορούν τόσο έντονα την θεωρητική πτυχή του πράγματος. Γιατί και θεωρητικό background να έχει κανείς δεν πάει να κάνει consulting στα κουτουρου. Ίσως να μην ξέρει μεν να αποδείξει πως προκύπτουν τα στατιστικά μοντέλα αλλά ούτως η άλλως δεν είναι αυτή η δουλειά του. Η δουλειά του είναι να γνωρίζει ποια υπάρχουν , σε τι είναι καλό το καθένα και που χωλενει και να έχει εμπειρία να εφαρμόζει το κατάλληλο για κάθε περίπτωση.

Γενικά θεωρώ ότι άμα ρωτήσουμε έναν επαγγελματία εφαρμοσμένο μαθηματικό με εμπειρία, για το εάν η δουλειά του είναι όμοια με αυτή ενός θεωρητικού, θα πάρουμε μια αρνητική απάντηση. Η θεωρία είναι πολύ δύσκολη στο μάτι και πολύ δύσκολη και στην ενασχόληση. Οι εφαρμογές από την άλλη έχουν διαφορετική φιλοσοφία. Είναι εύκολες στο μάτι αλλά μπορεί να είναι πολύ περίπλοκες στην πράξη.

Οπότε ο nPb έχει δίκιο σε αυτό που λέει ότι οι νέοι άνθρωποι αρκετές φορές δεν έχουν γνώση για το τι δυσκολίες εμπλέκονται στις εφαρμογές και για αυτό δεν το ψάχνουν παραπάνω. Τους φαίνονται απλά τα πράγματα οπότε θεωρούν ότι δεν υπάρχει λόγος να μπλέξουν. Μόνο εάν μπει στην διαδικασία κάνεις να ασχοληθεί με πρακτικά ζητήματα πίσω από την υλοποίηση του κάθε τι μπορεί να δει πως τα διάφορα μαθηματικά εργαλεία εμπλέκονται.

Ένα απλό παράδειγμα. Ένα ηλεκτρονικό φίλτρο. Σαν έννοια απλή, όλοι την καταλαβαίνουν. Και γενικά δεν είναι πολύ δύσκολο να φτιάξει κανείς ένα. Η διαφορά είναι ότι όταν ο πελάτης έχει συγκεκριμένες προδιαγραφές, δεν είναι πλέον τόσο απλά τα πράγματα. Εκεί είναι που εμφανίζεται η ανάγκη διαφόρων γνώσεων όπως εάν θα κάνεις προσέγγιση κατά Butterworth ή Chebychev ή Cauer κτλπ.

 

[Chris1993]

Δεν νομίζω ότι υπάρχει ξεκάθαρη απάντηση όσο αφορά το συγκεκριμένο ερώτημα και ασφαλώς εξαρτάται από το άτομο. Προσωπική μου άποψη είναι ότι αν κανείς δεν αγαπάει τα μαθηματικά και δεν θέλει να εντρυφήσει στη Μαθηματική επιστήμη αλλά του αρέσει η Στατιστική, τότε θα ήταν καλύτερο να επιλέξει τμήμα Στατιστικής (λχ. ΟΠΑ). Εξάλλου, ζούμε στην εποχή των δεδομένων, όπου υπάρχει μεγάλη ζήτηση σε (big) data analytics/science.

 

[Samael]

Δεν νομίζω ότι υπάρχει ξεκάθαρη απάντηση όσο αφορά το συγκεκριμένο ερώτημα και ασφαλώς εξαρτάται από το άτομο. Προσωπική μου άποψη είναι ότι αν κανείς δεν αγαπάει τα μαθηματικά και δεν θέλει να εντρυφήσει στη Μαθηματική επιστήμη αλλά του αρέσει η Στατιστική, τότε θα ήταν καλύτερο να επιλέξει τμήμα Στατιστικής (λχ. ΟΠΑ). Εξάλλου, ζούμε στην εποχή των δεδομένων, όπου υπάρχει μεγάλη ζήτηση σε (big) data analytics/science.

