楼主:
lovepork (我爱猪肉不爱牛肉)
2018-05-14 12:11:22各位好，冒昧打扰一下!
我的背景是物理Ph.D. 专长是理论凝聚态物理
Ph.D. 论文的主题之一是做奈米团簇的构型最佳化
使用的算法为我自己改良的基因算法+能量谷跳跃法(一种变形的蒙地卡罗法)
这虽不是目前大家主流熟知的深度学习或类神经网络
但也是机器学习的一个分支，我博士班也因此在这边累积了不错的根基
不过我的程式码是Fortran撰写的 ， 也非Python或是R (Python我只会基本语法)
毕业后， 我转作金融领域 ， 也因此接触了计量，统计学和一些数据分析的课题
虽然我物理本科的统计力学其实也跟统计学有不算小的重叠
但透过研究金融系统，让我不再侷限物理系统的统计分析
而是能将研究系统更广泛的延伸到复杂系统的领域
我目前有在自学微软和资策会共同办的一个资料家的认证课程
说来惭愧! 我本来想应征物理系的助理教授，
但这样的缺目前真的太竞争
所以想转换跑道 往资料科学家这条路发展
请教各位! 我需要再补强什么?
才会在业界的工作冈位有比较好的发挥和竞争力呢???
不知道有没有人能给予一些建议呢?
让我在资料科学家这条路上能够有更完整的基础和充实的战力迎接挑战!
感谢!!!
作者:
yamakazi (大安吴彦祖)
2018-05-14 12:22:00原来爱猪肉是物理博士
作者:
yamakazi (大安吴彦祖)
2018-05-14 12:24:00在金融领域不是做得好好的？ 想办法内转吧
作者: azurepipi (蔚蓝) 2018-05-14 13:13:00
个人觉得是加强所属的领域知识 技术方面金融领域 软件工程几乎都不太重视 而偏重决策分析与视觉化
作者: Dartmoor (纵谷的春天) 2018-05-14 13:30:00
作者: weinine32 (随意) 2018-05-14 14:31:00
我觉得，你把Python或R摸熟后就可以去面试了。
作者:
rupcj8 (唉呀)
2018-05-14 14:52:00感觉很强 我觉得你可以直接开投了不过在台湾物理博去GG直接有33 其他产业可能没那么多钱?
作者:
baseguard (....NN )
2018-05-14 17:58:00物理很适合，看你要钻多深，要点时间
作者:
jojojen (JJJ)
2018-05-14 18:17:00等大大成功发心得文~
作者:
BignoZe (BignoZe)
2018-05-14 18:38:00你太强了 code好练 数学才是困难的地方
作者:
senjor (哞哞)
2018-05-14 18:56:00你等级太高了，无法给建议 (躺
作者:
s860134 (s860134)
2018-05-14 19:05:00直接去面试都有人收可以看李宏毅和林轩田教授线上课程 看完就差不多了机器学习本质还是在做目标函数的最佳化
作者: exe1023 (Alex) 2018-05-14 19:48:00
我也觉得数学强的话直接丢worldquant吧
非本科phd找职位, 碰ml又不用上production, 转跑道很难ㄅ
作者:
Morphee (千磨万击还坚劲)
2018-05-14 21:05:00直接录取了 年薪200万不需要补强
作者:
ChoDino (Dino)
2018-05-14 21:09:00直接找工作，会不会 python 或 R 不是重点
作者:
Sunal (SSSSSSSSSSSSSSSSSSSSSSS)
2018-05-14 21:13:00直接找就好了
作者:
shiauji (消極)
2018-05-14 21:57:00统计力学我学怎么都跟统计学无关呢？连随机变量我都没用到... 好奇想问你学的是哪本统计力学？顶多是一些例题用到白努力或是二项分布而已...微乎其微(更正 白努力分布就是二项分布 一时嘴快另外建议可以学有物件导向的语言，Fortran是没物件导向的就是在算数值解较快，建议可以从Java/CPP HowToProgram入手，大概刷完1000页就有基本概念，比樱花量力好读多了而资料科学家，会建议要学好python，底层的东西学好些毕竟ML都是用python，当然也可以从python来学物件导向了解，自己的授课老师是有讲，但我是有修数学系才懂得XD感觉前辈你也是猛猛的！一定可以的
有很强的机器学习算法实作能力 学好Python CP值最高当然 你要用其他平台或语言也无所谓啦 总之要能实作专家级或至少接近专家的领域知识(其他领域) 以金融为例全球总经 利率 汇率 原物料 股票 衍生性金融商品....股票次级领域 产业 新闻 财报 技术型态 筹码.....分点进出表属于筹码进阶知识 基础是融资融券三大法人总之 各种层级的领域知识 再收集相对应的资料就能套入各种机器学习算法分析 得到分析结果各种机器学习算法 重要的不多 全部学会对你来说不难困难的是 你要先找到资料科学家职缺而且你懂领域知识
作者:
aappooww (人生如戏戏如人生)
2018-05-14 23:47:00去报北医大数据学士后
作者:
thid5335 (討推專家)
2018-05-15 00:28:00中央物理可能不一定过resume screen吧
不看好这么多资料科学家工作的可能性我熟悉的几间公司开的资料科学家或工程师缺实际上都是资料工程师而已
作者:
atpx (秋雨的心情)
2018-05-15 01:25:00建议直接上linked in找亚洲区的算法缺工具技能不用担心, 聘的起你的一定有足够资源让你学工具你的高度在台湾金融界没有缺, 很遗憾这样说
作者:
gbd37 (我想抓波波)
2018-05-15 08:05:00太难啦 看不懂啊 几个人看的懂
作者:
gozule (好冷啊~~)
2018-05-15 08:08:00金融计量深入后，和物理的热力学与解pde有很深的关系，资料科学反而变成是工具而不是主力而且会重度使用最佳化分析，这才和资料科学比较有关
做quant屌打台湾绝大多数资料科学家，就算国外也不输XD我是说国外quant比国外资料科学家。好quant不做吗?
有2种 p-quant(机器学习) q-quant(解偏微分)前者分析历史资料 后者建模型导公式 哪个才是你要的?自己孤狗 选择权BS模型 拿诺贝尔奖 是后者典范前者就现在很红的机器学习资料科学家之类的我属于前者 不管哪一种 都是外国缺远多于台湾
作者: davidtnfsh 2018-05-16 09:41:00
原po想做想做哪个领域的资料分析？
国外不少有data scientist的缺 薪资也很高Senior同事月薪都是25W台币以上
作者: davidtnfsh 2018-05-16 21:42:00
如果已经有喜欢的领域，或许楼主可以在该领域做side project或是相关领域的kaggle，最后把成果附在履历上，这样应该就稳了xd
作者: erlangsen (关于本人很难理解) 2018-05-20 14:59:00
我也是学相变理论的，研究主轴是磁性系统，主要方法都用零温量子蒙地卡罗跟重整化群。常看到一般统计的前提也未免太～理想了吧，真的可以解决真实问题吗XD