Στατιστική ΟΠΑ - γνώμες

[nPb]

Δηλαδή ή data ...ή το χάος;

Υπάρχουν όμως μαθήματα της ένωσης οπως τα στοχαστικα πρότυπα που χρειάζονται θεωρήματα όπως του Ito και θεωρία μέτρου (δεν χρειάζεται να εισια μαθηματικός για να τα ξέρεις, και στα στατιστικά τμήματα διδάσκονται θεωρία μέτρου και στοχαστική ανάλυση και θεωρητική και εφαρμοσμένη στα χρηματοοικονομικα) και φυσικά πολύ καλή γνώση απειροστικου λογισμού και Στατιστικής συμπερασματολογιας.

Πάντως δεν θεωρούνται εύκολα μαθηματικά κεφάλαια. Θυμαμαι σε ασκήσεις μεταπτυχιακού επιπέδου να διαβάζουμε από ερευνητικές δημοσιεύσεις για να κατανοήσουμε την εκφώνηση της άσκησης και μετά να κάνουμε συνδυασμούς και πολλές θεωρητικές πράξεις.

 

[Steve9393]

Δηλαδή ή data ...ή το χάος;

Το βασικό πρόβλημα με τους αναλογιστες είναι ότι ενώ έχουν μια ευρεία γνώση επιστημονικων περιοχών δεν εκτιμώνται σε άλλους κλάδους πέραν των ασφαλιστικών. Ίσως άμα οι ενώσεις αναλογιστων βάζανε στο πρόγραμμα τους και μαθήματα προγραμματισμού να είχε περισσότερο νόημα όλο αυτό. Οποτε θα απαντήσω με το εξής. Γιατί κάποιος να αφιερώσεις 5 χρόνια μετα από το μαθηματικό /πολυτεχνείο /στατιστικό κλπ για να περάσει μαθήματα στην ένωση όταν απλά μπορεί να ασχοληθεί με Data 1μιση χρόνο σπουδών εύκολα και απλά και να είναι περιζήτητος με καλυτερο μισθό? Ενδεικτικά σε ελεγκτικες εταιρείες ο πρώτος καθαρός μισθός για αναλογιστή μεταπτυχιακό είναι 850 καθαρά όταν ένας Data Scientist έχει αρχικό ακόμα και 1100(μιλαμε πάντα για Ελλάδα). Μια απάντηση στο ερώτημα μου είναι ότι δεν μετριούνται όλα σε λεφτά,μπορ3ι καποιο2 να δίνει μαθήματα στην ένωση γι; το κύρος(αν και στο χωριό αν πεις ότι εισια αναλογιστης θα γελανε και οι πέτρες) και γιατί είναι δύσκολα. Αλλά μισθολογικά δεν θα το έλεγε κανείς κίνητρο.

 

[nPb]

Σίγουρα, πάντως σε ένα άρθρο που είχα διαβάσει ακόμη και στελέχη στον χώρο της πληροφορικής όσο και ακαδημαϊκοί αμφισβητούν την βιωσιμότητα της επιστήμης δεδομένων και πόσο μάλλον αυτή θα "καταπιεί" τις επιστήμες όπως αυτές τις ξέρουμε σήμερα. Φυσικά και θα έχουμε εξελίξεις όπως όταν κανείς δεν φανταζόταν ότι το Τμήμα Θεολογίας θα αποτελούσε την αρχική μορφή των Τμημάτων Μαθηματικών, Φυσικής και Φιλοσοφίας.

Ακόμη και σήμερα, η πανίσχυρη Γερμανία (ή το Μανχάταν της Ευρώπης όπως το αποκαλώ) δεν μετασχηματίζει όλα σε ανάλυση δεδομένων γιατί διαφορετικά μιλάμε για τεράστια πολιτισμική καταστροφή στην έννοια της επιστήμης και της ανθρώπινης σκέψης. Ήδη μεγάλο ποσοστό ανθρώπινου κεφαλαίου αναλώνεται σε "ευκαιριακές" επιλογές, να χάνονται ταλέντα σε άλλες ειδικότητες με αποτέλεσμα μεγάλο τμήμα της θεμελιώδους επιστήμης να έχει βαλτώσει και αναλωνόμαστε ακόμη σε μαθηματικά μοντέλα της δεκαετίας του 1930. Πού είναι ο επόμενος Gauss να σπρώξει το "κάρο" της νέας βελτιστοποίησης; Ναι τώρα παίζει μπάλα η επιστήμη των δεδομένων, όποιο άρθρο και να δεις σου παρέχει μια bot διαφήμιση σε 2-3 ημέρες μαθήματα σε SQL, Python, κτλ αλλά η στατιστική δεν είναι μόνο αυτά. Κανείς δεν σου παρέχει μαθήματα σε 2-3 μέρες πώς να μάθεις να σχεδιάσεις με υπολογιστικά εργαλεία ένα αεροσκάφος όμως, που και αυτό είναι της αγοράς..

