Карьерный путь, квантовая запутанность - Карьерные консультации
Username:
Password:

Добро пожаловать на форум YupTalk.ru!
Обсуждаем международную карьеру, профессиональный рост, бизнес-образование,
транснациональные корпорации, стажировки, консалтинг, финансы, аудит, маркетинг и работу в целом.


О САЙТЕ | РЕКЛАМА | ПРАВИЛА | КОНТАКТЫ | RSS ПОДПИСКА | | | БЛОГ

Подписка на все новые сообщения по почте:
Страницы: 1
  Печать  
Автор Тема: Карьерный путь, квантовая запутанность  (Прочитано 6921 раз)
Tokamak
Новичок
*

Карма: 0
Оффлайн Оффлайн

Сообщений: 7


« : 17 Январь 2017, 13:49:22 »

Здравствуйте! Недавно нашел этот форум. Был бы очень благодарен более опытным людям за их советы, рьяную критику и любую помощь.

Мой background:
- МФТИ, бакалавриат, прикладная математика и физика, GPA 4.48/5.00 (есть несколько троек по математическим дисциплинам)
- МФТИ, магистратура, прикладная математика и физика, GPA 4.94/5.00, закончил летом 2016
- Опыт работы 3.5 года в Курчатовском Институте (КИ), отдел термоядерных исследований, Research associate
- 4 публикации по теоретической физике плазмы. 1 в рецензируемом американском журнале (один из лучших в нашей области) и 3 conference proceedings на Европейской Конференции по Физике плазмы. Еще одну статью дописываю. Везде первый автор
- Достижения: Сдал теоретический минимум Ландау по математике, 4 раза получал именные стипендии за лучшие научные работы среди студентов КИ, 4 раза получал повышенную гос. стипендию среди студентов МФТИ за научные и академические успехи, 2 раза занимал 1 место на конференции МФТИ (один раз в КИ, один раз в Институте Высоких Температур Российской Академии Наук), получил премию Курчатова за лучшую студенческую работу, пара призовых мест на олимпиадах по физике и математике для школьников, пара призовых мест за выступление в футбольных командах (правда это было совсем в детстве и особой роли не играет).
- Английский – advanced

В физике я разочаровался. Среда очень инертная, никто никуда не торопится, а мне хочется драйва и достижения сложных целей. Еще то, чем я занимаюсь, никого в мире особо не интересует. Специальность очень узкая и по прошествии 10-15 лет я больше ничем заниматься не смогу, кроме как физикой плазмы, будет уже поздно что-то предпринимать. Понял это не сразу, лапши на уши навешали, а я поверил. Перспектива: умереть в жуткой нищете в будке, а еще реалистичней в коробке из-под телевизора на помойке возле дома. Занимался этим, поскольку, как я думал, сделаю мир лучше, привнесу что-нибудь нового, а все оказалось не таким как мне казалось. Решил, что пока мне 23 года реально переквалифицироваться и подстроиться под динамику мира, появляющиеся вакансии и т.д.

Конечная цель: оказаться в США на работе на позиции Data Scientist или Quantitative analyst.
Какие рекомендации Вы можете дать?

Некоторые вопросы и мое виденье ситуации:
1. Можно попробовать поступить на PhD в США на Data Science, Machine learning или Applied Mathematics (probability/statistics), но мои тройки в дипломе бакалавра могут меня подвести на данный момент, и, объективно говоря, программирование сейчас знаю плохо. Каким образом я могу добавить очков к своей заявке, чтобы попасть на PhD по указанным специальностям в топ 10-20 мира? Мне кажется, что с нынешним background-ом в мотивационном письме будет проблематично объяснить, почему выбрал именно эту программу.

2. Можно попробовать поступить в Школу Анализа Данных Яндекса, отучиться в ней 2 года, и все это время пытаться параллельно работать или проходить стажировки в компаниях по интересующим меня специальностям, а после уже подавать на PhD либо, если компания международная, то пытаться перевестись в офис в США?

3. Поступить в магистратуру ВШЭ по науке о данных?

4. Зарубежная магистратура, топ 10 в США? Правда с деньгами совсем беда. Кредит?

5. Начать принимать участие в Kaggle соревновании?

Я готов пахать ради достижения указанной цели столько, сколько потребуется, но только рационально. Можно конечно на все забить, продолжать временно работать здесь за гроши и рьяно попробовать поступить в США на PhD по моей нынешней специальности (физика плазмы), а там уже на месте разобраться что к чему. В этом случае, будучи студентом PhD, параллельно с учебой прокачивать навыки, требуемые на позицию Data Scientist/Quantitative analyst.
Записан
Hertz
Старожил
****

Карма: 82
Оффлайн Оффлайн

Сообщений: 422



« Ответ #1 : 17 Январь 2017, 14:01:19 »

Крутой бекграунд, интересный.

По пунктам 1-5 можно пойти позже, пока предлагают начать с пункта 0 - почему прямо сейчас на податься на Data Scientist?
Записан
Tokamak
Новичок
*

Карма: 0
Оффлайн Оффлайн

Сообщений: 7


« Ответ #2 : 17 Январь 2017, 14:19:21 »

Крутой бекграунд, интересный.

По пунктам 1-5 можно пойти позже, пока предлагают начать с пункта 0 - почему прямо сейчас на податься на Data Scientist?

Спасибо за комментарий.

На работу прямо сейчас я не смогу податься, мне нужно месяца 1-2, чтобы доучить python, возможно, sql, а также теорию вероятности. Сейчас пока не хватает нужных знаний, но не вижу серьезных проблем, чтобы их получить в указанный срок. Просто в физике чаще используется другая математика (интегралы и ряды фурье, комплексный анализ, диффуры, спец. функции). Полноценное программирование последний раз я использовал на 2 курсе, в последнее время было достаточно ручки, бумажки и wolfram mathematica.
Записан
Tarski
Новичок
*

Карма: -1
Оффлайн Оффлайн

Сообщений: 14


« Ответ #3 : 17 Январь 2017, 14:31:11 »

Можно одновременно учить и ходить по собеседованиям. Тем более от момента отклика на вакансию и до приема на работу может как и пройти месяц-два.
Если в резюме правильно продадите бэкграунд, то возьмут без проблем и на месте во все вникните.
Записан
Aluminum
Гость


E-mail
« Ответ #4 : 17 Январь 2017, 14:46:58 »

Phd по физике в штатах. С публикациями, рекомендациями не должно быть проблем. Параллельно подавайся на phd по data science, если гре высокий будет вполне проходишь. Вообще почему дата-наука? Может робототехника какая-нибудь?

Имеет смысл находить контакты prof/ass prof по интересующим специальностям и просить совета по аппликейшену

гиков- упоротых программеров  обычно на уровне бакалавра видно, решить стать им сейчас немного странно звучит, но вай нот, вопрос как раз в мотивации.

