Tråden för Utbildning och Karriär

[Livet]

Ursprungligen postat av koncept

Jag har en magister i statistik och känner några som arbetar som data scientists, så jag tänkte att jag kan svara.

Generellt brukar jobb som data scientist kräva längre och mer kvantitativa utbildningar (exempelvis master eller doktorsexamen i matematik, statistik, datateknik, datavetenskap, fysik, etc) än data analyst. För jobb som data analyst efterfrågas ofta en kandidatexamen som inte nödvändigtvis är i sådana ämnen. Jobb som data scientist tenderar även att innefatta användning och implementering av algoritmer och statistisk modellering medan data analyst verkar innefatta mer visualisering av data, lite databaser, och enkel statistisk analys som deskriptiva mått. Det är inte helt ovanligt att personer som börjar som data analyst sedan blir data scientist.

Tack för svar! Det var det intrycket jag fick av att läsa på lite på andra ställen också.

Har du någon insyn i vilken typ av statistik som tillämpas eller på vilken nivå den ligger på? Universitetsnivå förstås men tänker att det är ju rätt brett, iaf baserat på det jag har studerat.

[wintersnowdrift]

Ursprungligen postat av Livet

Har du någon insyn i vilken typ av statistik som tillämpas eller på vilken nivå den ligger på? Universitetsnivå förstås men tänker att det är ju rätt brett, iaf baserat på det jag har studerat.

Menar du vilken typ av statistik man tillämpar som data scientist?

Jag skulle säga att det absolut viktigast är att förstå hur man utvärderar vad en modell kan göra, eller inte kan göra. En modell som gör en korrekt kategorisering i 99 % av fallen har absolut noll värde ifall en slumpmässig modell också ger rätt kategorisering i 99 % av fallen. Det låter trivialt men är ett såååå vanligt misstag att inte ha en plan för hur man ska utvärdera sin modell. Jag skulle säga att klassisk statistisk inferens är väldigt användbart, inklusive att förstå de olika "skolorna" (frequentist, bayesiansk, likelihood-teori). Sen finns det såklart en massa användbara statistiska modeller som kan vara av nytta i olika specifika case, t.ex. tidsserieanalys, överlevnadsanalys, bootstrap, logistisk regression, vanlig enkel linjär regression osv osv. Korsvalidering, RMSE och liknande valideringsmått är också extremt centrala oavsett vilken prediktionsmodell man använder sig av.

[koncept]

Ursprungligen postat av Livet

Tack för svar! Det var det intrycket jag fick av att läsa på lite på andra ställen också.

Har du någon insyn i vilken typ av statistik som tillämpas eller på vilken nivå den ligger på? Universitetsnivå förstås men tänker att det är ju rätt brett, iaf baserat på det jag har studerat.

Vilka metoder som används beror på inom vilket fält du jobbar. Kolla annonser på LinkedIn. Vad jag har sett gäller ungefär följande i stora drag:

Finans: stokastiska processer, tidsserieanalys, monte carlo, finansmatte
Försäkring: som finans + extremvärdesanalys och försäkringsmatte
Biostatistik och medicin: regression, variansanalys, experimentell design, kausal inferens
Tech/sociala medier/e-commerce: ekonometri, kausal inferens, tidsserieanalys
Marknadsföring och undersökningsföretag: ekonometri, sampling och en del från psykometri och multivariat statistisk analys

Inom samtliga blir metoder från machine learning så som klassifikation, NLP, deep learning och liknande även allt mer efterfrågat.

Edit: insåg nu att mitt svar kanske var väl detaljerat

[wintersnowdrift]

Ursprungligen postat av koncept

Vilka metoder som används beror på inom vilket fält du jobbar. Kolla annonser på LinkedIn. Vad jag har sett gäller ungefär följande i stora drag:

Finans: stokastiska processer, tidsserieanalys, monte carlo, finansmatte
Försäkring: som finans + extremvärdesanalys och försäkringsmatte
Biostatistik och medicin: regression, variansanalys, experimentell design, kausal inferens
Tech/sociala medier/e-commerce: ekonometri, kausal inferens, tidsserieanalys
Marknadsföring och undersökningsföretag: ekonometri, sampling och en del från psykometri och multivariat statistisk analys

Inom samtliga blir metoder från machine learning så som klassifikation, NLP, deep learning och liknande även allt mer efterfrågat.

Edit: insåg nu att mitt svar kanske var väl detaljerat

Jag säger egentligen inte emot dig men modellval är ju högst arbiträrt. Förstår man statistisk inferens i grunden så ska man kunna applicera den typ av modell som passar ens data/syfte bäst. Sen har olika sektorer helt klart olika traditioner. Jag jobbar inom en bransch som egentligen inte har någon tradition av statistisk modellering (eller machine learning) och jag använde mycket framgångsrik en modell i min avhandling som ffa använts för medicinska ändamål. Sen finns det givetvis även modeller som utvecklats för väldigt specifika problem: jag använde t.ex. en capture-recapture modell i en artikel vars syfte var att utvärderade dödlighet hos renar. Den är rätt specifik för vildlevande djur och jag har svårt att komma på en tillämpning i finansbranchen , men det finns säkert!

