Data science

[GeorgePap2003]

γραμμική άλγεβρα , διαφορικές εξισώσεις , βελτιστοποίηση , στατιστική , θεωρία πιθανοτήτων , διακριτά μαθηματικά , επιχειρησιακή έρευνα , inventory theory , θεωρία παιγνίων , και η λίστα συνεχίζεται

+οικονομετρία...

 

[IceCream05]

Ρε συ εδώ γώ είμαι πάντειο στο ΤΟΠΑ που έχει decent μαθηματικά και στατιστική και ξέρω άτομα από το τμήμα μου που αποφοίτησαν και έκαναν μάστερ σε applied statistics ή actuarial science...δυσκολέυτηκαν αλλά με υπομονή όπως είπε και ο @Samael όλα πήγαν μια χαρά!!

Μη τα λες αυτα παραεξω...οι γνωστες της αγορας γελάνε...

 

[GeorgePap2003]

οι γνωστες της αγορας γελάνε..

εσύ είσαι γνώστης?

 

[hl_amhxanos]

εσύ είσαι γνώστης?

οι καθηγητές ΑΟΘ στο λύκειο είναι μεγάλοι γνώστες έχουν φάει την αγορά με το κουτάλι

 

[GeorgePap2003]

οι καθηγητές ΑΟΘ στο λύκειο είναι μεγάλοι γνώστες έχουν φάει την αγορά με το κουτάλι

Εννοείται!! Τι λες τώρα…
Εγώ είχα μια στο αοθ στο σχολείο που μ έλεγε αν γράψω κάτω από 13500 να μην δηλώσω καμία σχολή Γτ είναι όλες άχρηστες από εκείνο το σημείο και κάτω!

 

[Giii]

Σημασία παιδιά έχει να πάρεις ότι μπορείς από τις σπουδές σου...μπορεί κάποια πανεπιστήμια να είναι καλύτερα από όλα η αλλά να έχουν καλύτερο όνομα το 99% είναι τι κάνει ο φοιτητής...δλδ εγώ που είμαι ΑΣΟΕΕ έχω συμφοιτητές που είναι ότι να ναι...το μόνο σίγουρο είναι ότι δεν θα τους σώσει η ΑΣΟΕΕ

 

[nPb]

Κοίτα , γενικά αυτά τα πράγματα δεν είναι απλά . Π.χ. μπορεί να χρειάζεται να αντλήσεις γνώσεις απο γραμμική άλγεβρα , διαφορικές εξισώσεις , βελτιστοποίηση , στατιστική , θεωρία πιθανοτήτων , διακριτά μαθηματικά , επιχειρησιακή έρευνα , inventory theory , θεωρία παιγνίων , και η λίστα συνεχίζεται . Ρεαλιστικά δεν μπορείς να τα καλύψεις όλα σε ένα πρόγραμμα σπουδών . Ο μόνος τρόπος να τα μάθεις είναι να ξεκινήσεις σιγά σιγά , απο τα βασικά όσο είσαι στο προπτυχιακό και μόλις τελειώσεις να συνεχίσεις με μεταπτυχιακό και περαιτέρω διάβασμα . Οπότε σε αυτή την φάση εστιάζεις να μάθεις τα βασικά . Και ακόμα και στο μαθηματικό που λόγω της φύσης του τμήματος υπάρχει ο χρόνος να καλύψεις πολλά απο αυτά , πάλι τα παιδιά όταν βγουν έχουν το θέμα της έλλειψης εμπειρίας και επαφής/αντίληψης με την πράξη . Εκεί που θέλω να καταλήξω είναι οτι όλοι θα πρέπει να ταλαιπωρηθούν οτι και να τελειώσουν . Δεν χτίζεις καριέρα αλλιώς δυστυχώς ή ευτυχώς .