Εμένα αυτό μου φαίνεται αρκετά αντιφατικό.
Τι μέλλον μπορεί να έχει κανείς άραγε πραγματικά σαν στατιστικολόγος εαν δεν αγαπάει τα μαθηματικά και δεν μπορεί να μπει στο πνέυμα της μαθηματικής λογικής ;

 

[nPb]

Εμένα αυτό μου φαίνεται αρκετά αντιφατικό.
Τι μέλλον μπορεί να έχει κανείς άραγε πραγματικά σαν στατιστικολόγος εαν δεν αγαπάει τα μαθηματικά και δεν μπορεί να μπει στο πνέυμα της μαθηματικής λογικής ;

Mα στο λέει καθαρά. Όπως και ο @physicscrazy είπε ότι οι εταιρίες θέλουν φαστ φουντάδικη λογική της στατιστικής. Όπως και στις Οικονομικές Σχολές, η Στατιστική διδάσκεται ως εργαλείο κατανόησης Οικονομικών μοντέλων και όχι με σκοπό την μαθηματική της εξέλιξη. Οι απόφοιτοι δουλεύουν πάνω σε έτοιμα μοντέλα δεδομένων γι' αυτό και στο εξωτερικό εργάζεται πλήθος πτυχιούχων χωρίς απαραίτητα να είναι μαθηματικοί. Τελευταία έχουν μπει και πτυχιούχοι φιλολογίας με ειδίκευση στο dictionary learning. Πιστεύεις ότι ένας φιλόλογος είναι σε θέση να εξηγήσει την μαθηματική εικόνα μιας log-log εκτίμησης σφάλματος; Ζούμε στην εποχή της επιστημονική αρπακωλήτιδας που οι μεγάλες εταιρίες την προωθούν ως επιστημονική εξειδίκευση για να έχει ο κόσμος μια βασική δουλειά με το βασικό μισθό. Εννοείται ότι όσοι έχουν νευραλγικές θέσεις πάνω στη στατιστική συνήθως έχουν πολύ καλό υπόβαθρο σπουδών π.χ. ηλεκτρολόγοι μηχανικοί, μαθηματικοί, φυσικοί κτλ, για να μπορούν να ασχολούνται με την ανάπτυξη του λογισμικού στατιστικού κώδικα καθώς και με την μαθηματική ανάλυση που απαιτείται για την εξαγωγή των συμπερασμάτων. Στατιστική χωρίς μαθηματικά δεν είναι στατιστική. Είναι τελείως ξεκάθαρο αυτό: είναι άλλο πράγμα η στατιστική και άλλο πράγμα η ανάλυση δεδομένων ως επαγγελματική δεξιότητα.

 

[γιαννης_00]

πολυ μαρεσε η λεκτικη σου δημιουργικοτητα ''επιστημονική αρπακωλήτιδα''

 

[nPb]

πολυ μαρεσε η λεκτικη σου δημιουργικοτητα ''επιστημονική αρπακωλήτιδα''

Όταν μια επιστημονική περιοχή εξελίσσεται ως αντικείμενο κέρδους των εταιριών χρηματοπιστωτικού περιεχομένου, marketing, κτλ χωρίς να λαμβάνεται υπόψιν τόσο η άποψη της ακαδημαϊκής κοινότητας γιατί θεωρείται θεωρητική και άχρηστη είναι λογικό να έχουμε επιστημονική αρπακωλήτιδα. Αυτό συμβαίνει σε πολλά θέματα της εποχής μας και όχι μόνο τα επιστημονικά. Ζούμε σε μια εποχή δεξιοτήτων με ημερομηνία λήξης και φυσικά όχι με την επιστημονική άποψη. Πλέον δεξιότητες ορίζονται ότι αποφέρουν κέρδη σε εταιρίες. Αυτό απέχει πολύ με την άποψη της επιστήμης όπως αυτή ορίστηκε και μελετήθηκε αιώνες τώρα. Όταν βλέπεις κόσμο να βιοπορίζεται πλέον στον χώρο της ανάλυσης δεδομένων αλλά χωρίς να μπορεί να σου δώσει μια απάντηση πιο know how to στην στατιστική ή θεωρία πιθανοτήτων, κάτι δεν πάει καλά. Δεν με απασχολεί ότι υπάρχουν πολλές δουλειές όπως λέει ο chris1993 αλλά ότι η στατιστική έγινε προϊόν κατανάλωσης από ανθρώπους όχι και τόσο σχετικούς με το άθλημα. Η θεωρία πιθανοτήτων αποτελεί τους πλέον βασικούς πυλώνες της στατιστικής και φυσικά εξαμηνιαίο μάθημα με τους πιο κακούς βαθμούς φοιτητών παγκοσμίως.