Плюсую к тому, что аппликейшн на пхд- процесс небыстрый, в процессе можно и поработать. Сходи на пару-тройку собеседований просто посмотреть, что спрашивают:) считай, что развлекаешься

Записан
Kudesnik
Новичок
*

Карма: -6
Оффлайн Оффлайн

Сообщений: 21


« Ответ #5 : 17 Январь 2017, 16:26:02 »

Ты разочаровался в научной среде или непосредственно в физике?
Если в среде, то в современном мире это очень легко исправить. Есть куча мест, где такому толковому парню будут рады и при этом обеспечат хорошие условия для работы и жизни (ты рассматривал европейские университеты?). Если ты продолжишь научную карьеру за рубежом, то, скорее всего, не разбогатеешь, но будешь обеспеченным человеком, занимающимся улучшением этого мира.
Записан
16:15
Новичок
*

Карма: -1
Оффлайн Оффлайн

Сообщений: 3


« Ответ #6 : 18 Январь 2017, 00:06:26 »

Tokamak, иди в Маки!
Я думаю, у тебя получиться!Там такие нужны!
Записан
PHY
Новичок
*

Карма: 6
Оффлайн Оффлайн

Сообщений: 39


« Ответ #7 : 18 Январь 2017, 13:14:41 »

Tokamak, может я и ошибаюсь, но все выглядит так, что Вам просто нужна работа (потому что совершенно непонятно, как можно разочароваться в физике как таковой). Плюс хочется наверное, обладая мозгами, зарабатывать больше, чем в Курчатнике. А раз так, то почему бы не найти позицию в data science или аналитике какой прямо сейчас
Записан
aspectempr
Новичок
*

Карма: 3
Оффлайн Оффлайн

Сообщений: 15


« Ответ #8 : 18 Январь 2017, 21:34:50 »

Бэкграунд и публикации открывают дорогу на PhD в США точно. Может не в топ-20 но топ-40 точно. Получив PhD вы можете решить для себя остаться ли в науке (но уже с нормальной зарплатой) или уйти в индастри.
Заявки в США принимаются осенью так что у вас есть время сдать экзамены, подтянуть coding, и набраться опыту на Kaggle.

Если есть еще вопросы про образование в США, пишите в ЛС

also я сам думаю не поступить ли в Школу Анализа Данных Яндекса вместо традиционных путей consulting/banking. У яндекса  похоже сейчас самая продвинутая команда в сфере в России. Правда, нигде не могу найти статистики по зарплатам их выпускников.
Записан
Tokamak
Новичок
*

Карма: 0
Оффлайн Оффлайн

Сообщений: 7


« Ответ #9 : 18 Январь 2017, 22:03:25 »

Спасибо большое всем, кто отозвался. Думаю, надо действительно походить по собеседованиям, посмотреть, что к чему, набраться опыта их прохождения, поскольку сейчас его не имею, а там глядишь что-нибудь дельное подвернется. В случае получения пары отказов вроде ничего криминального нет, зато можно получить feedback, который может пригодиться.

Кто что еще думает по поводу вариантов/вопросов 1-5? Также приветствуются любые мнения, советы и критика.

Теперь избранные цитаты:

1.
Если в резюме правильно продадите бэкграунд, то возьмут без проблем и на месте во все вникните.

Можете, пожалуйста, привести пример неправильно продажи бэкграунда? Или наоборот правильной. Просто не очень понял этот момент.

2.
Phd по физике в штатах. С публикациями, рекомендациями не должно быть проблем. Параллельно подавайся на phd по data science, если гре высокий будет вполне проходишь. Вообще почему дата-наука? Может робототехника какая-нибудь?

В основном я выбрал Data Science, поскольку это очень перспективная специальность. Она включает в себя много всего и покрывает широкий спектр нужд рынка труда. Навыки, которые применяются в Data Science, достаточно широки и варьируется от нужд конкретной задачи. Поэтому она открывает возможности для маневров в различных отраслях деятельности.

Также мне нравится строить математические модели, которые позволяют предсказывать результат, как, например, в теоретической физике. Нравится проводить анализ существующих методов, искать их недостатки и вносить изменения, которые влекут значительные улучшения. Нравится выискивать закономерности. Мне кажется с подобного рода задачами я столкнусь в науке о данных. Поскольку я новичок в этом деле, то могу и ошибаться, но пока что я представляю себе это так.

В идеале, конечно, хотелось бы создавать математическую модель, которая потом программируется, и на выходе приносит деньги. Это тоже мне кажется очень интересным, и я бы получал большое удовольствие от этого, но это уже, вроде как, совсем из другой оперы, что-то вроде высокочастотного трейдинга, quantitative trading or quantitative analyst (alpha design)? В последних отраслях я пока что слабо понимаю, поэтому если можете дать какой-нибудь совет, то буду благодарен. Пока все же попробую остановиться на Data Science.

А параллельно податься на PhD по физике тоже никто не мешает. Но хотелось бы направить все усилия в какое-то одно русло, а то останусь без всего.

3.
Ты разочаровался в научной среде или непосредственно в физике?

и

Tokamak, может я и ошибаюсь, но все выглядит так, что Вам просто нужна работа (потому что совершенно непонятно, как можно разочароваться в физике как таковой).

Мне нравится проводить научные исследования, делать то, что никто до это не делал и, возможно, даже не задумывался. Но, карьерный путь научной среды не слишком радужный. После PhD в академическом карьерном направлении следует PostDoc позиции. Обычно их очень мало, как и денег, а претендентов очень много, поэтому может так получиться, что устроиться работать получится не то что в университет, где ты получал PhD, а вообще в другую страну. После PhD твоя зарплата в академии будет расти медленными темпами. Должность профессора очень тяжело получить в США или Европе. Если и получить, то в моем случае годам к 35-40, а то и к 50. А до этого момента будешь скитаться по различным PostDoc позициям, причем они, скорей всего, будут совершенно в разных местах/странах. В этом и заключается бесперспективность получения PhD по теоретической физике (плазмы). Конечно можно учить еще что-нибудь параллельно, но не понятно хватит ли сил, да и это далеко не самый прямой путь: делать PhD по физике, чтобы параллельно приобретать нужные навыки для работы, скажем, в банке/консалтиге. Хотя я слышал, что крупные компании любят физиков, но, скорей всего, это больше относится к другим областям, где главенствует численный расчет, например, молекулярная динамика, но смысла и логики в этом я все равно не вижу. Мне это не понятно.

Если пойти на PhD по machine learning, theory of probability, applied mathematics or statistics (каждое из указанных может быть частью Data Science, например, в Стэнфорде Data Science располагается на факультете статистики), то после окончания PhD в топ вузе США, думаю можно сходу претендовать на нечто большее чем PostDoc позиция. Что думаете на счет такого рода рассуждений?

5.
Плюс хочется наверное, обладая мозгами, зарабатывать больше, чем в Курчатнике. А раз так, то почему бы не найти позицию в data science или аналитике какой прямо сейчас

Да, конечно хочется. Еще хочется, чтобы был финансовый рост, саморазвитие, большие перспективы чем имеются сейчас.

6.
Бэкграунд и публикации открывают дорогу на PhD в США точно. Может не в топ-20 но топ-40 точно. Получив PhD вы можете решить для себя остаться ли в науке (но уже с нормальной зарплатой) или уйти в индастри.
Заявки в США принимаются осенью так что у вас есть время сдать экзамены, подтянуть coding, и набраться опыту на Kaggle.

Если есть еще вопросы про образование в США, пишите в ЛС.