Ωστόσο , ο λόγος που σου λεω οτι εφόσον σου αρέσουν αυτά καλύτερα να πάρεις το διάβασμα πιο προσωπικά είναι επειδή δυστυχώς πολλές φορές το τμήμα καταλήγει να μην σου μαθαίνει και πολλά . Λίγοι οι συμφοιτητές σου που θα βαριούνται και μπορεί να κάνουν φασαρία , λίγο οι καθηγητές που μπορεί να βαριούνται , λίγο ο προβολέας που μπορεί καμιά μέρα να μην δουλεύει , λίγο το ένα , λίγο το άλλο , χάνονται οι ώρες μαθήματος . Οπότε η πραγματική γνώση έρχεται κυρίως απο το δικό σου ατομικό διάβασμα . Φυσικά αυτό δεν σημαίνει οτι δεν έχεις να κερδίσεις πολλά και απο το τμήμα . Πάρε όσα σχετικά επιλογής μπορείς .

Πες το απλά να το μάθουν και άλλοι μη ειδικοί (μαθητές, ειδικοί μουρατολόγοι, μέλη καμικάζοι που γράφουν 1 μήνυμα τοξικότητας κτλ). Όλοι μπορούν με εκπαίδευση να κάνουν κάποια μοντελοποίηση σε επιχειρηματικά, μηχανολογικά, κτλ θέματα. Η μοντελοποίηση απαιτεί μαθηματικά. Να το ξαναπώ; Μαθηματικά και όχι αστεία. Δεν λέω ότι κάποιος πρέπει να πάρει ντοκτορά στα Μαθηματικά αλλά θα πρέπει να κατανοεί την άλγεβρα για μη τετραγωνικούς πίνακες, να μπορεί να βρει μια σύγκλιση ακολουθίας κτλ.

Πιο ειδικά, υπάρχουν τα μαθηματικά για μοντέλα δυναμικού χρόνου που σχετίζονται με τη φυσική και το πολυτεχνείο αλλά και ειδικά κεφάλαια της οικονομίας που χρειάζονται κάποια μεταβολή (παραγώγους συναρτήσεων και καταλήγουμε στην ενότητα με τις διαφορικές εξισώσεις και γεωμετρία). Υπάρχουν τα μαθηματικά για μοντέλα στοχαστικού χρόνου που σχετίζονται με θέματα ουρών εξυπηρέτησης με κάποιο μοντέλο για server-πελάτη αλλά και χρηματοοικονομίας, θεωρίας χαρτοφυλακίου και συγκεκριμένα για risky assets, όπως οι μετοχές όπου χρειάζεται υψηλό επίπεδο στοχαστικής ανάλυσης (γεωμετρικές διαδικασίες Brown). Mέσα στα μοντέλα στοχαστικού χρόνου, απαιτείται καλή βάση πιθανοτήτων και στατιστικής σε επίπεδο από κεντρικό οριακό θεώρημα και άνω.

Εκεί που αρχίζει το πανηγύρι και δεν το λέει κανείς εθνικός μουρατολόγος, καθηγητής Πανεπιστημίου, πανελίστας καθηγητής για βάσεις πανελληνίων, φροντιστηριάρχης και πάσης φύσεως σωτήρες της παιδείας για το μέλλον ετούτου του τόπου(!) είναι ότι ΔΕΝ ΥΠΑΡΧΕΙ κανένα πρόγραμμα σπουδών για domain experts. To πρόβλημα ξεκινάει όταν για παράδειγμα κάποιος μπορεί να γνωρίζει καλά μαθηματική μοντελοποίηση και προγραμματισμό (πιο sic, data science modeling with applied mathematics) αλλά δεν γίνεται να είναι γνώστης προγραμματισμού για μοντέλο διοίκησης νοσοκομείου ή για μοντέλο οργάνωσης λογισμικού για χημικούς μηχανικούς ταυτόχρονα. Δεν υπάρχει η ταυτόχρονη εξειδίκευση σε άλλο domain ειδικά όταν το άλλο domain δεν έχει καμία σχέση με την βασική επιστήμη που σπουδάζει κάποιος. Για παράδειγμα στον κλάδο του Μαθηματικού Προγραμματισμού ή Επιχειρησιακής Έρευνας, η ανάλυση δικτύου μεταφορών είναι άμεση μαθηματική εφαρμογή στη βέλτιστη διαχείριση πόρων σε γράφο διακριτών σημείων (κόμβων) αλλά η διοίκηση λειτουργιών (operations management) πάνω στην οποία χρειάζεται μέρος της Επιχειρησιακής Έρευνας, όχι. Η διοίκηση λειτουργιών είναι domain και έχει άλλο πρόγραμμα σπουδών σε άλλο Τμήμα με άλλες ιδιαιτερότητες.