Η αγορά εργασίας πολλές φορές κάνει βλακώδεις επιλογές λόγω του ευκαιριακού κέρδους, αν σκεφτούμε όλοι την επιλογή του πλαστικού ή της ενέργειας μέσω λιγνίτη, που πλέον κάνουμε ένα πισωγύρισμα ακυρώνοντας αυτή την "ανθρώπινη hot εφεύρεση" που στηρίζει θέσεις εργασίας. Από τη μια γίνεται ένα μπαμ και ένα αόρατο χέρι σπρώχνει τον κόσμο σε μαζικές σπουδές ίδιου περιεχομένου μέχρι να το σύστημα του χρόνου να τους ξεβράσει ως ξεπερασμένες γνώσεις. Δηλαδή, ο άνθρωπος εύκολα μετανιώνει και διάφορες μεγαλοστομίες της κάθε εποχής, ακυρώνονται όταν παρέλθει ο χρόνος.

 

[hl_amhxanos]

Σίγουρα, πάντως σε ένα άρθρο που είχα διαβάσει ακόμη και στελέχη στον χώρο της πληροφορικής όσο και ακαδημαϊκοί αμφισβητούν την βιωσιμότητα της επιστήμης δεδομένων και πόσο μάλλον αυτή θα "καταπιεί" τις επιστήμες όπως αυτές τις ξέρουμε σήμερα. Φυσικά και θα έχουμε εξελίξεις όπως όταν κανείς δεν φανταζόταν ότι το Τμήμα Θεολογίας θα αποτελούσε την αρχική μορφή των Τμημάτων Μαθηματικών, Φυσικής και Φιλοσοφίας.

Ακόμη και σήμερα, η πανίσχυρη Γερμανία (ή το Μανχάταν της Ευρώπης όπως το αποκαλώ) δεν μετασχηματίζει όλα σε ανάλυση δεδομένων γιατί διαφορετικά μιλάμε για τεράστια πολιτισμική καταστροφή στην έννοια της επιστήμης και της ανθρώπινης σκέψης. Ήδη μεγάλο ποσοστό ανθρώπινου κεφαλαίου αναλώνεται σε "ευκαιριακές" επιλογές, να χάνονται ταλέντα σε άλλες ειδικότητες με αποτέλεσμα μεγάλο τμήμα της θεμελιώδους επιστήμης να έχει βαλτώσει και αναλωνόμαστε ακόμη σε μαθηματικά μοντέλα της δεκαετίας του 1930. Πού είναι ο επόμενος Gauss να σπρώξει το "κάρο" της νέας βελτιστοποίησης; Ναι τώρα παίζει μπάλα η επιστήμη των δεδομένων, όποιο άρθρο και να δεις σου παρέχει μια bot διαφήμιση σε 2-3 ημέρες μαθήματα σε SQL, Python, κτλ αλλά η στατιστική δεν είναι μόνο αυτά. Κανείς δεν σου παρέχει μαθήματα σε 2-3 μέρες πώς να μάθεις να σχεδιάσεις με υπολογιστικά εργαλεία ένα αεροσκάφος όμως, που και αυτό είναι της αγοράς..

Η αγορά εργασίας πολλές φορές κάνει βλακώδεις επιλογές λόγω του ευκαιριακού κέρδους, αν σκεφτούμε όλοι την επιλογή του πλαστικού ή της ενέργειας μέσω λιγνίτη, που πλέον κάνουμε ένα πισωγύρισμα ακυρώνοντας αυτή την "ανθρώπινη hot εφεύρεση" που στηρίζει θέσεις εργασίας. Από τη μια γίνεται ένα μπαμ και ένα αόρατο χέρι σπρώχνει τον κόσμο σε μαζικές σπουδές ίδιου περιεχομένου μέχρι να το σύστημα του χρόνου να τους ξεβράσει ως ξεπερασμένες γνώσεις. Δηλαδή, ο άνθρωπος εύκολα μετανιώνει και διάφορες μεγαλοστομίες της κάθε εποχής, ακυρώνονται όταν παρέλθει ο χρόνος.