 

[Chris1993]

Εμένα αυτό μου φαίνεται αρκετά αντιφατικό.
Τι μέλλον μπορεί να έχει κανείς άραγε πραγματικά σαν στατιστικολόγος εαν δεν αγαπάει τα μαθηματικά και δεν μπορεί να μπει στο πνέυμα της μαθηματικής λογικής ;

Πάρα πολλά τμήματα έχουν τα μαθηματικά ως βασικό κορμό, ειδικά κατά τα πρώτα έτη, αλλά δεν προϋποθέτουν αγάπη για τα μαθηματικά, αφού ασχολούνται με κάτι πιο συγκεκριμένο και τα μαθηματικά αποτελούν εργαλείο. Προφανώς και ένα άτομο που κάνει διδακτορικό στη Θεωρία Πιθανοτήτων η στη Στοχαστική Μοντελοποίηση πχ. η ασχολείται με έρευνα, δεν μπορεί να κάνει απολύτως τίποτα δίχως μαθηματικά. Στην αγορά εργασίας, πάρα πολλά, απ' ότι έχω δει μέχρι τώρα.

Αυτόματη ένωση συνεχόμενων μηνυμάτων: 25 Ιανουαρίου 2022

Mα στο λέει καθαρά. Όπως και ο @physicscrazy είπε ότι οι εταιρίες θέλουν φαστ φουντάδικη λογική της στατιστικής. Όπως και στις Οικονομικές Σχολές, η Στατιστική διδάσκεται ως εργαλείο κατανόησης Οικονομικών μοντέλων και όχι με σκοπό την μαθηματική της εξέλιξη. Οι απόφοιτοι δουλεύουν πάνω σε έτοιμα μοντέλα δεδομένων γι' αυτό και στο εξωτερικό εργάζεται πλήθος πτυχιούχων χωρίς απαραίτητα να είναι μαθηματικοί. Τελευταία έχουν μπει και πτυχιούχοι φιλολογίας με ειδίκευση στο dictionary learning. Πιστεύεις ότι ένας φιλόλογος είναι σε θέση να εξηγήσει την μαθηματική εικόνα μιας log-log εκτίμησης σφάλματος; Ζούμε στην εποχή της επιστημονική αρπακωλήτιδας που οι μεγάλες εταιρίες την προωθούν ως επιστημονική εξειδίκευση για να έχει ο κόσμος μια βασική δουλειά με το βασικό μισθό. Εννοείται ότι όσοι έχουν νευραλγικές θέσεις πάνω στη στατιστική συνήθως έχουν πολύ καλό υπόβαθρο σπουδών π.χ. ηλεκτρολόγοι μηχανικοί, μαθηματικοί, φυσικοί κτλ, για να μπορούν να ασχολούνται με την ανάπτυξη του λογισμικού στατιστικού κώδικα καθώς και με την μαθηματική ανάλυση που απαιτείται για την εξαγωγή των συμπερασμάτων. Στατιστική χωρίς μαθηματικά δεν είναι στατιστική. Είναι τελείως ξεκάθαρο αυτό: είναι άλλο πράγμα η στατιστική και άλλο πράγμα η ανάλυση δεδομένων ως επαγγελματική δεξιότητα.