 

[Samael]

Πες το απλά να το μάθουν και άλλοι μη ειδικοί (μαθητές, ειδικοί μουρατολόγοι, μέλη καμικάζοι που γράφουν 1 μήνυμα τοξικότητας κτλ). Όλοι μπορούν με εκπαίδευση να κάνουν κάποια μοντελοποίηση σε επιχειρηματικά, μηχανολογικά, κτλ θέματα. Η μοντελοποίηση απαιτεί μαθηματικά. Να το ξαναπώ; Μαθηματικά και όχι αστεία. Δεν λέω ότι κάποιος πρέπει να πάρει ντοκτορά στα Μαθηματικά αλλά θα πρέπει να κατανοεί την άλγεβρα για μη τετραγωνικούς πίνακες, να μπορεί να βρει μια σύγκλιση ακολουθίας κτλ.

Σωστά . Οι επιστήμες έχουν ανοίξει τόσο πολύ πλέον που δεν έχει τόση σημασία το προπτυχιακό . Είναι απλώς μια αφετηρία . Οκει όπως είπα αυτό δεν σημαίνει οτι έχει μηδαμινή αξία , ειδικά σε κλειστά επαγγέλματα , αλλά πολλοί τομείς δεν είναι κλειστοί . Λόγου χάρη κανείς μπορεί να ασχοληθεί με την ρομποτική είτε ως μηχανολόγος , είτε ως ηλεκτρολόγος , είτε ως μαθηματικός , είτε ως φυσικός είτε ακόμα και σαν οικονομολόγος . Θέλω να πω , οποιοσδήποτε απο αυτούς τους πτυχιούχους εν τέλει ανεξάρτητα τι έμαθε στο τμήμα απο το οποίο προέρχεται θα πρέπει να μάθει νέα πράγματα . Δεν χρειάζεται να είσαι expert σε κάτι για να κάνεις την δουλειά , αρκεί να έχεις κάποια βασική κατανόηση .

Πιο ειδικά, υπάρχουν τα μαθηματικά για μοντέλα δυναμικού χρόνου που σχετίζονται με τη φυσική και το πολυτεχνείο αλλά και ειδικά κεφάλαια της οικονομίας που χρειάζονται κάποια μεταβολή (παραγώγους συναρτήσεων και καταλήγουμε στην ενότητα με τις διαφορικές εξισώσεις και γεωμετρία). Υπάρχουν τα μαθηματικά για μοντέλα στοχαστικού χρόνου που σχετίζονται με θέματα ουρών εξυπηρέτησης με κάποιο μοντέλο για server-πελάτη αλλά και χρηματοοικονομίας, θεωρίας χαρτοφυλακίου και συγκεκριμένα για risky assets, όπως οι μετοχές όπου χρειάζεται υψηλό επίπεδο στοχαστικής ανάλυσης (γεωμετρικές διαδικασίες Brown). Mέσα στα μοντέλα στοχαστικού χρόνου, απαιτείται καλή βάση πιθανοτήτων και στατιστικής σε επίπεδο από κεντρικό οριακό θεώρημα και άνω.

