最近因故在湾区待了一阵子，也有机会和一些前辈聊过天，也来分享一些心得 以前曾经听老师提过，大意是如果你需要更好的模型，请找math/stats的人 如果你需要更快的模型，请找CS的人 如果你需要别人了解你的模型，请找business analytics/quant econ/policy....的人 大致上一个data science/engineering的team/projet就需要上面三种人分工合作 暂时分别简称为stats、CS和quants 如果是PhD，在这个层级，我觉得读哪一个领域都可以 按照自己的兴趣、背景、能力选择即可 身为过来人，我只能说平平安安顺利毕业才是最重要的事 但如果只是要读master，CS应该确定是胜过stats 现在似乎连quants也有迎头赶上stats的潜在趋势 (顺带一提，我也觉得两大语言python有超越R的趋势) CS胜过stats算是合乎过去几年的预测 毕竟stats到最後还是要仰赖programming 而且stats在MS的层级往往能力还不足以开发新模型 这有很多前辈分享过了，就不赘述 quants的部分算是比较出乎我的意料，但深入了解还是可以体会 基本上有兴趣data science/engineering的quants 统计与programming的部分至少都有基本底子，可能以stats或CS的标准来看不够强 但一定可以和他们沟通或看得懂听得懂他们在说什麽，这样就够了 quants拥有的优势是在特定领域的知识和共通语言 公司要把东西卖出去，还是要靠quants在该领域的语言才有办法 所以quants这几年也隐隐然有往上爬的需求 (其实还有一个因素，而且不只一个人提到，但我觉得有点偏见 就是quants往往在personality和team work这方面的评价也都比较好) 反而stats这几年其实没那麽热门了，甚至有前辈还会觉得stats不好用 programming不如CS，要卖东西不如quants，要新模型不会，得要找PhD (好笑的是，讲出这句话的两位亲戚学位还都拿stats的MS) 如果是已经工作数年的毕业生，靠着工作经验应该比较没什麽问题 但如果是刚拿到MS的毕业生，其实优势已经不如前几年来得大 最後则是个人小小感想 毕竟我也拿了一个国内的统硕，还是要帮stats说一下好话 因为data science兴起的关系 统计很有可能会像30年前的CS，和数学系走向分家 统计现在学界主流还是视为应用数学 即使独立出来，课程和研究上依然高度重视数学理论 但在硕班以下的课程设计很有可能会脱理入工 愈来愈偏向工学院以处理实际问题为主，数理理论为辅的模式 打个比方来说，过去我们的上课教科书大多数书名都是XX analysis 课本内容会从理论数学开始推导，说明性质，给个应用实例，code自己想办法 但现在愈来愈多教科书都变成XX analysis with R 减少理论推导和数学性质，变成由实例出发说明，最後附上code教学生如何解决问题 这和CS等工学院的教科书编写与课程设计愈来愈接近 美国因为master大多数是就业导向，因此课程设计也改得很快 所以对於本来读econ/finance/engineering，甚至是sociology/policy....的同学 就是有统计基础，但programming基础接近於0的同学 如果对data science有兴趣，觉得business analytics学费太贵 也是可以挑战读就业导向的统硕，慢慢转过去 因为理论数学的比重和难度都已经下降很多，取而代之是更多的programming 而且相对CS来说，统计算是对跨领域学生比较友善的学门 当然初期一定比较辛苦，但只要撑过去，至少在业界眼中，就是已经踩上第一块砖 要投data science的相关工作也是比较具有说服力 以上 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 61.222.241.251 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/studyabroad/M.1518079529.A.FBE.html