Всем привет! Я двигаюсь к своей цели - получить работу в hedge fund в качестве quantitative researcher. Мой текущий background в области прикладных математики и физики. Этим сентябрем поступил в магистратуру на Data Science. На программе свободный выбор курсов и я составил себе некоторый план. Я не уверен, что он полностью корректен и поэтому стараюсь понять для себя не упускаю ли я что-нибудь из виду, может быть стоит что-нибудь изменить (убрать или добавить). Был бы признателен за любые советы, комментарии и критику. Все приветствуется.

Before summer (first year of studies):

1. Efficient algorithms and data structures
2. Introduction to Data Science
3. Numerical linear algebra
4. Convex optimization and its application
6. Introduction to Computer Vision
7. Machine learning
8. Optimization methods
9. Stochastic methods in mathematical modeling
10. Geometrical methods of machine learning
11. Deep learning

After summer (second year of studies):

12. Bayesian methods of machine learning
13. Uncertainty quantification
14. Mathematical methods in engineering and applied science
15. Theoretical methods of deep learning
16. Neural natural language processing
17. Advanced statistical methods
18. Numerical modeling
19. Numerical methods in engineering and science
20. Natural language modelling and processing
21. Large scale optimization and applications
22. Matrix and Tensor factorizations

Много ML, computer vision - зачем?

Это может быть как раз очень релевантно -- некоторые фонды активно делают NLP для анализа тональности текстов.

Всем привет! Я двигаюсь к своей цели - получить работу в hedge fund в качестве quantitative researcher.
...
Был бы признателен за любые советы, комментарии и критику. Все приветствуется.

делаешь список из пяти компаний, которые ты называешь "hedge fund". заходишь на сайты и смотришь требования в вакансиях. если раздела "карьера" нет, то идешь в linkedin и ищешь людей, работающих в этих компаниях. смотришь их профайлы и гуглишь их интервью/статьи. всё.

вот такой вот quantitative research.