Ναι , έχεις δίκιο , το σημερινό data science στην ουσία πατάει πάνω σε πεδία όπως τα δυναμικά συστήματα , η επεξεργασία σήματος , η θεωρία ουρών , η θεωρία πληροφορίας κ.α. τα οποία με την σειρά τους πατάνε πάνω σε πολλούς κλάδους των μαθηματικών όπως τα συνεχή και τα διακριτά , τα στοχαστικά και πολλούς τομείς αυτών όπως η ανάλυση , η γεωμετρία , η άλγεβρα , οι διαφορικές εξισώσεις , η θεωρία πιθανοτήτων , η αριθμητική ανάλυση , η μιγαδική ανάλυση κτλπ. Είναι αδύνατο να τα μάθει όλα κανείς σε μια ζωή , αλλά δεν χρειάζεται κιόλας . Αρκεί να αποκτήσει αίσθηση τι έχει να πει το καθένα , και απο εκεί και πέρα δουλεύοντας πλέον σε κάτι συγκεκριμένο να βελτιώνει τις γνώσεις του συνεχώς .

Γενικά ένα καλό υπόβαθρο σε αυτά τα πράγματα μπορούν να σου ανοίξουν πολύ τους ορίζοντες στον τρόπο σκέψης . Η μαθηματική μοντελοποίηση αφορά τα πάντα , απο φυσικά και ιατρικά προβλήματα ως ακόμα και κοινωνικά ή ψυχολογικά . Όλα τα συστήματα είναι εξαιρετικά περίπλοκα , οπότε στην πράξη όλοι οι παραπάνω τομείς μπορούν να συνυπάρχουν στο ίδιο πρόβλημα . Η πραγματικότητα είναι ενιαία , απλά για λόγους διαχείρισης σπάμε το ενιαίο σε υποπεδία . Once again δεν χρειάζεται να γίνει expert κανείς σε όλα αλλά πρέπει να μπορεί να αντιληφθεί βασικές έννοιες .

Εκεί που αρχίζει το πανηγύρι και δεν το λέει κανείς εθνικός μουρατολόγος, καθηγητής Πανεπιστημίου, πανελίστας καθηγητής για βάσεις πανελληνίων, φροντιστηριάρχης και πάσης φύσεως σωτήρες της παιδείας για το μέλλον ετούτου του τόπου(!) είναι ότι ΔΕΝ ΥΠΑΡΧΕΙ κανένα πρόγραμμα σπουδών για domain experts. To πρόβλημα ξεκινάει όταν για παράδειγμα κάποιος μπορεί να γνωρίζει καλά μαθηματική μοντελοποίηση και προγραμματισμό (πιο sic, data science modeling with applied mathematics) αλλά δεν γίνεται να είναι γνώστης προγραμματισμού για μοντέλο διοίκησης νοσοκομείου ή για μοντέλο οργάνωσης λογισμικού για χημικούς μηχανικούς ταυτόχρονα. Δεν υπάρχει η ταυτόχρονη εξειδίκευση σε άλλο domain ειδικά όταν το άλλο domain δεν έχει καμία σχέση με την βασική επιστήμη που σπουδάζει κάποιος. Για παράδειγμα στον κλάδο του Μαθηματικού Προγραμματισμού ή Επιχειρησιακής Έρευνας, η ανάλυση δικτύου μεταφορών είναι άμεση μαθηματική εφαρμογή στη βέλτιστη διαχείριση πόρων σε γράφο διακριτών σημείων (κόμβων) αλλά η διοίκηση λειτουργιών (operations management) πάνω στην οποία χρειάζεται μέρος της Επιχειρησιακής Έρευνας, όχι. Η διοίκηση λειτουργιών είναι domain και έχει άλλο πρόγραμμα σπουδών σε άλλο Τμήμα με άλλες ιδιαιτερότητες.