Νίκο, πρέπει να καταλάβεις ότι δεν θέλουν όλοι να γίνουν επιστήμονες ούτε ερευνητές (και ούτε χρειάζεται). Οι περισσότεροι (είτε άτομα είτε επιχειρήσεις) αξιοποιούν εργαλεία και μεθόδους για να παράγουν αξία. Δεν θεωρώ ότι υπάρχει επιστημονική αρπακωλήτιδα, αλλά σίγουρα όσο περνάνε τα χρόνια, ελαχιστοποιούνται οι χειρονακτικές θέσεις εργασίας και υπάρχει ανάγκη συγκεκριμένων skills και γνώσης εργαλείων ώστε να μπορείς να εργαστείς. Γιατί να θέλει κάποιος επιστήμονα για να κάνει PivotTable στο Excel? Που ακριβώς έγκειται η επιστημονική αρπακωλήτιδα.

Σαφώς και ένα πολύ περιορισμένο τμήμα της αγοράς εργασίας στοχεύει σε επιστήμονες (διδάκτορες Μαθηματικών η Στατιστικής) αλλά κατά την γνώμη μου δεν ισχύει αυτό που λες περί νευραλγικών θέσεων. Υπάρχουν αμέτρητα παραδείγματα εταιρειών (ακόμα και αυτών που ασχολούνται λχ με την τεχνολογία) που σε καίριες θέσεις δεν έχουν άτομα με υψηλή επιστημονική κατάρτιση.

Μιλάς αρκετά θεωρητικά, θεωρώ, αν και δεν διαφωνώ μαζί σου. Έχω διδαχθεί στο μεταπτυχιακό του ΕΜΠ Θεωρία Πιθανοτήτων και καταλαβαίνω αυτό λες. Όμως, πρέπει να καταλάβεις ότι όλα εξαρτώνται από το επίπεδο που τα βλέπεις και από την χρησιμότητα που θέλεις να λάβεις.

 

[Samael]

Mα στο λέει καθαρά. Όπως και ο @physicscrazy είπε ότι οι εταιρίες θέλουν φαστ φουντάδικη λογική της στατιστικής. Όπως και στις Οικονομικές Σχολές, η Στατιστική διδάσκεται ως εργαλείο κατανόησης Οικονομικών μοντέλων και όχι με σκοπό την μαθηματική της εξέλιξη. Οι απόφοιτοι δουλεύουν πάνω σε έτοιμα μοντέλα δεδομένων γι' αυτό και στο εξωτερικό εργάζεται πλήθος πτυχιούχων χωρίς απαραίτητα να είναι μαθηματικοί. Τελευταία έχουν μπει και πτυχιούχοι φιλολογίας με ειδίκευση στο dictionary learning. Πιστεύεις ότι ένας φιλόλογος είναι σε θέση να εξηγήσει την μαθηματική εικόνα μιας log-log εκτίμησης σφάλματος; Ζούμε στην εποχή της επιστημονική αρπακωλήτιδας που οι μεγάλες εταιρίες την προωθούν ως επιστημονική εξειδίκευση για να έχει ο κόσμος μια βασική δουλειά με το βασικό μισθό. Εννοείται ότι όσοι έχουν νευραλγικές θέσεις πάνω στη στατιστική συνήθως έχουν πολύ καλό υπόβαθρο σπουδών π.χ. ηλεκτρολόγοι μηχανικοί, μαθηματικοί, φυσικοί κτλ, για να μπορούν να ασχολούνται με την ανάπτυξη του λογισμικού στατιστικού κώδικα καθώς και με την μαθηματική ανάλυση που απαιτείται για την εξαγωγή των συμπερασμάτων. Στατιστική χωρίς μαθηματικά δεν είναι στατιστική. Είναι τελείως ξεκάθαρο αυτό: είναι άλλο πράγμα η στατιστική και άλλο πράγμα η ανάλυση δεδομένων ως επαγγελματική δεξιότητα.

Σε αυτό που λες στο τέλος εστίασα και εγώ. Το γεγονός οτι η εποχή σηκώνει Data science δεν σημαίνει οτι πάμε να μάθουμε όλοι στατιστική και ας πετάξουμε στον κάδο τα "κακά" τα μαθηματικά. Ακόμα και στην φαστ φουντ έκδοση της στατιστικής ένα βασικό background σε μαθηματικά είναι απαραίτητο πιστεύω. Όπως φυσικά και εμπειρία και επαφή με αυτό το οποίο πάμε να μοντελοποιήσουμε. Ειδάλλως μπορούν πολύ εύκολα να παρερμηνευτούν αποτελέσματα και να βγουν λάθος συμπεράσματα όπως αναφέρεις.