Ουκ ολίγες φορές έχω εκφράσει την άποψη ότι θα με ενδιέφερε να ασχοληθώ με τα μαθηματικά σε βαθύτερο επίπεδο από ότι μερικές κούρσες εφαρμοσμένων μαθηματικών πχ βελτιστοποίηση, στατιστική ή ράντες για χρηματοοικονομικά/αναλογιστικά και πολύ γρήγορα φίλος μου έχει αντιπαρέλθει την άποψη αυτή, λέγοντας μου ότι θα ήταν καλύτερο να πάω σε bootcamp προγραμματισμού για να μάθω Python + SQL γιατί αυτό θα μου δώσει περισσότερη αξία στην αγορά εργασίας και εκεί θα λύνω real "world problems"

 

[nPb]

Ουκ ολίγες φορές έχω εκφράσει την άποψη ότι θα με ενδιέφερε να ασχοληθώ με τα μαθηματικά σε βαθύτερο επίπεδο από ότι μερικές κούρσες εφαρμοσμένων μαθηματικών πχ βελτιστοποίηση, στατιστική ή ράντες για χρηματοοικονομικά/αναλογιστικά και πολύ γρήγορα φίλος μου έχει αντιπαρέλθει την άποψη αυτή, λέγοντας μου ότι θα ήταν καλύτερο να πάω σε bootcamp προγραμματισμού για να μάθω Python + SQL γιατί αυτό θα μου δώσει περισσότερη αξία στην αγορά εργασίας και εκεί θα λύνω real "world problems"

Επειδή έχω δυο φίλους από τον χώρο της πληροφορικής άλλης εθνικότητας, που εργάζονται σε πολυεθνικές στη Γερμανία μου λένε ότι το real world problems είναι μια σχετικά αόριστη λέξη. Οι καλές και ανώτερες σπουδές σε Μαθηματικά ή Επιστήμη Μηχανικού σίγουρα δίνει καλύτερο εύρος σκέψης και δεξιοτήτων τρόπου επίλυσης πολλών προβλημάτων σε μια βιομηχανία. Σε μια τέτοια περίπτωση παίζουν ρόλο τα εξής:

• Αν η εταιρία είναι μικρή, οικογενειακή και δεν έχει τα μέσα για επιμόρφωση των στελεχών, πόσο μάλλον να έχει εύρος αρμοδιοτήτων ώστε να χρειάζεται επιστήμονες πέρα από το πακέτο της ανάλυσης δεδομένων επειδή χρησιμοποιεί ήδη έτοιμες πλατφόρμες και φόρμουλες από μεγαλύτερες εταιρίες.
• Αν η εταιρία είναι πολυεθνικός όμιλος εταιριών με πλήρες πακέτο αρμοδιοτήτων, που να παράγει ή να κατασκευάζει ένα προϊόν ή μια τεχνολογική καινοτομία ώστε να έχει ενσωματωμένη ερευνητική ομάδα.
• Οι γλώσσες προγραμματισμού γενικά δεν μετράνε ως ειδική επιστημονική γνώση όπως νομίζουν πολλοί στην Ελλάδα, αλλά μόνο ως εργαλεία και εκεί που χάνουν οι περισσότεροι στην αποστολή βιογραφικού, είναι ότι δεν αναφέρουν σε τι πρόβλημα ακριβώς εργάστηκαν πάνω σε μια γλώσσα προγραμματισμού. Αν για παράδειγμα ασχολήθηκαν με την μέθοδο Newton σε πρόβλημα Οικονομετρίας για κάποια Τράπεζα μετράει από την γενική άποψη ότι απλά ξέρουν την τάδε υπολογιστική εφαρμογή που έτυχε να δουν σε κάποιο θερινό σεμινάριο για Πληροφορική.

 

[nPb]

Υπάρχουν όμως μαθήματα της ένωσης οπως τα στοχαστικα πρότυπα που χρειάζονται θεωρήματα όπως του Ito και θεωρία μέτρου (δεν χρειάζεται να εισια μαθηματικός για να τα ξέρεις, και στα στατιστικά τμήματα διδάσκονται θεωρία μέτρου και στοχαστική ανάλυση και θεωρητική και εφαρμοσμένη στα χρηματοοικονομικα) και φυσικά πολύ καλή γνώση απειροστικου λογισμού και Στατιστικής συμπερασματολογιας.