Πιστεύω οτι το ζήτημα που θίγεις είνα ιδιαίτερα σημαντικό και μια τεράστια παθογένεια του Ελληνικού συστήματος . Διδάσκουμε τα μαθηματικά εντελώς αποκομμένα απο την πράξη σαν ένα σετ αφηρημένων ασκήσεων . Ομολογουμένως αυτό έχει τα δυνατά του σημεία καθώς προσφέρει εποπτεία και αφηρημένη σκέψη, αλλά είναι ατελές για δύο λόγους . Καταρχάς η βαθιά γνώση της μαθηματικής μοντελοποίησης απο μόνη της δεν εξασφαλίζει οτι μπορείς να κάνεις καλά την δουλειά σου εαν δεν έχεις και μια αίσθηση για το τι μοντελοποιείς . Πολλές φορές μια προσέγγιση που στο χαρτί δουλεύει η πράξη αποδεικνύει οτι είναι πολύ δύσκολο ή ακόμα και αδύνατο να εφαρμοστεί . Οπότε χρειάζεται οπωσδήποτε επαφή και εμπειρία με το πραγματικό αντικείμενο που μοντελοποιείς . Κατά δεύτερον η ιστορία έχει αποδείξει οτι η σχέση μεταξύ μαθηματικών και της εφαρμογής δεν είναι μονόδρομη . Υπάρχουν περιπτώσεις που η εφαρμογή προσφέρει insight στον τομέα των μαθηματικών . Άσχετα που στην Ελλάδα εφαρμόζουμε αυτή την μέθοδο , η πραγματικότητα είναι οτι ο τρόπος να μάθει κανείς μαθηματικά δεν είναι ένας και μοναδικός , ούτε η πορεία γραμμική και μονόδρομη .

 

[nPb]

Σωστά . Οι επιστήμες έχουν ανοίξει τόσο πολύ πλέον που δεν έχει τόση σημασία το προπτυχιακό . Είναι απλώς μια αφετηρία. Οκει όπως είπα αυτό δεν σημαίνει οτι έχει μηδαμινή αξία , ειδικά σε κλειστά επαγγέλματα , αλλά πολλοί τομείς δεν είναι κλειστοί. Δεν χρειάζεται να είσαι expert σε κάτι για να κάνεις την δουλειά , αρκεί να έχεις κάποια βασική κατανόηση. Ναι , έχεις δίκιο , το σημερινό data science στην ουσία πατάει πάνω σε πεδία όπως τα δυναμικά συστήματα , η επεξεργασία σήματος , η θεωρία ουρών , η θεωρία πληροφορίας κ.α. τα οποία με την σειρά τους πατάνε πάνω σε πολλούς κλάδους των μαθηματικών όπως τα συνεχή και τα διακριτά , τα στοχαστικά και πολλούς τομείς αυτών όπως η ανάλυση , η γεωμετρία , η άλγεβρα , οι διαφορικές εξισώσεις , η θεωρία πιθανοτήτων , η αριθμητική ανάλυση , η μιγαδική ανάλυση κτλπ. Είναι αδύνατο να τα μάθει όλα κανείς σε μια ζωή , αλλά δεν χρειάζεται κιόλας . Αρκεί να αποκτήσει αίσθηση τι έχει να πει το καθένα , και απο εκεί και πέρα δουλεύοντας πλέον σε κάτι συγκεκριμένο να βελτιώνει τις γνώσεις του συνεχώς .

Είναι άλλο πράγμα η εφαρμογή και άλλο πράγμα η εξειδίκευση που κατοχυρώνεται ΜΟΝΟ με το βασικό πτυχίο άσχετα ο καθένας σε τι αυτοπροσδιορίζεται ειδικός μετά. Για παράδειγμα ο ειδικός ειδικού σχεδιασμού πολιτικής άσκησης και διακυβέρνησης παρά τω πρωθυπουργώ σε τι ακριβώς είναι ειδικός; Υπάρχει κάποιο domain σε σχέση με έναν που ασκεί χρέη αντιπροέδρου της κυβέρνησης; Έχουμε απίθανες λέξεις για να δουλεύει ο ένας τον άλλο.

