推 mistrust0525: 推! 06/14 12:34
推 kokolotl: 現在我也都直接拿pre train的來用 06/14 13:38
→ kokolotl: 方便太多了.. 06/14 13:38
推 filialpiety: 推~ 06/14 13:47
推 ar851060: 推,但怎麼感覺進DS的話,統計人都要到博士?
06/14 14:14
其實 我自己也常在想這個問題 因為原本的生涯規劃是要走學術界 一定得念博士
所以一路走來也沒想太多 大學畢業考碩士班 碩士畢業當兵 中研院研究助理
出國博士班
上班以後反而常在想 如果當初我就想走業界 是不是不需要浪費五年拿博士
五年可以賺很多錢的
只能分享在我公司看到的情況
對碩士進來的要求就是 在一個team裡面 主要做dirty work的人
所以8成的時間 可能都在R/Python
對博士進來的要求也是做dirty work 大概6成的時間也都在R/Python/SAS/Matlab
但對博士會要求 要有想法
業界不需要你從理論發展出一個新發法 但需要很快地找出哪個方法可能可以用
而且有東西讓你用 絕對不可能有budget 像博士班一樣 看到一篇paper
花幾個月的時間去implement it
另外就是常常在把A, B, C 方法結合起來 變成一個新的方法
你說 這要求 碩士畢業做不到嗎 其實很多人是可以的
差別就在於 有沒有那個機會 以及有沒有那個習慣
機會是說 PM可能有問題時 會習慣的問博士level的人
所以 機會是要給準備好的人 不管什麼學歷 只要你能一直在開會的時候
一直提出有用的建議 很快你就會進入決策中心 而不是只是單純寫程式的人
那博士班的好處呢
我個人覺得 博士班對於獨立研究的訓練 還是要有其幫助的
尤其遇到傳統方法結果不好的時候
博士level的 通常比較能快速地找出解決方案
大家都知道 資料分析 最不花時間的就是 套用package算出答案
想方法 整理資料 遠比最後一塊算答案的難
在美國大部分統計碩士 是不寫論文的
所以相對來說 只有碩士畢業的人 通常沒經歷過 paper的摧殘
以及如何在幾分鐘內就把paper丟掉 就算title再怎麼像是完美地符合你的需要
不用浪費時間去了解用不到的方法
推 andy086: 推推,好文! 06/14 16:57
推 fsuhcikt1003: 推 06/14 17:49
推 geminitw: 推 06/14 20:48
※ 編輯: allen1985 (98.31.7.190 美國), 06/14/2020 22:02:15
推 LincolnBoy: 推 06/14 22:31
推 liangniko: 推推 06/15 00:43
推 hippo130: 推 06/15 01:06
推 bowin: 推 06/15 03:46
推 AmibaGelos: 推推 好奇問1M的case可以改用transfer learning嗎? 06/15 11:38
不敢說不可能 但感覺機會不大 transfer learning 也要先有資料train一個模型啊
後來我們的做法是 因為這個實驗是有simulator的
雖然客戶也不相信simulator的準確率 但經過一些比較 認為simulator 還是有其效果
最後是用Bayesian Calibration Model 來利用真實物理實驗 來校正simulator
而用校正後的模型 來做預測 並找出最佳解
這模型是based on Gaussian process 可能做空間統計 或者電腦實驗的人才會聽過
※ 編輯: allen1985 (98.31.7.190 美國), 06/15/2020 11:55:07
推 purpleboy01: 推推 06/15 14:40
推 AmibaGelos: 也是 是偶耍蠢惹lol 用GP至少知道每個點都被utilize 06/15 16:14
→ AmibaGelos: w/o bias 不像transfer learning還得有個前置問題 06/15 16:14
推 st1009: 推推 06/15 17:24
推 bearching: 推 請問linear model w/ constraints 是ridge LASSO E 06/15 22:32
→ bearching: lastic net 這樣的regularized model嗎? 06/15 22:32
沒這麼複雜喔 簡單地一個概念 灌多少水進去injection wells 理論上就有多少水
從production wells 出來 在這實驗裡 有五個injection wells 四個production wells
我們把迴歸的coefficients 想像成每一個injection well 會貢獻到每一個
production well的比例 所以constraints 是 sum of coefficients for each
injection well = 1 每個coefficients 是0-1的值
至於怎麼fit這樣的迴歸模型 想想了喔!
※ 編輯: allen1985 (98.31.7.190 美國), 06/15/2020 23:12:27
※ 編輯: allen1985 (98.31.7.190 美國), 06/15/2020 23:23:41
推 LibrainAir: 推 06/16 00:44
推 patrickchou: 獲益良多,推好文 06/16 07:58
推 ChenYinYin: 推 06/16 09:57
推 blackmaninEE: 推好文 06/16 14:17
推 hahaxd78: 推 06/16 18:49
推 tacoking: 好文 推 06/16 19:06
推 ken83715: 推 06/18 19:46
推 preed: 好文 06/22 20:25
→ rayu: 感謝分享! 06/25 17:54
推 q8977452: 推 06/25 20:19
推 joe120519: 推 06/26 12:54
推 azzc1031: 好猛 07/01 00:58
推 ilovejesus: 推 07/09 17:52
推 NOYUYU: 推 04/22 01:45