Публикации у меня на тему физики (теория), но не Data Science (machine learning, theory of probability, applied mathematics or statistics). Как думаете, они мне хоть каким-нибудь образом зачтутся? Стоит ли на ваш взгляд сейчас идти на работу на полный рабочий день, а по вечерам готовиться к вступительным экзаменам в аспу штатов? Можно ходить по стажировкам, учиться в ШАД, готовиться и сдавать один за одним экзамены в аспирантуру по Data Science, чтобы хотя бы можно было доказать, что хочу этим заниматься при написании мотивационного письма, а также чтобы это было видно из CV. Или стоит лезть только в ту же самую область в которой я сейчас работаю?

Имеет ли сильная разница топ 10 или топ 40 PhD я закончил в США, при дальнейшем приеме на работу в индустрию в тех же штатах? Или там уже больше как проявишь себя на собеседовании и т.д.?

Записан
c-c-consultant
Новичок
*

Карма: 4
Оффлайн Оффлайн

Сообщений: 26


« Ответ #10 : 18 Январь 2017, 23:43:39 »

Мне кажется, все относительно просто структурируется.
Развилка 1: физика плазмы vs. data science. Вроде выбираем data science.
Развилка 2: в России или в США. Вроде выбираем США.
Развилка 3: в науке или в индастри. Вроде по вашим запросам индастри чуть ближе (карьерный рост, саморазвитие и т.д.)

Понятно, что PhD in data science за границей откроет наибольшее количество опций в будущем (можно будет выбирать по развилкам 2 и 3), да и возможно это единственный "дешевый" путь в индастри в data science в США. При этом для работы в индастри вряд ли нужен топовый PhD. Можно также поступить на PhD и, отучившись в нем пару лет, свалить в индастри.
(Подразумеваю, что попасть на работу в России в data science и потом перевестись за границу почти невозможно. Вернее возможно только через аналитические позиции MBB или нереальную удачу в компаниях типа Uber и Google, но это все сложно, может не взлететь и не дать гибкости в будущем).
Короче вывод: надо поступать на PhD по data science в штатах со стипендией. Предварительно в идеале попробовать реально поработать в индустрии / себя в Kaggle, чтобы быть уверенным, что это "оно".
Дальше по PhD. Может быть, надо подаваться прямо сейчас на PhD и в ШАД. Если получится с PhD, валить. Если нет, отучиться в ШАД и подаваться на PhD снова: так проблема с релевантным опытом, оценками, а в идеале и публикациями/рекомендациями будет решена.

Я думаю, на многие из ваших специфических вопросов на тему того, что зачтется, а что нет, тут мало кто может квалифицированно ответить. Я бы написал PhD students and professors разных университетов на linkedin с такими вопросами, чтобы посоветоваться и оценить свои шансы. Может, станет ясно, что и ШАД никакой не нужен.

P.S. Опыт у вас крутейший. Публикации такого уровня - это очень круто.
Записан
Aluminum
Гость


E-mail
« Ответ #11 : 19 Январь 2017, 00:20:14 »

Завтра побольше мыслей напишу, а пока найди фб Андрей мовчан - об алгоритмах в трейдинге  у него пост как раз сегодня. Поделить на 5 не помешает, но атмосфера она рядом  ;D

Записан
heabod
Новичок
*

Карма: 6
Оффлайн Оффлайн

Сообщений: 26


« Ответ #12 : 19 Январь 2017, 12:52:42 »

Интересно, а что вы подразумеваете под термином Data Science? По моему, в каждой компании свое определение Дата Сайнс и занимаются везде разным под этим названием. Чем вот data scientist отличается от программиста или инженера? Тем что он машинное обучение использует?
Да, и при чем здесь Андрей Мовчан? Он там вообще про алготрейдинг пишет.
Вообще очень много физиков становились потом программистами известными (не знаю, много ли из них можно называть Data Scientist). Вчера вроде статья была на vc.ru про Оскара Бойкина. Да и далеко ходить не надо, Richard Stallman, Dennis Ritchie - PhD по физике.
Да, и судя по linkein, переходы программистов из топ русских IT в facebook и google были и не мало (не знаю, считаются они там data scientist или просто software engineer).
Записан
Strateg
Новичок
*

Карма: 4
Оффлайн Оффлайн

Сообщений: 12


« Ответ #13 : 19 Январь 2017, 14:58:09 »

Привет!

У меня была такая же ситуация. Могу рассказать о своем опыте и помочь советом.

Пиши в личку.
Записан
Big4-man
Постоялец
***

Карма: -142
Оффлайн Оффлайн

Сообщений: 121


« Ответ #14 : 19 Январь 2017, 15:34:07 »

Привет!
У меня была такая же ситуация. Могу рассказать о своем опыте и помочь советом.
Пиши в личку.
Народ, не жмите ценную информацию - всем будет интересно)
Записан
ego_eco
Новичок
*

Карма: 0
Оффлайн Оффлайн

Сообщений: 23


« Ответ #15 : 19 Январь 2017, 15:52:31 »

читал быстро, возможно не заметил. Предлагаю поехать на пхд по дата саенс в США и бросить через 2 года, получив мастерс, который дается автоматически (в большинстве случаев). Может и в дата саенс так же устроены программы.
Записан
mavin
Пользователь
**

Карма: -19
Оффлайн Оффлайн

Сообщений: 82


« Ответ #16 : 19 Январь 2017, 20:05:41 »

Конечная цель: оказаться в США на работе на позиции Data Scientist или Quantitative analyst.
Какие рекомендации Вы можете дать?

Я бы на твоем месте поехал в Лондон квантом (каждую осень в рэш приезжает барклайс и жпморган). Подучи теорвер и базовую эконометрику и точно попадешь. Оттуда можно в хэдж-фонд в США.

При этом есть, конечно, перспективная тема с нейросетями
Записан
Cain
Гость


E-mail
« Ответ #17 : 21 Январь 2017, 00:08:36 »

В теме, я так понимаю, не оказалось никого, кто что-то понимал бы в дате. Но мнение у всех имеется. Классика жанра.

Топикстартеру: если получится поступить на хорошую PhD программу по data science или смежным дисциплинам - это идеальный вариант. Твой научный опыт там вполне себе будет в плюс при поступлении, хотя он и по другой теме. Им важен сам по себе research experience и опыт успешных публикаций. Сходи сдай ОЧЕНЬ ВЫСОКО GRE general, GRE maths и GRE physics, почитай основной текущий ресерч по различным направлениям в этой сфере (чтобы определиться с интересующей тебя тематикой - это важно), найди с десяток программ в университетах где преподают профессора ресерч которых тебе понравился, и смело подавайся. Вот уже если вдруг не прокатит - будешь думать о чем-то еще.

Тервер и статистику подучить надо, конечно, но в дебри там лезть не нужно (хватит основных курсов по терверу и матстату + байесовская статистика и некоторые эконометрические техники типа различных продвинутых видов регрессий и т.д.). Штатовские PhD программы так устроены, что первые пару лет там можно и нужно активно учиться на уровне магистратуры, добирать нехватающей математики и т.д. Это их ключевое отличие от европейских программ, которые короче (3 года вместо 4-5 в Штатах), но сразу в бой (ресерч-диссертация, особо учиться времени нет). В силу этого при поступлении в европейские программы надо также уже иметь тезис или хотя бы очень конкретное направление ресерча для диссертации, а в штатовские такого не нужно, достаточно четкого понимания твоих интересов. А тезис уже сформулировать можно будет после 1-2 лет программы.

