Buena pregunta, especialmente para mí; Estos dos campos son de mi interés. MFE, que se conoce como Maestría en Ciencias de la Ingeniería Financiera, se centra principalmente en cuestiones financieras. Requiere un fuerte fondo cuantitativo, lo que significa matemáticas y codificación y un fondo justo en finanzas (incluso no es obligatorio). Los estudiantes típicos que se inscriben en los programas de MFE tienen una licenciatura de Matemáticas, Física, Ingeniería, Economía, Finanzas y Administración y es más fácil para los estudiantes principales de STEM obtener admisiones. Para la mayoría de los estudiantes, sus campos de investigación son Derivados, Gestión de riesgos y Gestión de cartera. Los trabajos típicos son en bancos comerciales, bancos de inversión, fondos de cobertura, compañías de seguros, etc. En general, trabajan en la industria financiera.
Para Data Science, estamos utilizando Estadísticas como base, Programación como herramienta para extraer información de Big Data. Dado que tanto MFE como Data Science requieren antecedentes cuantitativos y se centran fuertemente en resolver problemas prácticos con la programación de computadoras, alguien está confundido con estos. La diferencia es que los estudiantes que se especializan en ciencia de datos pueden obtener trabajo de campos más amplios, incluidos los servicios de TI, consultoría, marketing, finanzas, etc. Debido a que las finanzas cuantitativas requieren la capacidad de procesamiento y análisis de datos, muchos estudiantes que tienen títulos de licenciatura en finanzas están dispuestos para mejorar sus antecedentes en el análisis de datos, es por eso que Data Science está un poco relacionado con las finanzas, aunque el programa típico de ciencia de datos no requiere ningún fondo financiero y no ofrece cursos de finanzas como cursos básicos.
Ponga todo en una cáscara de nuez, si está interesado en las finanzas cuantitativas y está seguro de encontrar un trabajo en la industria financiera, MFE es una gran opción. Si bien si desea tener más oportunidades en la investigación cuantitativa y no es un fanático loco de las finanzas, tal vez pueda tener ciencia de datos en su lugar.
- ¿A qué empresa debo postularme para un trabajo si soy ciudadano de la UE y quiero trabajar en los Estados Unidos?
- ¿La demanda de un analista de datos es mayor que la de un científico de datos?
- ¿Cómo se puede pasar del desarrollo de software típico al big data y la ciencia de datos?
- ¿Cuáles son algunos modelos precisos o exitosos de calificación de crédito entre pares y qué técnicas y métodos utilizan?
- ¿Cuál es la mejor manera de aprender analítica de personas?
Gracias por la lectura, espero que ayude.