Däremot, om en viss sektor är van vid en viss typ av modell/presentation så kan det vara svårt för dem att acceptera ett annat sätt att se på saken. Jag försökte få en biomedicinsk analytiker att använda linjär regression då jag tyckte att det var den modell som tydligast visade hennes syfte, men nä se det gick inte för hon skulle prompt ha en ANOVA-representation. Same same but different

[koncept]

Ursprungligen postat av wintersnowdrift

Jag säger egentligen inte emot dig men modellval är ju högst arbiträrt. Förstår man statistisk inferens i grunden så ska man kunna applicera den typ av modell som passar ens data/syfte bäst. Sen har olika sektorer helt klart olika traditioner. Jag jobbar inom en bransch som egentligen inte har någon tradition av statistisk modellering (eller machine learning) och jag använde mycket framgångsrik en modell i min avhandling som ffa använts för medicinska ändamål. Sen finns det givetvis även modeller som utvecklats för väldigt specifika problem: jag använde t.ex. en capture-recapture modell i en artikel vars syfte var att utvärderade dödlighet hos renar. Den är rätt specifik för vildlevande djur och jag har svårt att komma på en tillämpning i finansbranchen , men det finns säkert!

Däremot, om en viss sektor är van vid en viss typ av modell/presentation så kan det vara svårt för dem att acceptera ett annat sätt att se på saken. Jag försökte få en biomedicinsk analytiker att använda linjär regression då jag tyckte att det var den modell som tydligast visade hennes syfte, men nä se det gick inte för hon skulle prompt ha en ANOVA-representation. Same same but different

Jag håller med dig att med en gedigen förståelse för inferens så kan man välja modeller friare efter det specifika problemets förutsättningar. Det är såklart det bästa.

Mitt syfte var att ge en grov överblick av vilka metoder som tenderar att användas mest inom olika fält. Uppfattningen har jag fått från jobbannonser och universitetskurser.

[Bärsärk]

Finns det några utbildningar på hög nivå som inte innehåller en massa matematik?

[Bob90]

Ursprungligen postat av Bärsärk

Finns det några utbildningar på hög nivå som inte innehåller en massa matematik?

Klart det gör. Juridik, språk, medicin, ekonomi, hållbarutveckling, diverse humaniora/samhällsstudier, medicin, vissa ingenjörsspår som är lite mindre mattetunga (men det är ju ändå ingenjörsutbildningar så det är klart det blir en del matte) är typ kemi, bioteknik och medieteknik.

Und so weiter.

[Livet]

Ursprungligen postat av wintersnowdrift

...

Ursprungligen postat av koncept

...

Tack för svaren! Känner att jag börjar få bättre grepp om yrkesrollen men jag ska kolla upp lite mer via jobbannonser tex. vad de kan söka mer specifikt och konkret.

Ska köra igenom den onlinekurs jag blev rekommenderad förut och om den känns rolig så kanske det blir dags att repetera det mesta av den statistik man pluggat och samtidigt försöka lära sig mer om implementeringen och programmeringen.

[Bärsärk]

Ursprungligen postat av Bob90

Klart det gör. Juridik, språk, medicin, ekonomi, hållbarutveckling, diverse humaniora/samhällsstudier, medicin, vissa ingenjörsspår som är lite mindre mattetunga (men det är ju ändå ingenjörsutbildningar så det är klart det blir en del matte) är typ kemi, bioteknik och medieteknik.

Und so weiter.

Har verkligen inte ekonomi någon matematik?

[koncept]

Ursprungligen postat av Bärsärk

Har verkligen inte ekonomi någon matematik?

Merparten av nationalekonomi är tillämpad matematik och statistik (ekonometri) som kan nå avancerad nivå. Företagsekonomi går däremot knappt längre än de fyra räknesätten.

[Bob90]

Ursprungligen postat av Bärsärk

Har verkligen inte ekonomi någon matematik?

Ekonomi är ju ett väldigt brett, finns högt som lågt.

[Xtreme-G]

Ursprungligen postat av Bärsärk

Har verkligen inte ekonomi någon matematik?

Inte i Sverige. Utomlands däremot.

[Wain]

Ursprungligen postat av koncept

Merparten av nationalekonomi är tillämpad matematik och statistik (ekonometri) som kan nå avancerad nivå. Företagsekonomi går däremot knappt längre än de fyra räknesätten.

Finans ligger väl under företagsekonomi fortfarande?

[koncept]

Ursprungligen postat av Wain

Finans ligger väl under företagsekonomi fortfarande?

Finansiering (Corporate Finance) är en specialisering inom företagsekonomi och finansiell ekonomi är en specialisering inom nationalekonomi. Finans ges ofta som ett magister- eller masterprogram för vilket både en kandidatexamen i företagsekonomi eller nationalekonomi är behörighetsgivande, med krav på att man har läst några särskilda kurser, se exempelvis Lunds program här.

[JohPz]

Ni som jobbar med dataanalys/programmering:

Är kurser från exempelvis Udacity något som värderas av arbetsgivare i Sverige? Deras nanodegree sägs vara bra men kostar ju mycket och är antagligen krävande. Jag funderar på att vidareutbilda mig vid sidan av heltidsjobb och sneglar på dataanalys/Python/maskininlärning. Kollar några trevliga tuben-kanaler och pillar lite själv, men något sorts utbildningsbevis lär ju vara bra. Är i nuläget på nybörjarnivå inom Python och kan egentligen väldigt lite om de andra två.