Программировать уметь нужно, но быть гуру-девелопером тоже необходимости никакой нет. Программирование для приложений в математическом моделировании или анализе данных ОЧЕНЬ сильно отличается от разработки эппов для айфона или работы в Фейсбуке. Не нужно погружаться в огромное количество современных достаточно сложных технологий, протоколов и т.д. Нужно уметь писать понятный и быстро работающий код для манипулирования с данными и математических вычислений, что в принципе не так-то сложно с технической точки зрения. Плюс, очень много стандартных инструментов можно использовать. Если есть базовое знание хотя бы C++ (во всех технических вузах должны ведь пару лет преподавать его), все это освоить можно довольно быстро, и задротом-кодером с первых курсов являться для этого не нужно.

Магистратура не имеет никаких плюсов по сравнению с PhD (из PhD можно свалить после пары лет и это будет как магистратура, при этом PhD бесплатно). Разве что поступить мб проще, да и то не факт.

Про ШАД лично я ничего не знаю, но слышал хорошие вещи. Думаю, что с прицелом работать в России это очень хороший вариант. Другое дело, не так чтобы очень много в России интересной работы по этой теме. С возможностями в развитых странах не сравнить.

В ересь про "стань квантом в Лондоне" я бы даже не вникал.
Записан
Tokamak
Новичок
*

Карма: 0
Оффлайн Оффлайн

Сообщений: 7


« Ответ #18 : 21 Январь 2017, 22:44:05 »

Еще раз всем спасибо за множественные советы, они действительно очень помогают. С помощью такого количество ответов, мнений и рекомендаций (многие писали в л.с.), которые я получил на этом форуме, ситуация уже проясняется.


1.
Я думаю, на многие из ваших специфических вопросов на тему того, что зачтется, а что нет, тут мало кто может квалифицированно ответить. Я бы написал PhD students and professors разных университетов на linkedin с такими вопросами, чтобы посоветоваться и оценить свои шансы. Может, станет ясно, что и ШАД никакой не нужен.

Спасибо за развернутый ответ! (целиком не стал цитировать) Завтра как раз собираюсь отправить пару вопросов в университеты.

Еще нашел у нас в Курчатовском Институте людей, которые занимаются машинным обучением, нейросетями и наукой о данных. Думаю, надо списаться с ними, если возьмут, то появится возможность набраться исследовательского опыта в области в которую собираюсь на PhD подавать. Тогда надо будет выбрать идти на полноценную работу или вместо нее ресерч по релевантной теме делать параллельно с физикой плазмы. Об этом подумаю потом, конечно же, но я бы пожертвовал финансовым благополучием сейчас, ради повышения шансов для отъезда.

2.
Завтра побольше мыслей напишу, а пока найди фб Андрей мовчан - об алгоритмах в трейдинге  у него пост как раз сегодня. Поделить на 5 не помешает, но атмосфера она рядом  ;D

Прочел, спасибо, сделал выводы :D

3.
Интересно, а что вы подразумеваете под термином Data Science? По моему, в каждой компании свое определение Дата Сайнс и занимаются везде разным под этим названием. Чем вот data scientist отличается от программиста или инженера? Тем что он машинное обучение использует?

Под Data Science я более всего подразумеваю машинное обучение для анализа данных. Его знание сейчас является определяющим, вроде как. Ну а также, естественно, статистика, теория вероятности, все зависит от темы. Область очень широкая, я пока только разбираюсь.

4.
читал быстро, возможно не заметил. Предлагаю поехать на пхд по дата саенс в США и бросить через 2 года, получив мастерс, который дается автоматически (в большинстве случаев). Может и в дата саенс так же устроены программы.

Например, на сайте Caltech-а написано, что мастера таким образом получить нельзя. Смотрел программу Applied and Computational Mathematics. Но на вооружение такую тему взял, спасибо, буду изучать сайты универов дальше.

5.
Конечная цель: оказаться в США на работе на позиции Data Scientist или Quantitative analyst.
Какие рекомендации Вы можете дать?

Я бы на твоем месте поехал в Лондон квантом (каждую осень в рэш приезжает барклайс и жпморган). Подучи теорвер и базовую эконометрику и точно попадешь. Оттуда можно в хэдж-фонд в США.

При этом есть, конечно, перспективная тема с нейросетями

Можно мимо делом сходить. Вроде все равно учить одно и тоже практически. Можно про базовую эконометрику по подробней пожалуйста? Что на ваш взгляд туда входит?

6.
В теме, я так понимаю, не оказалось никого, кто что-то понимал бы в дате. Но мнение у всех имеется. Классика жанра.

Топикстартеру: если получится поступить на хорошую PhD программу по data science или смежным дисциплинам - это идеальный вариант. Твой научный опыт там вполне себе будет в плюс при поступлении, хотя он и по другой теме. Им важен сам по себе research experience и опыт успешных публикаций. Сходи сдай ОЧЕНЬ ВЫСОКО GRE general, GRE maths и GRE physics, почитай основной текущий ресерч по различным направлениям в этой сфере (чтобы определиться с интересующей тебя тематикой - это важно), найди с десяток программ в университетах где преподают профессора ресерч которых тебе понравился, и смело подавайся. Вот уже если вдруг не прокатит - будешь думать о чем-то еще.

Спасибо большое за столь развернутый ответ! (целиком его не стал цитировать)  Только вот GRE physics это только для страховочного варианта поступления на PhD по физике разве что подойдет, если я правильно понял. Или хорошо сдав можно впечатлить комиссию и по Науке о Данных? В последней обычно в требованиях все по стандарту: GRE general, TOEFL, и иногда GRE mathematics Strongly recommended или он совсем не числится в требованиях.
Записан
Cain
Гость


E-mail
« Ответ #19 : 23 Январь 2017, 04:56:17 »

Спасибо большое за столь развернутый ответ! (целиком его не стал цитировать)  Только вот GRE physics это только для страховочного варианта поступления на PhD по физике разве что подойдет, если я правильно понял. Или хорошо сдав можно впечатлить комиссию и по Науке о Данных? В последней обычно в требованиях все по стандарту: GRE general, TOEFL, и иногда GRE mathematics Strongly recommended или он совсем не числится в требованиях.

Ну тут надо понимать, что аппликейшены рассматривает не компьютер, а живые люди. И конкуренция довольно существенная. Поэтому, несмотря на наличие казалось бы четко прописанных критериев, не нужно отказывать себе в дополнительных возможностях произвести положительное впечатление в интересующих их областях. А это включает в себя, помимо образования, общий интеллект (число лошадиных сил под черепушкой), опыт и желание заниматься в первую очередь ресерчем (хотя народ и уходит потом в другие области, но считается что PhD - для будущих ученых и так и надо себя позиционировать), энергичность и способность находить общий язык с людьми (конфликтных или аутистов никто не любит, несмотря на стереотипы про задротов). Поэтому если можно что-то демонстрирующее успехи в любой из этих сфер добавить на резюме - нужно это делать.