Ο "χειριστής" των διάφορων μοντέλων ακόμα και εαν δεν είναι μαθηματικός ή στατιστικολόγος ή οτιδήποτε, ακόμα και εαν δεν πρόκειται ποτέ να κάνει έρευνα ή να αναπτύξει ένα καινούριο μοντέλο, οφείλει να έχει μελετήσει και να έχει γνώση των μοντέλων που χρησιμοποιεί αλλά και να μπορεί να αναλύει καινούρια που προκύπτουν. Τους διάφορους περιορισμούς και τις δυνατότητες τους. Διαφορετικά είναι λίγο τύχη το πως δουλεύεις κάθε φορά. Και ενώ στην πράξη λίγη τύχη και κάποια adjustments πάντα χρειάζονται για να δουλέψει κάτι, χωρίς την θεωρία είμαστε κάπως "χαμένοι". Το οποίο εν τέλει κοστίζει και στον εργοδότη.

 

[Chris1993]

Όταν μια επιστημονική περιοχή εξελίσσεται ως αντικείμενο κέρδους των εταιριών χρηματοπιστωτικού περιεχομένου, marketing, κτλ χωρίς να λαμβάνεται υπόψιν τόσο η άποψη της ακαδημαϊκής κοινότητας γιατί θεωρείται θεωρητική και άχρηστη είναι λογικό να έχουμε επιστημονική αρπακωλήτιδα. Αυτό συμβαίνει σε πολλά θέματα της εποχής μας και όχι μόνο τα επιστημονικά. Ζούμε σε μια εποχή δεξιοτήτων με ημερομηνία λήξης και φυσικά όχι με την επιστημονική άποψη. Πλέον δεξιότητες ορίζονται ότι αποφέρουν κέρδη σε εταιρίες. Αυτό απέχει πολύ με την άποψη της επιστήμης όπως αυτή ορίστηκε και μελετήθηκε αιώνες τώρα. Όταν βλέπεις κόσμο να βιοπορίζεται πλέον στον χώρο της ανάλυσης δεδομένων αλλά χωρίς να μπορεί να σου δώσει μια απάντηση πιο know how to στην στατιστική ή θεωρία πιθανοτήτων, κάτι δεν πάει καλά. Δεν με απασχολεί ότι υπάρχουν πολλές δουλειές όπως λέει ο chris1993 αλλά ότι η στατιστική έγινε προϊόν κατανάλωσης από ανθρώπους όχι και τόσο σχετικούς με το άθλημα. Η θεωρία πιθανοτήτων αποτελεί τους πλέον βασικούς πυλώνες της στατιστικής και φυσικά εξαμηνιαίο μάθημα με τους πιο κακούς βαθμούς φοιτητών παγκοσμίως.

Αρχίζεις με κέρδος εταιρειών και τελειώνεις με βαθμούς σε εξαμηναία μαθήματα... μάλιστα...

Η επιστήμη, πάντως, δεν είναι για να μένει στα βιβλία Νίκο

 

[Samael]

Πάρα πολλά τμήματα έχουν τα μαθηματικά ως βασικό κορμό, ειδικά κατά τα πρώτα έτη, αλλά δεν προϋποθέτουν αγάπη για τα μαθηματικά, αφού ασχολούνται με κάτι πιο συγκεκριμένο και τα μαθηματικά αποτελούν εργαλείο. Προφανώς και ένα άτομο που κάνει διδακτορικό στη Θεωρία Πιθανοτήτων η στη Στοχαστική Μοντελοποίηση πχ. η ασχολείται με έρευνα, δεν μπορεί να κάνει απολύτως τίποτα δίχως μαθηματικά. Στην αγορά εργασίας, πάρα πολλά, απ' ότι έχω δει μέχρι τώρα.