Πιστεύω οτι το ζήτημα που θίγεις είνα ιδιαίτερα σημαντικό και μια τεράστια παθογένεια του Ελληνικού συστήματος . Διδάσκουμε τα μαθηματικά εντελώς αποκομμένα απο την πράξη σαν ένα σετ αφηρημένων ασκήσεων . Ομολογουμένως αυτό έχει τα δυνατά του σημεία καθώς προσφέρει εποπτεία και αφηρημένη σκέψη, αλλά είναι ατελές για δύο λόγους . Καταρχάς η βαθιά γνώση της μαθηματικής μοντελοποίησης απο μόνη της δεν εξασφαλίζει οτι μπορείς να κάνεις καλά την δουλειά σου εαν δεν έχεις και μια αίσθηση για το τι μοντελοποιείς . Πολλές φορές μια προσέγγιση που στο χαρτί δουλεύει η πράξη αποδεικνύει οτι είναι πολύ δύσκολο ή ακόμα και αδύνατο να εφαρμοστεί . Οπότε χρειάζεται οπωσδήποτε επαφή και εμπειρία με το πραγματικό αντικείμενο που μοντελοποιείς . Κατά δεύτερον η ιστορία έχει αποδείξει οτι η σχέση μεταξύ μαθηματικών και της εφαρμογής δεν είναι μονόδρομη . Υπάρχουν περιπτώσεις που η εφαρμογή προσφέρει insight στον τομέα των μαθηματικών . Άσχετα που στην Ελλάδα εφαρμόζουμε αυτή την μέθοδο , η πραγματικότητα είναι οτι ο τρόπος να μάθει κανείς μαθηματικά δεν είναι ένας και μοναδικός , ούτε η πορεία γραμμική και μονόδρομη .

Το Ελληνικό σύστημα είναι αυτό που είναι. Τα μαθηματικά δυστυχώς ενώ είναι ένα multi-faced domain αντιμετωπίζεται ως σχολικό μάθημα για ιδιαίτερα. Η κοινωνία εμμένει σε μια λογική του 1980 με τα φροντιστήρια. Τα Μαθηματικά συνδέονται κυρίως με domains όπως η Φυσική, Πληροφορική και Βιολογία σε πρώτη ανάγνωση ενώ δίνει ταυτόχρονα απαντήσεις σε άλλα domains επιστήμες, καθώς οι τρεις πρώτες επιστήμες επίσης συνδέονται με άλλες και διάφορους κλάδους επιμέρους εξειδικεύσεων, μέσα στο domain που η καθεμία εξυπηρετεί.

Το ζήτημα που θέλω να θίξω παραπάνω είναι ότι θα πρέπει οι νέοι επιστήμονες στον χώρο της ανάλυσης δεδομένων (ή συνώνυμων λέξεων) να προσέχουν την παγίδα για την βάση εξειδίκευσης καθώς είναι αδύνατον πρακτικά, να έχουν γνώση περαιτέρω ειδικού για την εφαρμογή. Γι' αυτό και σε τέτοιες περιπτώσεις οι θέσεις εργασίας είναι ομαδικού τύπου, όπου ο υπάλληλος αναλυτής θα συνεργάζεται με διάφορους άλλους επιστήμονες πιο ειδικούς σε διάφορα domains αλλά και σε ανοιχτή γραμμή με διάφορα τμήματα της εταιρίας που θα του παρέχουν αναφορές με λεπτομέριες σχετικά με το μοντέλο που θα πρέπει να μελετήσει και να βγάλει αποτελέσματα για κάποιον πελάτη της εταιρίας. Δυστυχώς στην Ελλάδα ο τρόπος που χρησιμοποιούμε την γνώση, τα μεταπτυχιακά αλλά και τις επιστήμες γενικά, είναι περισσότερο για εντυπωσιασμό προσωπικού εγωισμού και όχι γιατί έχουμε ιδέα που ακριβώς χρησιμοποιούνται. Το δε λυπηρό της ιστορίας είναι ότι βλέπεις νέους ανθρώπους, να συνεχίζουν σε αυτή την παράδοση καθώς το πλαίσιο αυτό έχει ως εναλλακτική την ανεργία.

 

[GeorgePap2003]

ρομποτική είτε ως μηχανολόγος , είτε ως ηλεκτρολόγος , είτε ως μαθηματικός , είτε ως φυσικός είτε ακόμα και σαν οικονομολόγος .