Сдать близко к максимуму GRE physics после физтеха по идее не должно никаких проблем составить, там вроде только общая физика (как и в GRE maths только стандартный набор первых 2-3 курсов технического образования), в дебри по специальностям лезть не потребуется. А если вдруг зафакапить экзамен - ну можно тогда и не указывать его, так что вариант беспроигрышный.
Записан
mavin
Пользователь
**

Карма: -19
Оффлайн Оффлайн

Сообщений: 82


« Ответ #20 : 24 Январь 2017, 22:29:59 »


Я бы на твоем месте поехал в Лондон квантом (каждую осень в рэш приезжает барклайс и жпморган). Подучи теорвер и базовую эконометрику и точно попадешь. Оттуда можно в хэдж-фонд в США.

При этом есть, конечно, перспективная тема с нейросетями

Можно мимо делом сходить. Вроде все равно учить одно и тоже практически. Можно про базовую эконометрику по подробней пожалуйста? Что на ваш взгляд туда входит?


Что конкретно на интервью спрашивают я не знаю. Есть несколько человек, которые там работают - могу связать, узнаешь поподробнее, но я не думаю, что что-то глубокое.

А так, если тема интересна, почитай про реннесанс технолоджис и их медальон. В принципе под требования ты и сейчас подходишь - https://www.rentec.com/Careers.action?researchScientist=true. У них, вроде, даже есть или был человек с МАИ - можешь попробовать на него выйти

В теме, я так понимаю, не оказалось никого, кто что-то понимал бы в дате. Но мнение у всех имеется. Классика жанра.

В ересь про "стань квантом в Лондоне" я бы даже не вникал.

Чувак, с таким подходом у тебя бы наверное неплохо в партии власти все получилось)
Записан
ElKario
VIP
Пользователь
*

Карма: 28
Оффлайн Оффлайн

Сообщений: 94


« Ответ #21 : 26 Январь 2017, 01:28:37 »

Мои пять копеек.

Вот честно, я бы слушал Cain'а, так как с, точки зрения международной карьеры, он говорит абсолютно идеально, и сейчас, наверное, на форуме, разбирается лучше всех (ох, мы постарели уже, беда). Я могу говорить только за наш РФ реал.

1. За мат аппарат, проактивную позицию и поставленную речь я бы тебя уже нанял, будь у меня бюджет :) продолжай в том же духе.

2. Если data science, то нужно программировать. Сейчас python но коне, но есть много проектов на R, а в продакшн (в боевые операции бизнеса) все переводят все равно на C++. Но тебе хватит Питона или R. При этом питон рекомендую больше, он востребованней (сам я пишу на R, так сложилось, у меня уже свои пакеты написаны, переходить сложно будет).

На самом деле, для data scientist'а нужно достаточно неглубоко знать программирование, так как задача отличаются от кодеров, для нас программирование- это просто облегчание расчетной задачи.научишься быстро, udacity/edx тебе в помощь.

В РФ много интересных проектов растет и community сильное.
С твоим бэкграундом идти в ШАД можно, но мне кажется тратой времени, ты сможешь добрать пробелы сам.

Ах да, забыл сказать, что делать :)
Если международная карьера сразу - Cain знает все :)
Если РФ и Data Scientist, то напиши мне, распишем варианты, я рад помочь.
Записан
Aluminum
Гость


E-mail
« Ответ #22 : 28 Январь 2017, 22:53:48 »

Завтра побольше мыслей напишу, а пока найди фб Андрей мовчан - об алгоритмах в трейдинге  у него пост как раз сегодня. Поделить на 5 не помешает, но атмосфера она рядом  ;D

Продолжаю ( in no particular order):

Я не зря кинула пост мовчана, лет десять назад теханализ в алготрейдинге/квантах/деривативах/so on был одним из самых очевидных и перспективных путей для одаренных технарей. ТС умный не возражаю, но и покруче профайлы заворачивали в ту степь. Сейчас ажиотаж поутих, ловить блох анализом временных рядов народ откровенно подзаколебался.

Свято место пусто не бывает, теперь у нас дата сайнс в приоритете. Буквально в прошлом году ( куда только не заносит людей с ипотекой :D ) координировала консультантов по внедрению проекта бигдаты/клиентской аналитики. Аж из Мюнхена каждую неделю катали. И что хочу сказать. Очередной пшик ( хотя санкционная жрачка зачетная, не отнять,:) Денег все эти проекты стоят охренеть сколько, а отдача на продажи/бизнес даже не в единицах, а десятых процентов. Я прекрасно понимаю зачем оно все  - менеджмент с этого хорошо гм себя чувствует , инвесторам по ушам, тем ведь тоже куда-то надо вкладываться.. Но имхо даю те же лет 10-15 и тема съедет себя не окупив, а место пусто опять не будет. Поэтому я бы сто раз подумала, чтобы гоняться за перспективами, тем более писать по этому поводу пхд тезисы. Тот же страт консалтинг имхо гораздо более устойчивая модель.

То были высокие материи, сейчас техника:

Получать пхд чтобы  кодить на R или питоне - это гранатой по муравьям. Хотите работать - работайте :D. Тут быть может главнее пхд и очень важно сделать предварительный ресерч: выбираете область, изучаете кто чем в ней занимается, кто лидеры, кто hard mode и по прочему serious people. Выбирайте себе профессиональные ориентиры. Ходите по встречам, смотрите на людей. Эти вещи нужно проделывать лично, делегировать их не получится. Дайте себе полгода и поймите что за тусовка, какие в ней правила.
 Вам лично есть что предложить в ответ, резюме правда сильное, уверена, команды заинтересуются.

- ответа на вопрос " почему дата сайнс" у вас нет. Без него к серьезным дядям на пхд не зайти даже с гре. Профессора очень ревностно относятся к тому, что люди потом сваливают в бизнес и всячески пытаются отсеять сей " потенциал" еще на старте. Именно поэтому топовая профессура предпочитает получать рекомендации от людей своей сферы, от людей которых они знают так как варятся в одном и том же котле. Рекомендующие аналогично своим коллегам " не будут подсовывать свинью" и пишут правду, как они видят человека, так и пишут. Если профессору прилетит рекомендация от человека, которого он не знает, он естественно рассмотрит, но... На среднем уровне это может сработать, на высоком скорее всего нет. Если серьезно все таки надумаете поступать на пхд пообщайтесь с Анатольевым из рэш, думаю, на его курсы можно походить, он самый сильный эконометрист в России, правда фильтр у него жесткий, можно и не пройти:). В вшэ тоже кто-нибудь может быть . Но я остаюсь при мнении, что пхд тут лишнее.

- и еще раз взвесьте свою эту плазму. Мне показалось, что вы сравниваете минусы одного с плюсами другого, такие психологические ловушки куда только людей не заводили. У вас в сфере очень уж много кирпичиков построено, если продолжать - хороший шанс и к top of the top профессору попасть и самому  выйти  на уровень key person в мировом масштабе. Да будете профессором скорее к 35, а то и позже, не вижу тут батхерта, а во сколько надо??
 Но я тоже biased, как человек, сдававший гре почти в 30 и  предпочитающий нишевые сферы ( сидишь спокойно кофе пьешь да творишь красоту, без внимания прессы и лишнего ажиотажа;  случайных людей по минимуму, а они  обычно громкие да полутупые и вообще бесят :), плечами расталкивать никого не надо, а ведь на последнее можно и полжизни потратить

В общем вы поняли, да, тут нет правильного и неправильного пути. С гре главное не тяните

Записан
Aluminum
Гость


E-mail
« Ответ #23 : 28 Январь 2017, 23:06:59 »

В теме, я так понимаю, не оказалось никого, кто что-то понимал бы в дате. Но мнение у всех имеется. Классика жанра.

