Re: [問題] 想走Big Data的選系困擾

[branburg (瑞士捲)]

回原PO及版眾所討論的Big Data，甚至轉至會計與精算問題，

自己剛好都略有涉略，也稍會一些程式語言、統計及會計精算，

就用自己理解部分來做個回應。


關於Data Mining及Business Analyst是屬於Data Science的集合內，

當然Big Data也是屬於Data Science的範疇，


那Data Mining及Big Data的主要差異是什麼呢？

個人認知，主要是"Big"，資料真的 "too big"，

使得過去統計範疇的資料與決策分析，開始需要CS來協助處理。

簡而言之，就是「資料大到可以做動態決策(Dynamic Decision-Making)」，

當資料不斷地蒐集，資料所需要的空間及運算也就越來越大，

每秒都會產生出決策，最後導致一台電腦無法處理及運算，

這時，就必須仰賴Cloud Computing等等地CS技術，

藉由雲端科技同時動態地儲存大量資料，並且同時動態地產出決策。

最顯著的相近例子，就是Google隨時記錄個人的郵件及網頁瀏覽習慣等，

並且，逐步地達成客製化的服務，大家打開智慧手機，就有明顯的差異服務。



如果想要念Big Data，可考慮念什麼學校或什麼系呢？

首選是Stanford，因為Stanford的CS及Statistics都是世界頂尖，

可參考這網頁

https://statistics.stanford.edu/academics/ms-statistics-data-science

第二個選擇是可能是Washington，事實上，個人認為這學程內容比較符合Big Data

可參考這個網頁

http://www.cs.washington.edu/students/grad/specializedtracks/bigdata

上述兩個學程，都可以輔助去了解未來要如何修課及獲得實務經驗，

不管走Statistics或Computer Science，到最後所有事物都必須自我學習，



主要原因是，Big Data範疇常常是Statistics，Hacker及Social Science的交集。

這項技術成熟後，可以推翻許多過去理論的假設，例如特定分配等等。

用在精算上，"似乎"也可改變目前許多精算模型，

用在經濟上，"似乎"就可解決人是理性之相關假設所產生的問題。

近期所探究的技術，是Dynamic Networking的概念。


因為，不斷地抓取新資訊，個別分配會透過統計方法，

不斷地整合新的動態分配，進而獲得動態決策。

(目前有看到Baysian Method成功地使用在實務的例子)


就自己有限知識所了解到的，

是偏向Dynamic Non-Parametric Statistics + Baysian Method，

再用CS技術建置一個Automatic System去做到Dynamic Decision-Making。



通常學Statistics的人，往往無法處理Machine Learning等等問題；

通常學CS的人，往往對整合分配及資料蒐集產生些許障礙；

通常兩項都會的人，往往較缺乏運用在產業上的相關知識，

例如，股價預測，也需要了解相關國際金融、總體經濟及預測行為等知識。


至於精算及會計，如果沒有要走學術的話，

都可以透過考取證照方式，自修而成為會計師與精算師，

分別去美國的兩大協會，AICPA及SOA即可獲得相關資訊。

如果有接觸FSA、FCAS或是CPA的話，

有一定比例是念藝術、音樂出身的，所以學校科系並不是重點，

主要看重自學能力及長期努力的抗壓性。


念統計或精算碩士對精算實務幫助是什麼呢？

可能就是預備知識，如數理統計、可信度理論、存亡分析等等課程，

先獲得相關能力，之後減少未來學習考照的時間，

並透過部分報告或師資人脈，獲得實務經驗或研究主題的經驗。

提前了解保單訂價，準備金評估，保險公司財務或清償能力的評估，

甚至進入再保險領域，獲得巨災或風險移轉工具的工作機會。


關於念會計碩士對會計實務幫助呢？

也相同地，可先對審計、財報分析、商業環境及法規提前認識，

節省考CPA的時間，並且透過實習或人脈，

幫助自己於稅務或審計方面的職涯規劃，

也可能走向財務顧問或企業評估領域。


會計及精算的段落，只是協助了解兩者事實上有顯著差異，

但不可否認也有極大的交集，也就是IFRS 4 Phase II的範疇。


以上，如果有說錯，也麻煩各位大大給予一些提醒及修正囉！

希望有更多人可以投入Big Data領域內，協助整個產業發展。

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.65.3.54
※ 文章網址: https://www.ptt.cc/bbs/studyabroad/M.1422731222.A.8DB.html
推 mike0227: 其實沒有"推翻"什麼東西 假設也不是拿來推翻的
→ mike0227: 數學跟統計上的新東西其實也沒有真的那麼多
→ mike0227: 最大的變化是現在的計算能力能做到以前很多不敢想的事情
→ mike0227: 原po的問題的話 我覺得要看個人興趣還有有沒有想繼續念
→ mike0227: master或PhD 如果沒有再加上出路考量的話當然CS好
→ mike0227: 個人是Math->CS 不過不是在做data
→ mike0227: 如果要繼續念 現在等於是在打底子 不論興趣的話
→ mike0227: 統計好比CS強來的吃香一點 因為CS領域變化太大了
推 mike0227: 另外 可以找Advanced Calculus先來念念看念不念的下去XD
也許入門Statistics是個選擇，可先把R language熟練，

再進階接觸Python，資料結構、Machine Learning等等。


推翻似乎真的不是很好的描述，原意是可能改變應用科學的假設。

舉例來說：有位致力於Non-cooperative Game的歐洲學者(似乎有諾貝爾獎)

他對"人是理性"的假設，便認為是Nonsense，

大約10年前，他就曾使用Networking的想法在處理經濟問題。

推 Ouranos: 推分享!這篇寫的好好，感謝原po!
推 handsomebear: data science首推NYU，analytics:NCSU,Austin
→ handsomebear: usf analytics也很猛，就業率號稱100%，年薪九萬
※ 編輯: branburg (42.65.3.54), 02/01/2015 17:04:13
推 frank11118: 推  謝分ㄏㄧㄤˇ
推 ryanlei: 感謝分享
推 SatGod: 專業推!! 原po 意思是選哪個都行，可是就都有得有失囉
推 robinhoodli: 可以多講一點 bayesian method 應用在實務上的例子?