Για να σου απαντήσω πιο ειδικά, φαντάζει κάπως επιστημονικά αδόκιμο ένας μη Μαθηματικός να ισχυρίζεται ότι κατανοεί εξειδικευμένα κεφάλαια των θεωρητικών μαθηματικών ακόμη και αν αυτά διδάσκονται σε ένα Τμήμα Στατιστικής όπως διδάσκεται και η Φυσική σε ένα Τμήμα Χημείας. Δεν είναι το ίδιο. Δες είναι μόνο η θεωρία μέτρου και η στατιστική συμπερασματολογία, όσο η σφαιρική γνώση των ανώτερων μαθηματικών που χτίζουν μια συμπαγή μαθηματική σκέψη και για τον κόσμο των επιχειρηματικών αποφάσεων. Δεν αντιλέγω ότι αφού φτιάχτηκαν και τα Τμήματα Στατιστικής κάτι θα πρέπει να διδάσκουν. Όμως από άποψη καθηγητή Στατιστικής με πτυχίο και διδακτορικό Στατιστικής, θεωρεί ότι το Μαθηματικό πρόγραμμα σπουδών δίνει μια διαφορετική άποψη και περισσότερη δομημένη σκέψη σε ειδικά σύνθετα προβλήματα της χρηματο-οικονομίας κάτι που δεν έχουμε παράδοση στην Ελλάδα αφού η πλειονότητα των Μαθηματικών βιοπορίζονται ως καθηγητές μέσης εκπαίδευσης και φροντιστηρίων ή ιδιαίτερων μαθημάτων.

Σε συζητήσεις με μαθηματικους που δώσανε μαθήματα στην ένωση δυσκολεύονται στο να κατανοήσουν ορολογίες και τυπολογία πχ πως γραψονται τα εννιαια καθαρά ασφάλιστρα που θυμίζουν κινεζικη γραφή καθώς και τις ραντες που ναι μεν είναι ακολουθίες αλλά στα χρηματοοικονομικα έχουν δικό τους τρόπο γραφής και ορολογιας. Από την άλλη οι στατιστικοι και οι οικονομολόγοι πιο εύκολα μπορεί να τα βρουν σκούρα σε υπολογισμούς που εμπλέκουν ανώτερα μαθηματικά. Η γνώμη μου είναι ότι σήμερα για να γίνεις αναλογιστης (όχι πιστοποιημενος) δηλαδή να δουλέψεις ως Actuarial Analyst προτιμότερο είναι να μάθει κανείς sql, Python ή R και να έχει κάποιο πτυχίο Στατιστικής/Αναλογισμού /μαθηματικών και κάποια προϋπηρεσία στον ασφαλιστικό χώρο.

Οι περισσότεροι Μαθηματικοί στην Ελλάδα έχουν πολύ χαμηλό επίπεδο κάτι που αποδεικνύεται από τα λεγόμενα ενός Κοσμήτορα Μαθηματικής Σχολής Πανεπιστημίου εξωτερικού ύστερα από συζήτηση μαζί του, που ειδικά Έλληνες μεταξύ άλλων εθνικοτήτων δεν μπόρεσαν να αντέξουν το πρόγραμμα σπουδών ενώ είχαν Λίαν Καλώς, σηκώθηκαν και έφυγαν. Αυτή η συμπεριφορά του τυχοδιωκτισμού τους ανάγκασε να πάρουν μέτρα εισαγωγής πιο αυστηρά στο μεταπτυχιακό πρόγραμμα ώστε να μην δέχονται κάτω από έναν πολύ υψηλό βαθμό πτυχίου και φυσικά αποδεδειγμένες εργασίες κατά τη διάρκεια του προπτυχιακού κύκλου κάτι που δεν συνηθίζεται στα Ελληνικά Μαθηματικά Τμήματα. Οι Έλληνες γενικά αποφεύγουν να κάνουν μεταπτυχιακές σπουδές σε δύσκολα αντικείμενα ακόμη και στο Πολυτεχνείο στο εξωτερικό επειδή έχουν μάθει σε αεροπαπατζήδικες μεθόδους σπουδών κάτι που δεν σηκώνει το κλίμα. Το γεγονός ότι η εποχή ζητάει περισσότερο δεξιότητες έναντι δομημένης σκέψης, είναι στα πλαίσια της γενικότερης ιδέας, του αναλώσιμου πτυχιούχου και της προσωρινής απασχόλησης. Η εποχή που ζούμε γενικά έχει μια παρακμή ακόμη και στην ποιότητα των θέσεων εργασίας σύμφωνα με ειδικούς στον χώρο της ψυχολογίας του εργαζομένου.

Για το θέμα της ορολογίας, είναι μια τακτική που συνηθίζεται στην εποχή της εξειδίκευσης ώστε να δημιουργούνται θέσεις εργασίας με πιο μικρά κομμάτια της πίτας. Δεν αλλάζει το αποτέλεσμα. Μπορεί οι Φυσικοί να αποκαλούν την δυική μεταβλητή ως πολλαπλασιαστή Lagrange σε ένα πρόβλημα μηχανικής και οι Μηχανικοί ως συζυγή παράμετρο. Αλλάζει κάτι ως προς την χρησιμότητά του; Οι ορολογίες μαθαίνονται. Η σκέψη δεν μαθαίνεται.