Узнаваемый " киллер стайл, все попадали, сам в пальто, табуретка белая". ;D
 тут возможны лишь две адекватные реакции : либо не заметить либо спросить г-на Cain'а, когда он умудрился стать экспертом по дате. Пусть сам выберет, что ему поближе
Записан
Cain
Гость


E-mail
« Ответ #24 : 28 Январь 2017, 23:29:17 »

В теме, я так понимаю, не оказалось никого, кто что-то понимал бы в дате. Но мнение у всех имеется. Классика жанра.

Узнаваемый " киллер стайл, все попадали, сам в пальто, табуретка белая". ;D
 тут возможны лишь две адекватные реакции : либо не заметить либо спросить г-на Cain'а, когда он умудрился стать экспертом по дате. Пусть сам выберет, что ему поближе
Не собирался выпендироваться, но раз пошли предьявы - отвечу :).

Во-первых, у меня вышка по прикладной информатике и диплом я защищал по смежной теме. Во-вторых, когда заканчивал универ, я поступал (и поступил) в несколько PhD программ в Штатах в качестве запасного варианта на случай если не возьмут в консалтинг. Но меня взяли и от PhD я отказался. В-третьих, в BCG у меня была пара проектов где я это использовал, и я активно ездил на международные тренинги по этой теме. В-четвертых, я задрот футуризма+щас интервьюируюсь на летние стажировки в том числе по этой теме (в разрезе ее коммерциализации), так что текущий рынок я изучил неплохо весьма, благо в Гарварде ресурсы и access к людям фантастические.

Устраивает :)?
Записан
heabod
Новичок
*

Карма: 6
Оффлайн Оффлайн

Сообщений: 26


« Ответ #25 : 28 Январь 2017, 23:58:44 »

Если надумаете к Анатольеву идти за советами, то придется в Прагу ехать, он сейчас там живет и работает.
Записан
heabod
Новичок
*

Карма: 6
Оффлайн Оффлайн

Сообщений: 26


« Ответ #26 : 29 Январь 2017, 00:12:00 »

Получать пхд чтобы  кодить на R или питоне - это гранатой по муравьям. Хотите работать - работайте :D.
На многие Data Scientist вакансии в компании кремниевой долины стоит требование PhD. Да и PhD -- неплохой шанс переехать в более цивилизованную страну и работать там.
PhD по Data Science это по сути PhD по мат. статистике, обернутое в модную форму.
Записан
Aluminum
Гость


E-mail
« Ответ #27 : 29 Январь 2017, 13:04:04 »

Да эт не предъявы,пришлось какую-то реакцию показать, люди когда ее не получают  - борзеют, блин :D

какая разница устраивает меня или нет. Я вообще кто? Никто  :) Где ваш собственный внутренний ценз, спрашивайте с себя в первую очередь и построже

Но раз хотите, раскидаю

вышка по прикладной информатике и диплом я защищал по смежной теме
поступал (и поступил) в несколько PhD программ в Штатах
в BCG у меня была пара проектов где я это использовал
международные тренинги по этой теме
задрот футуризма

как максимум с++ в жестком пассиве
тут вы сильно выросли в моих глазах ;D (хоть к дате сей пункт и не имеет отношения) а то все попса какая-то, а не профайл. GRE General or math?
вангую sql
серьезно?:) что-то интересное рассказывали?.
без тени ехидства - это как?

Главной связки даты "тервер-матстат- эконометрика" у вас то нет ( полгода-год надо чтобы в голове улеглось), следом  питон и R мимо. 
Good point в том, что в hbs по теме статистики вы успеете нахвататься, и пара домашек на R уж точно будет.
Так и быть, на стажера потянет ( не удержалась:)
Записан
Cain
Гость


E-mail
« Ответ #28 : 29 Январь 2017, 17:38:22 »

как максимум с++ в жестком пассиве
тут вы сильно выросли в моих глазах ;D (хоть к дате сей пункт и не имеет отношения) а то все попса какая-то, а не профайл. GRE General or math?
вангую sql

Главной связки даты "тервер-матстат- эконометрика" у вас то нет ( полгода-год надо чтобы в голове улеглось), следом  питон и R мимо. 
Good point в том, что в hbs по теме статистики вы успеете нахвататься, и пара домашек на R уж точно будет.
Так и быть, на стажера потянет ( не удержалась:)
Откуда такие ассампшены странные оО. Что такое, по-вашему, прикладная информатика :)? Переустановка виндоус?)) С математикой все нормально там, поверьте (тервер, матстат, эконометрика, дискра, оптимизация и т.д.).В плане программирования - из универа реально С++, VBA и SQL, но я работал во время учебы программистом на фрилансе, так что привет ява и питон. Их учил сам, но это не то чтобы особо сложно имея базу другого языка. Вообще на С++ я еще с 8го класса физмат лицея программирую.

Я поступал на PhD по CS, так что GRE Math. General тоже сдал, на всякий случай (как практику к GMAT в том числе, т.к. я их сдавал на одной неделе и без подготовки).

Цитировать
серьезно?:) что-то интересное рассказывали?.
Ну в целом да, интересное (часть я правда уже знал в силу бэкграунда), упор на дата майнинг и биг дату, ML не так много. На самом деле, в плане биг даты и ML, с точки зрения консультанта важнее не сами хард-скиллз, а понимание как их можно левераджить, т.к. есть внутренние команды аналитиков которых можно подпрягать по необходимости. То что нужно самому консультанту в этом плане - Альтерикс и Табло. Ну на примитивном уровне можно и в Аксессе(+VBA+SQL) справиться.

Цитировать
без тени ехидства - это как?
Книжки читаю, на конференции хожу :D. Что еще задроты делают. Ну интересна мне эта тема. Щас вот много читаю про cognitive/natural language processing, думаю там что-нибудь попробовать мб.
Записан
Aluminum
Гость


E-mail
« Ответ #29 : 29 Январь 2017, 18:53:47 »

Так, стоп.  Cain, это вы мне сейчас МАИ так продали, что я аж икнула??? МАИ? Ой, ну нифига се:) круто и спасибо за настроение! Вроде и понимала в чем фишка, всё равно восторг
Записан
Cain
Гость


E-mail
« Ответ #30 : 29 Январь 2017, 19:43:36 »

Так, стоп.  Cain, это вы мне сейчас МАИ так продали, что я аж икнула??? МАИ? Ой, ну нифига се:) круто и спасибо за настроение! Вроде и понимала в чем фишка, всё равно восторг
Ну МАИ не самый последний универ на самом деле, у нас в BCG несколько человек оттуда. Но не Физтех-РЭШ конечно, так что хвастаться нечем).
Записан
agon
VIP
Старожил
*

Карма: 26
Оффлайн Оффлайн

Сообщений: 289


« Ответ #31 : 29 Январь 2017, 20:53:35 »

Так, стоп.  Cain, это вы мне сейчас МАИ так продали, что я аж икнула??? МАИ? Ой, ну нифига се:) круто и спасибо за настроение! Вроде и понимала в чем фишка, всё равно восторг
Ну МАИ не самый последний универ на самом деле, у нас в BCG несколько человек оттуда. Но не Физтех-РЭШ конечно, так что хвастаться нечем).
ага, там еще кафедра связанная с математикой, имена людей не вспомню (но позиции хорошие  ;D )
Записан
Cain
Гость