Αυτόματη ένωση συνεχόμενων μηνυμάτων: 25 Ιανουαρίου 2022

Τα μαθηματικά μπορούν να είναι ευλογία αλλά και κατάρα. Όταν δεν είναι προφανής ο τρόπος που βοηθούν τον εκάστοτε επιστήμονα να μελετήσει αυτό το κάτι άλλο με το οποίο ασχολείται, αν φυσικά τον βοηθούν, είναι κατάρα.

Δεν λεω να πάει κάποιος να πάρει και διδακτορικό προφανώς για να κάνει την δουλειά του. Αλλά καλό θα ήταν να είναι εξοικειωμένος με βασικά πράγματα. Εαν χρησιμοποιείς π.χ. κάθε μέρα την x μέθοδο, καλό είναι να ξέρεις τι είναι και γιατί λειτουργεί όπως λειτουργεί. Και όχι χωρίς λόγο αλλά επειδή αρκετά συχνά η διαίσθηση μαζί με την εμπειρία σε κάνει καλύτερο επαγγελματία.

 

[Chris1993]

Σε αυτό που λες στο τέλος εστίασα και εγώ. Το γεγονός οτι η εποχή σηκώνει Data science δεν σημαίνει οτι πάμε να μάθουμε όλοι στατιστική και ας πετάξουμε στον κάδο τα "κακά" τα μαθηματικά. Ακόμα και στην φαστ φουντ έκδοση της στατιστικής ένα βασικό background σε μαθηματικά είναι απαραίτητο πιστεύω. Όπως φυσικά και εμπειρία και επαφή με αυτό το οποίο πάμε να μοντελοποιήσουμε. Ειδάλλως μπορούν πολύ εύκολα να παρερμηνευτούν αποτελέσματα και να βγουν λάθος συμπεράσματα όπως αναφέρεις.

Ο "χειριστής" των διάφορων μοντέλων ακόμα και εαν δεν είναι μαθηματικός ή στατιστικολόγος ή οτιδήποτε, ακόμα και εαν δεν πρόκειται ποτέ να κάνει έρευνα ή να αναπτύξει ένα καινούριο μοντέλο, οφείλει να έχει μελετήσει και να έχει γνώση των μοντέλων που χρησιμοποιεί αλλά και να μπορεί να αναλύει καινούρια που προκύπτουν. Τους διάφορους περιορισμούς και τις δυνατότητες τους. Διαφορετικά είναι λίγο τύχη το πως δουλεύεις κάθε φορά. Και ενώ στην πράξη λίγη τύχη και κάποια adjustments πάντα χρειάζονται για να δουλέψει κάτι, χωρίς την θεωρία είμαστε κάπως "χαμένοι". Το οποίο εν τέλει κοστίζει και στον εργοδότη.

Δεν είπε κανέις ότι είναι κακά τα μαθηματικά, ούτε ότι πρέπει πετιούνται στον κάδο. Αλλά εάν κάποιος δεν αγαπάει τα μαθηματικά αλλά τον ενδιαφέρει η Στατιστική, ασφαλώς και δεν χρειάζεται να ασχοληθεί με Μιγαδικούς, Κλασική Μηχανική, Πραγματική Ανάλυση και ένα σωρό άλλους μαθηματικούς τομείς.

Αυτόματη ένωση συνεχόμενων μηνυμάτων: 26 Ιανουαρίου 2022

Τα μαθηματικά μπορούν να είναι ευλογία αλλά και κατάρα. Όταν δεν είναι προφανής ο τρόπος που βοηθούν τον εκάστοτε επιστήμονα να μελετήσει αυτό το κάτι άλλο με το οποίο ασχολείται, αν φυσικά τον βοηθούν, είναι κατάρα.

Δεν λεω να πάει κάποιος να πάρει και διδακτορικό προφανώς για να κάνει την δουλειά του. Αλλά καλό θα ήταν να είναι εξοικειωμένος με βασικά πράγματα. Εαν χρησιμοποιείς π.χ. κάθε μέρα την x μέθοδο, καλό είναι να ξέρεις τι είναι και γιατί λειτουργεί όπως λειτουργεί. Και όχι χωρίς λόγο αλλά επειδή αρκετά συχνά η διαίσθηση μαζί με την εμπειρία σε κάνει καλύτερο επαγγελματία.

