¿Sería ingenuo obtener un doctorado en física teórica con el objetivo final de un papel de ciencia de datos en la industria?

Sería ingenuo buscar un doctorado. en física teórica con cualquier objetivo específico en la industria.

La mala noticia es que para cuando obtenga su doctorado, la ciencia de datos probablemente no será una “cosa candente” y es probable que haya mucha gente buscando pocos trabajos.

Al hacer un doctorado, no desea apuntar al “campo candente del día”, lo que quiere es la flexibilidad intelectual para que pueda aprovechar lo que esté “candente” cuando se gradúe. Si resulta que el pastoreo de cabras tayikas es el campo caliente de 2020, desea estructurar su Ph.D. y su mentalidad para aprovechar el auge del pastoreo de cabras tayikas.

Una cosa buena acerca de una física teórica Ph.D. es que aprendes a dominar una nueva área muy rápidamente y aprendes a investigar. Si descubres que los pastores de cabras tayikos están ganando dinero, entonces comienzas a aprender todo lo que puedes sobre los pastores de cabras tayikas (y resulta que hay muchas cosas interesantes sobre los pastores de cabras tayikas, ya que esencialmente puedes criar cabras en muy áreas inhóspitas y obtener cachemira de ellos, así que me pregunto si podrías ganar dinero pastoreando cabras en áreas urbanas).

Entré en física teórica porque quería entender todo el maldito universo. Resulta que ese tipo de impulso es útil para ganar dinero.

No solo es ingenuo, sino que es absolutamente retardado para obtener un doctorado en física teórica si su objetivo final es convertirse en un científico de datos. Si bien el rigor de aprender física teórica le sería útil si permanece en la industria de las matemáticas (pocos son pensadores rigurosos, incluso menos entienden las matemáticas … y los buenos físicos están capacitados para ser buenos en ese tipo de cosas), gran parte de la física teórica es bastante desalineado con lo que la gente considera ciencia de datos, incluso hoy en día. A menos que esté hablando de física teórica digital (es decir, física computacional … a diferencia de la teoría de lápiz y papel), probablemente ni siquiera desarrollará suficientes habilidades de computación / programación haciendo un doctorado teórico. Como todos aquí dicen, una vez que la moda haya desaparecido, la puerta probablemente no permanecerá tan abierta como lo está ahora.

Sí lo haría. Al igual que con las finanzas cuantitativas (la gran cosa anterior para que los doctores descontentos se suban) la ciencia de los datos se llenará rápidamente y luego los requisitos serán mucho más difíciles.

Si realiza un doctorado en theo phys, estará muy por detrás, ya que no hay muchas estadísticas y aprendizaje automático como parte de eso. Si solo quieres hacer ciencia de datos, obtén una maestría en aprendizaje automático o algo así porque aún llegarás al mercado laboral mientras está al menos un poco caliente y sabrás la mayoría de las cosas en las que te encontrarás Necesidad de realidad.

More Interesting

¿Qué sistema operativo es mejor para Python, R y data science, Mac o Windows?

¿Los grandes datos están afectando nuestra privacidad?

¿Cuáles son las diferentes técnicas de minería de datos?

¿Cuál es la diferencia entre el científico de datos y el científico de investigación en Google?

¿Cómo se negocian los datos?

¿Hadoop está saliendo? ¿Se avecina una tecnología que pueda reemplazar toda la forma en que MapReduce consulta en un grupo de máquinas? ¿No puede simplemente automatizar la forma en que ejecuta estas consultas? ¿Es esto lo que Blaze está tratando de lograr?

¿Qué debo hacer para crear una base de datos efectiva?

¿Cómo es la ciencia de datos fintech única? ¿Es único?

¿Cómo pasar a la ciencia de datos?

¿Qué algoritmos se utilizan para resolver problemas de aprendizaje automático basados ​​en gráficos?

¿Cómo vender legalmente los datos disponibles públicamente desde aplicaciones móviles en Internet? ¿Cómo aumento el valor de los servicios de datos?

¿Cuánto debería cobrar un estadístico por el análisis de big data?

¿Cuáles son algunos buenos problemas con los juguetes en la ingeniería de datos?

En el aprendizaje automático, si no sé mucho sobre la corrección de lo anterior, ¿puedo tratar de corregir el modelo a través de grandes cantidades de datos de entrenamiento?

¿Todavía vale la pena hacer MS en aprendizaje automático clásico o minería de datos sin un módulo en profundidad sobre aprendizaje profundo que está en tendencia?