E-mail
« Ответ #32 : 29 Январь 2017, 22:08:36 »

Так, стоп.  Cain, это вы мне сейчас МАИ так продали, что я аж икнула??? МАИ? Ой, ну нифига се:) круто и спасибо за настроение! Вроде и понимала в чем фишка, всё равно восторг
Ну МАИ не самый последний универ на самом деле, у нас в BCG несколько человек оттуда. Но не Физтех-РЭШ конечно, так что хвастаться нечем).
ага, там еще кафедра связанная с математикой, имена людей не вспомню (но позиции хорошие  ;D )
Ага, прикладная математика и прикладная информатика. Ну какие позиции, два PL, два консультанта и я в бизнес-школе). Был ещё один PL но он ушёл в Вайман. А у маков есть партнёр из МАИ. Это те кого я знаю, может и другие есть.
Записан
Aluminum
Гость


E-mail
« Ответ #33 : 31 Январь 2017, 14:41:04 »

Так, стоп.  Cain, это вы мне сейчас МАИ так продали, что я аж икнула??? МАИ? Ой, ну нифига се:) круто и спасибо за настроение! Вроде и понимала в чем фишка, всё равно восторг
Ну МАИ не самый последний универ на самом деле, у нас в BCG несколько человек оттуда. Но не Физтех-РЭШ конечно, так что хвастаться нечем).
Да нормальный вуз, позиционируете  красиво. Образование не так уж чтобы определяет, знаю профайлы хорошо поднявшихся вообще без вышки( но не в России)

кстати, вы задротище то еще похоже ;D, это ведь на физтехе быть задротом как два пальца об асфальт - мимикрируй под окружение и все дела. В биг3 наверняка тоже, все друг друга тянут на один уровень, соблазн ток большой перестать думать самому и пересесть  на коллективный разум.
 А в маи таким быть, это либо внутренний драйвер, либо много свободного времени:))))

В любом случае не мне вас судить  :) я тож хороша " сингапур-просекко-фор сезон", а если так посмотреть, то моя текущая позиция  "бигбосс ляпнул на мировую публику, будем увеличивать количество женщин в сфере". Это ему не арабия, за трындеж надо отвечать" ;D правда ему со мной повезло, ящитаю ;D
заземляться всегда полезно
Записан
Tokamak
Новичок
*

Карма: 0
Оффлайн Оффлайн

Сообщений: 7


« Ответ #34 : 06 Февраль 2017, 20:32:23 »

Пока сил и времени хватило на сообщения/цитаты, приведенные ниже. К концу недели ознакомлюсь со всеми остальными :)

Ну тут надо понимать, что аппликейшены рассматривает не компьютер, а живые люди. И конкуренция довольно существенная. Поэтому, несмотря на наличие казалось бы четко прописанных критериев, не нужно отказывать себе в дополнительных возможностях произвести положительное впечатление в интересующих их областях. А это включает в себя, помимо образования, общий интеллект (число лошадиных сил под черепушкой), опыт и желание заниматься в первую очередь ресерчем (хотя народ и уходит потом в другие области, но считается что PhD - для будущих ученых и так и надо себя позиционировать), энергичность и способность находить общий язык с людьми (конфликтных или аутистов никто не любит, несмотря на стереотипы про задротов). Поэтому если можно что-то демонстрирующее успехи в любой из этих сфер добавить на резюме - нужно это делать.

Сдать близко к максимуму GRE physics после физтеха по идее не должно никаких проблем составить, там вроде только общая физика (как и в GRE maths только стандартный набор первых 2-3 курсов технического образования), в дебри по специальностям лезть не потребуется. А если вдруг зафакапить экзамен - ну можно тогда и не указывать его, так что вариант беспроигрышный.

Еще раз спасибо большое за советы!

Можете, пожалуйста, дать какие-нибудь рекомендации по следующим вопросам.

1.   Какую литературу можете посоветовать к GRE general и в каком приоритете?

Сейчас у меня имеется: Barron’s; Princeton Review; Manhattan 8 books; Manhattan 5 Lb practice questions; 1014 Practice questions for the new GRE by Princeton Review; 1100 words you need to know by Barron’s; Word Power Made Easy by Norman Lewis. Также имеется 1000 flashcard от Magoosh.

2.   Что можете сказать про онлайн подготовку от Magoosh?

3.   Не сдавали ли Вы GRE mathematics subject test? Если сдавали, не могли бы посоветовать литературу, основываясь на своем опыте?

Также был бы благодарен за ответы на эти вопросы всем, кто имел опыт сдачи GRE general или GRE mathematics subject test.



А так, если тема интересна, почитай про реннесанс технолоджис и их медальон. В принципе под требования ты и сейчас подходишь - https://www.rentec.com/Careers.action?researchScientist=true. У них, вроде, даже есть или был человек с МАИ - можешь попробовать на него выйти


Про Renaissance Technologies слышал, классная фирма. А вот про их медальон не знал, спасибо.  :)


Ах да, забыл сказать, что делать :)
Если международная карьера сразу - Cain знает все :)
Если РФ и Data Scientist, то напиши мне, распишем варианты, я рад помочь.

Спасибо, написал в ЛС.
Записан
Tokamak
Новичок
*

Карма: 0
Оффлайн Оффлайн

Сообщений: 7


« Ответ #35 : 12 Февраль 2017, 21:36:25 »

Завтра побольше мыслей напишу, а пока найди фб Андрей мовчан - об алгоритмах в трейдинге  у него пост как раз сегодня. Поделить на 5 не помешает, но атмосфера она рядом  ;D

- ответа на вопрос " почему дата сайнс" у вас нет. Без него к серьезным дядям на пхд не зайти даже с гре. Профессора очень ревностно относятся к тому, что люди потом сваливают в бизнес и всячески пытаются отсеять сей " потенциал" еще на старте. Именно поэтому топовая профессура предпочитает получать рекомендации от людей своей сферы, от людей которых они знают так как варятся в одном и том же котле. Рекомендующие аналогично своим коллегам " не будут подсовывать свинью" и пишут правду, как они видят человека, так и пишут. Если профессору прилетит рекомендация от человека, которого он не знает, он естественно рассмотрит, но... На среднем уровне это может сработать, на высоком скорее всего нет. Если серьезно все таки надумаете поступать на пхд пообщайтесь с Анатольевым из рэш, думаю, на его курсы можно походить, он самый сильный эконометрист в России, правда фильтр у него жесткий, можно и не пройти:). В вшэ тоже кто-нибудь может быть . Но я остаюсь при мнении, что пхд тут лишнее.