Όσο πιο πολύ εμβαθύνεις, τόσο πιο μεγαλύτερη ευελιξία έχεις και τόσο καλύτερος γίνεσαι, γνωστικά και μη. Το θέμα είναι ότι δεν είναι προαπαιτούμενο. Υπάρχουν θέσεις εργασίας που χρειάζεται να γνωρίζεις μόνο Excel. Δεν χρειάζεται να ξέρεις τους μαθηματικούς και στατιστικούς τύπους και μεθόδους για να βγάλεις την δουλειά και να πληρωθείς.

 

[nPb]

Δεν είπε κανέις ότι είναι κακά τα μαθηματικά, ούτε ότι πρέπει πετιούνται στον κάδο. Αλλά εάν κάποιος δεν αγαπάει τα μαθηματικά αλλά τον ενδιαφέρει η Στατιστική, ασφαλώς και δεν χρειάζεται να ασχοληθεί με Μιγαδικούς, Κλασική Μηχανική, Πραγματική Ανάλυση και ένα σωρό άλλους μαθηματικούς τομείς.

Φίλε μου, σε πληροφορώ μια σφαιρική εικόνα πάντα θετικά οφέλη έχει. Ανοίγει το μυαλό. Ακόμη και ένα πρόβλημα Στατιστικής μπορείς να το κατανοήσεις σε μεγαλύτερο βάθος μέσα και από την Κλασική Μηχανική ως υπόβαθρο. Η Κλασική Μηχανική συνδέεται με την Στατιστική με τρόπο που δεν μπορείς να φανταστείς και δεν εννοώ τις κατανομές Boltzmann. Ακόμη και οι μιγαδικοί αριθμοί έχουν κάποια χρησιμότητα και όχι έτσι όπως παρουσιάζονται στο πρόγραμμα σπουδών.

 

[Samael]

Δεν είπε κανέις ότι είναι κακά τα μαθηματικά, ούτε ότι πρέπει πετιούνται στον κάδο. Αλλά εάν κάποιος δεν αγαπάει τα μαθηματικά αλλά τον ενδιαφέρει η Στατιστική, ασφαλώς και δεν χρειάζεται να ασχοληθεί με Μιγαδικούς, Κλασική Μηχανική, Πραγματική Ανάλυση και ένα σωρό άλλους μαθηματικούς τομείς.

Αυτόματη ένωση συνεχόμενων μηνυμάτων: 26 Ιανουαρίου 2022

Όσο πιο πολύ εμβαθύνεις, τόσο πιο μεγαλύτερη ευελιξία έχεις και τόσο καλύτερος γίνεσαι, γνωστικά και μη. Το θέμα είναι ότι δεν είναι προαπαιτούμενο. Υπάρχουν θέσεις εργασίας που χρειάζεται να γνωρίζεις μόνο Excel. Δεν χρειάζεται να ξέρεις τους μαθηματικούς και στατιστικούς τύπους και μεθόδους για να βγάλεις την δουλειά και να πληρωθείς.

Δεν είπα οτι το είπε κανείς,απλά εκφράζω πως τα βλέπει αρκετός κόσμος. Το καταλαβαίνω και το δέχομαι αυτό που λες. Άλλωστε γιατί να απορρίψεις μια δουλειά και εύκολη να είναι ή και ιδιαίτερες γνώσεις να μην απαιτεί, εφόσον θα πληρωθείς; Δεν θα έβγαζε νόημα .

Πάρα αυτά, δεν είναι λόγος αυτός φυσικά να μην κυνηγήσει κανείς περαιτέρω την γνώση εφόσον μπορεί, και να μπλεχτεί και με άλλα projects. Πάντως επιμένω ότι το βρίσκω εξαιρετικά δύσκολο κανείς να αγαπήσει την στατιστική σαν επιστήμη εάν δεν αγαπήσει τα μαθηματικά.