Κάτσε ρε σύ πως γίνεται σαν οικονομολόγος να ασχοληθώ με τη ρομποτική;

 

[nPb]

Κάτσε ρε σύ πως γίνεται σαν οικονομολόγος να ασχοληθώ με τη ρομποτική;

Μπορείς να ασχοληθείς με την Ψηφιακή Οικονομία, Τεχνολογία Ψηφιακής Ελλάδας 5.0

 

[Samael]

Κάτσε ρε σύ πως γίνεται σαν οικονομολόγος να ασχοληθώ με τη ρομποτική;

Δεν είμαι expert για να σου απαντήσω όλους τους πιθανούς τρόπους , ωστόσο απο κοινή λογική και μόνο φαντάζομαι οτι κάποιος που δουλεύει σε σχετικό τμήμα μιας εταιρίας είτε αυτό αφορά πωλήσεις , είτε προώθηση/διαφημίσεις είτε στην καθαρά οικονομική διαχείριση της εταιρίας , θα γνωρίζει ένα δύο πράγματα σχετικά με την ρομποτική και τον σχετικό χώρο . Ομοίως ένας μηχανικός εαν σε επίπεδο συστήματος θα χρειαστεί να γνωρίζει βασικές έννοιες που θα αφορούν το οικονομικό σκέλος του project ώστε να μπορεί να επικοινωνήσει με άνεση . Όπως είπα και πριν , όλα συνδέονται και στην πράξη τα μελετάς απο κοινού , άσχετα που σε προπτυχιακό επίπεδο τραβάμε κάποια bold lines για να είναι πιο διαχειρίσιμη η επιστημονική γνώση στο σύνολο της .

Το παράδειγμα μου δεν είναι η σύνηθης νόρμα φυσικά . Μια τεχνική εταιρία θα προτιμήσει κατά κύριο λόγο έναν μηχανικό με εμπειρία ή περαιτέρω σπουδές στα οικονομικά , ώστε να συνδυάσει υπόβαθρα . Εκεί που θέλω να καταλήξω όμως είναι οτι δεν σε εμποδίζει τίποτα σε πρώτη φάση να ασχοληθείς με πολλούς τομείς και να συνεισφέρεις με τον τρόπο σου και τις γνώσεις σου . Ούτως η άλλως τα οικονομικά αφορούν τους πάντες , είτε έχεις καντίνα που λέει ο λόγος είτε εργάζεσαι σε πολυεθνική , οπότε χώνεσαι σε πολλές διαφορετικές θέσεις και τομείς εαν θες .

 

[Panzerkampfwagen]

Κάτσε ρε σύ πως γίνεται σαν οικονομολόγος να ασχοληθώ με τη ρομποτική;

Τι σημαίνει για εσένα "ασχολούμαι" με τη ρομποτική;

Διευθυντής λογιστηρίου στην Boston Dynamics και Προϊστάμενος Τεχνητής Νοημοσύνης Εύρεσης Μονοπατιών (Pathfinding Algorithm Designer) --αμφότεροι μπορούν να πουν κάλλιστα ότι ασχολούνται με ρομποτική.

 

[GeorgePap2003]

αμφότεροι μπορούν να πουν κάλλιστα ότι ασχολούνται με ρομποτική.

όχι δεν σημαίνει αυτό ασχολούμαι με τη ρομποτική...αυτό σημαίνει ασχολούμαι με τα οικονομικά της τεχνολογίας πίσω απο τη ρομποτική...μη τα βαφτίζουμε όλα όπως θέλουμε...

Τι σημαίνει για εσένα "ασχολούμαι" με τη ρομποτική;

Για μένα "ασχολούμαι" με τη ρομποτική είναι αυτά που κάνει ένας ΗΜΜΥ ή ένας επιστήμονας ρομποτικής...τα οποία δεν έχουν καμία σχέση με την οικονομική σκοπία όπως την εννοείς εσύ...

 

[Samael]

όχι δεν σημαίνει αυτό ασχολούμαι με τη ρομποτική...αυτό σημαίνει ασχολούμαι με τα οικονομικά της τεχνολογίας πίσω απο τη ρομποτική...μη τα βαφτίζουμε όλα όπως θέλουμε...

Για μένα "ασχολούμαι" με τη ρομποτική είναι αυτά που κάνει ένας ΗΜΜΥ ή ένας επιστήμονας ρομποτικής...τα οποία δεν έχουν καμία σχέση με την οικονομική σκοπία όπως την εννοείς εσύ...