- и еще раз взвесьте свою эту плазму. Мне показалось, что вы сравниваете минусы одного с плюсами другого, такие психологические ловушки куда только людей не заводили. У вас в сфере очень уж много кирпичиков построено, если продолжать - хороший шанс и к top of the top профессору попасть и самому  выйти  на уровень key person в мировом масштабе. Да будете профессором скорее к 35, а то и позже, не вижу тут батхерта, а во сколько надо??
 Но я тоже biased, как человек, сдававший гре почти в 30 и  предпочитающий нишевые сферы ( сидишь спокойно кофе пьешь да творишь красоту, без внимания прессы и лишнего ажиотажа;  случайных людей по минимуму, а они  обычно громкие да полутупые и вообще бесят :), плечами расталкивать никого не надо, а ведь на последнее можно и полжизни потратить

В общем вы поняли, да, тут нет правильного и неправильного пути. С гре главное не тяните

У меня действительно нет ответа на вопрос, "Почему Data Science/machine learning?". Поэтому я и рассматриваю варианты доучиться, например, в ШАД-е или прикрепиться к какой-нибудь научной группе, хотя первый вариант предпочтительней. Узнал, что в ШАД-е на специализации "анализ данных" можно заниматься научной деятельностью, как преддипломной практикой. Это как раз то, что мне нужно.

Сейчас не уверен, что смогу реализовать свою цель с поступлением в топ5-10 вузов по Computer Science к декабрю этого года, поэтому всерьез рассматриваю возможность доучиться. К сожалению, мне пока что просто не хватает весомых аргументов, чтобы меня взяли. В мотивационном письме тоже будет тяжело описать ситуацию и добавить большого веса к моей заявке, то есть, это будет выглядеть, что человек принял решение не обдуманно и спонтанно, его интерес и амбиции ничем весомым не подкреплены. А результат этих действий будет понятно какой.

Может быть действительно поступить в один из топ30-50 вузов на интересующее направление, а не ограничивать себя "громкими названиями топ5-10"? А там уже на месте доказывать свои способности.

Рынок труда, связанный с физикой плазмы, сильно ограничен. Если сейчас не сделать перехода в компьютерную специальность, то этого уже сделать будет некогда, либо крайне тяжело, чтобы стать высококлассным специалистом и получать нормальную зарплату. Если получить PhD по machine learning, то после этого есть все шансы устроиться на $120-150k, это уже больше чем получает профессор, которым чтобы стать, надо будет пройти путь PostDoc-a. Последнее мне очень не нравится, поскольку вероятность остаться в университете, где защищалось PhD, не очень большая.

Вы писали, что сдали GRE. Можете, пожалуйста, посоветовать литературу исходя из своего опыта? Насколько в моем случае важны Verbal и Analytical writing секции? Сейчас у меня имеется: Barron’s; Princeton Review; Manhattan 8 books; Manhattan 5 Lb practice questions; 1014 Practice questions for the new GRE by Princeton Review; 1100 words you need to know by Barron’s; Word Power Made Easy by Norman Lewis. Также имеется 1000 flashcard от Magoosh. В данный момент штудирую 1100 words you need to know by Barron’s и Gre general от Barron’s.
Записан
Cain
Гость


E-mail
« Ответ #36 : 16 Февраль 2017, 02:05:03 »

Пока сил и времени хватило на сообщения/цитаты, приведенные ниже. К концу недели ознакомлюсь со всеми остальными :)

Еще раз спасибо большое за советы!

Можете, пожалуйста, дать какие-нибудь рекомендации по следующим вопросам.

1.   Какую литературу можете посоветовать к GRE general и в каком приоритете?

Сейчас у меня имеется: Barron’s; Princeton Review; Manhattan 8 books; Manhattan 5 Lb practice questions; 1014 Practice questions for the new GRE by Princeton Review; 1100 words you need to know by Barron’s; Word Power Made Easy by Norman Lewis. Также имеется 1000 flashcard от Magoosh.

2.   Что можете сказать про онлайн подготовку от Magoosh?

3.   Не сдавали ли Вы GRE mathematics subject test? Если сдавали, не могли бы посоветовать литературу, основываясь на своем опыте?

Ничего не могу сказать по поводу подготовки, потому что я не готовился :(. В случае с GRE Math и GMAT мне это никак не помешало, в случае с GRE немного/частично помешало. А именно, в части с вербалкой там есть тупейший тип вопросов (10-15%), в котором требуется знать лексику XVIII-XIX века, которую не знают во многих случаях и сами американцы-нэйтивы (до сих пор помню, например, слово "garrulous" оттуда - значение на вскидку мне не смогла назвать большая часть знакомых англофонов). Своим английским я всегда гордился, TOEFL 119, баттхерт до сих пор от того GRE :(.

Поэтому к вербалке GRE можно и поготовиться зубрением подобного, но вот какие конкретно материалы использовать - не могу сказать. К ньюмерикал части и GRE Math готовиться не вижу смысла, если дружим с циферками. Ну, может, опять же лексику англоязычную можно освежить в памяти (а то не все умеют в матан на английском).

Записан
fnx
Пользователь
**

Карма: 18
Оффлайн Оффлайн

Сообщений: 93


« Ответ #37 : 16 Февраль 2017, 08:36:05 »


3.   Не сдавали ли Вы GRE mathematics subject test? Если сдавали, не могли бы посоветовать литературу, основываясь на своем опыте?


Митя Зубанов в свое время сообразил очень классный и системный пост на тему поступления в РЭШку - http://board.rt.mipt.ru/?read=5986521 . Один из разделов поста касается как раз математики и сдачи GRE Math Subject Test. Физтеху этого должно быть точно достаточно для сдачи этого теста на высокий балл.
Записан
georges7
Новичок
*

Карма: 6
Оффлайн Оффлайн

Сообщений: 21


« Ответ #38 : 16 Февраль 2017, 15:34:50 »

читаю и плачу. Такого классного парня моя страна воспитала, но не может удержать!
Записан
Aluminum
Гость


E-mail
« Ответ #39 : 18 Февраль 2017, 08:20:49 »

Если надумаете к Анатольеву идти за советами, то придется в Прагу ехать, он сейчас там живет и работает.
Ну вы меня расстроили  :'( эх, грусть-печаль, куда все катится.  Рэш это ж не только и не столь про экономику, сколько о моральных ориентирах. Повзрослевшим щенкам вкладывать новые стандарты " о хорошо и плохо",то еще занятьице, сугубо для ударенных на голову гурманов :D по большому счёту в мире это нахрен никому не надо, именно поэтому в той же вшэ и учат вроде похожим вещам, но 95% народа оттуда заблудится в коридоре при первом же пожаре.
Надо кофе ;D
Записан
Aluminum
Гость


E-mail
« Ответ #40 : 18 Февраль 2017, 08:30:20 »

Ох, я конечно понимаю, что из Курчатова 120 гросc/год в долине кажутся каким-то внеземным раем, но как бы вы там не оказались к 30 в shared house с пакистанцами в несостоянии прокормить даже кошку :D

Автор, питон ботается на курсере за 3 мес. Вы бы хоть посмотрели чо это вообще такое, как и прочая комбинаторика  ( кот сама по себе на ценителя).

По гре не подскажу, потому что я его вытаскиваю с нуля :D
Записан
Aluminum
Гость


E-mail
« Ответ #41 : 18 Февраль 2017, 08:36:23 »

TOEFL 119
Out of 120? Да ну вас, это невозможно ;D wada на вас не хватает с допинг-тестами, потрясти там биохимию, гемоглобинчик, содержание веществ и ( как вы там говорите- "вот это все") might be an answer ;D
Записан



Страницы: 1
  Печать  
 
Обычная тема
Популярная тема (более 75 ответов)
Очень популярная тема (более 100 ответов)
Заблокированная тема
Прикрепленная тема
Голосование