Ίσως να φταίω και εγώ γιατί το άφησα πολύ αόριστο . Πάντως ναι , έχεις δίκιο , στο παράδειγμα του Panzer το σωστό να πει κανείς είναι οτι ασχολείται με τα οικονομικά , όχι την ρομποτική , ειδάλλως κάποιος αντιλαμβάνεται οτι φτιάχνεις κάποιο component στο robot . Το έθεσα πιο πολύ συμβολικά το παράδειγμα για να πω οτι είναι ένα καλό πτυχίο εαν κάποιος το αξιοποιήσει στο έπακρο . Δεν είναι δηλαδή μη workable material ένας απόφοιτος ενός τέτοιου τμήματος ( αρκεί να του κόβει ) . Προφανώς και ένας καλός απόφοιτος απο ένα φιλολογικό τμήμα λόγου χάρη μπορεί να είναι sharp , αλλά αντικειμενικά θα ήταν απο πάρα πολύ δύσκολο ως αδύνατο να κάνει αλλαγή πεδίου με την ίδια ευκολία σε θετικά αντικείμενα. Και ακόμα και όσοι κάνουν τέτοιες extreme αλλαγές εν τέλει δεν καταφέρνουν να ασχοληθούν με πιο hardcore θέματα της άλλης επιστήμης γιατί όπως είπα το προπτυχιακό δεν είναι και εντελώς μηδενικής αξίας , κάτι έχει να προσφέρει και αυτό σε κάθε απόφοιτο το οποίο δεν είναι τόσο εύκολα προσβάσιμο απο άλλους χωρίς πτυχίο ή εν τέλει νομίζουν λανθασμένα οτι είναι ειδικοί ή επαγγελματίες ενώ τα skills τους είναι σε ερασιτεχνικό επίπεδο .

Ένα κλασσικό παράδειγμα μιας που λέμε για data science είναι πολύς κόσμος που τρέχει να πάρει πιστοποιήσεις και online courses επειδή απλώς άκουσαν οτι η πληροφορική έχει τυράκι . Πάρα πολύς κόσμος βαφτίζει τον εαυτό του ως software engineer ή data scientist και άλλους όρους που είναι της μόδας τώρα , ενώ δεν έχει υπόβαθρο . Δεν αναιρώ οτι μπορούν να ασχοληθούν ως έναν βαθμό αλλά δεν είναι ισοδύναμοι κάποιου επαγγελματία καθώς τα πτυχία δεν αποσκοπούν στο να σου μάθουν μια , δυο γλώσσες προγραμματισμού . Τα πτυχία αφορούν επιστήμη ολόκληρη όχι μόνο τα απαραίτητα εκείνα skills για να πιάσεις μια συγκεκριμένη δουλειά σε μια συγκεκριμένη εταιρία . Ο προγραμματισμός είναι απλά ένα skill αλλά δεν σε κάνει επαγγελματία ή engineer απο μόνο του . Σε απλά πράγματα οι διαφορές δεν είναι έντονες αλλά όσο πάμε σε πιο περίπλοκα πράγματα οι διαφορές αρχίζουν να υφίσταται . Για αυτό δεν θα δει ποτέ κανείς αυτά τα άτομα να έχουν βαθιές γνώσεις και συνήθως ασχολούνται σε κάτι πιο front end πράγματα που δεν απαιτούν expert knowledge . Γενικά ο τίτλος του engineer δεν σημαίνει οτι απλά ξέρω να φτιάχνω κάτι και να δουλεύει όπως πολύ συχνά λένε πολλοί . Όλοι μπορούν να κάνουν τα πάντα , το υπογράφω αυτό , δεν είναι αυτό που ξεχωρίζει τον ερασιτέχνη ( που μπορεί να εργάζεται σε IT εταιρία παρόλαυτα ) με τον επαγγελματία μηχανικό λογισμικού ή τον επαγγελματία μηχανικό ή μαθηματικό που δουλεύει ως data scientist .