Tener un trabajo en minería de datos sin un doctorado

Question

He estado muy interesado en minería de datos y aprendizaje automático durante un tiempo, en parte porque me especialicé en esa área en la escuela, pero también porque realmente me entusiasma mucho más tratar de resolver problemas que requieren un poco más de pensamiento que sólo conocimientos de programación y cuya solución puede tener múltiples formas. No tengo una formación de investigador/científico, vengo de una formación en informática con énfasis en el análisis de datos, tengo una maestría y no un doctorado. Actualmente tengo un puesto relacionado con el análisis de datos, aunque no sea el enfoque principal de lo que hago, pero al menos tengo una buena exposición a ello.

Mientras realizaba una entrevista de trabajo en varias empresas y hablaba con algunos reclutadores, encontré un patrón común: la gente parece pensar que hay que tener un doctorado para hacer machine learning Aunque quizá esté generalizando demasiado (algunas empresas no buscaban especialmente doctores).

Aunque creo que es bueno tener un doctorado en esa área, no creo que esto sea absolutamente necesario . Tengo un conocimiento bastante decente de la mayoría de los algoritmos de aprendizaje automático del mundo real, he implementado la mayoría de ellos yo mismo (ya sea en la escuela o en proyectos personales), y me siento bastante seguro al abordar los problemas relacionados con el aprendizaje automático / minería de datos y la estadística en general. Y tengo algunos amigos con un perfil similar que parecen tener muchos conocimientos sobre esto también, pero también sienten que en general las empresas son bastante tímidas a la hora de contratar en minería de datos si no eres un doctor.

Me gustaría que me dieras tu opinión, ¿crees que un doctorado es absolutamente necesario para tener un trabajo muy enfocado en esa área?

(He dudado un poco antes de publicar esta pregunta aquí, pero como parece para ser un tema aceptable en meta Me he decidido a publicar esta pregunta sobre la que he estado pensando durante un tiempo).

Answer 1

Creo que en realidad es lo contrario de su conclusión. En El académico desechable En el informe de la Comisión Europea, se señalan varios puntos sobre la baja prima salarial en matemáticas aplicadas, matemáticas y ciencias de la computación para los titulares de un doctorado en comparación con los titulares de una maestría. En parte, esto se debe a que las empresas se están dando cuenta de que los titulares de un máster suelen tener la misma profundidad teórica, mejores habilidades de programación y son más flexibles y pueden ser formados para las tareas específicas de su empresa. No es fácil conseguir que un discípulo de SVM, por ejemplo, aprecie la infraestructura de su empresa que se basa en árboles de decisión, digamos. A menudo, cuando alguien ha dedicado mucho tiempo a un paradigma de aprendizaje automático concreto, le cuesta generalizar su productividad a otros dominios.

Otro problema es que muchos trabajos de aprendizaje automático hoy en día consisten en hacer cosas, y no tanto en escribir artículos o desarrollar nuevos métodos. Se puede adoptar un enfoque de alto riesgo para desarrollar nuevas herramientas matemáticas, estudiar los aspectos de la CV de su método, su teoría de la complejidad subyacente, etc. Pero al final, puede que no consigas algo que interese a los profesionales.

Mientras tanto, mira algo como poselets . Básicamente, no surge ninguna matemática nueva de los poselets. Es totalmente poco elegante, torpe y carece de cualquier sofisticación matemática. Pero se adapta a grandes conjuntos de datos sorprendentemente bien y parece que será un elemento básico en el reconocimiento de poses (especialmente en la visión por ordenador) durante algún tiempo. Esos investigadores hicieron un gran trabajo y hay que aplaudir su labor, pero no es algo que la mayoría de la gente asocie con un doctorado en aprendizaje automático.

Con una pregunta como esta, recibirás toneladas de opiniones diferentes, así que considéralas todas. Actualmente soy estudiante de doctorado en visión por ordenador, pero he decidido dejar mi programa antes de tiempo con un máster, y voy a trabajar para una empresa de gestión de activos haciendo aprendizaje automático del lenguaje natural, estadística computacional, etc. También he considerado trabajos de minería de datos basados en la publicidad en varias grandes empresas de televisión, y algunos trabajos de robótica. En todos estos ámbitos, hay muchos puestos de trabajo para alguien con madurez matemática y capacidad para resolver problemas en múltiples lenguajes de programación. Tener un máster está bien. Y, según el artículo de The Economist, te pagarán básicamente igual que a alguien con un doctorado. Y si trabajas fuera del mundo académico, las bonificaciones y el hecho de llegar a los ascensos más rápido que alguien que dedica años adicionales a un doctorado puede significar que tus ingresos totales a lo largo de tu vida sean mayores.

Como dijo una vez Peter Thiel: "La escuela de posgrado es como darle al botón de repetición del despertador de la vida..."

Answer 2

Descargo de responsabilidad: tengo un doctorado y trabajo en aprendizaje automático. Dicho esto, creo que, aparte de convertirse en un académico, no se necesita un doctorado para trabajar en cualquier campo. Obtener un doctorado te ayuda a desarrollar ciertas habilidades de investigación, pero

1. Para la mayoría de los trabajos no se necesitan esas habilidades de investigación.
2. Se pueden adquirir esas habilidades sin necesidad de obtener un título de doctorado.

Martin Wolf El corresponsal jefe de economía del El Financial Times , no tiene un doctorado (tiene un máster), pero su palabra tiene mucho más peso que la de la mayoría de los doctores. Creo que para tener éxito en cualquier campo (incluido el aprendizaje automático), hay que saber aprender y pensar a fondo por uno mismo. Un doctorado te ayudará a practicar esas habilidades, pero no es un fin en sí mismo. Cualquiera que no esté dispuesto a entrevistarte sólo porque no tienes un doctorado, probablemente no merezca la pena trabajar para él.

Answer 3

Descargo de responsabilidad: no tengo un doctorado en CS, ni trabajo en aprendizaje automático; estoy generalizando a partir de otros conocimientos y experiencias.

Creo que hay varias respuestas buenas aquí, pero, en mi sincera opinión, no acaban de explicitar la cuestión principal. Intentaré hacerlo, pero reconozco que no creo que esté diciendo algo radicalmente distinto. La cuestión principal aquí se refiere a desarrollo de habilidades vs. señalización .

Con respecto a desarrollo de habilidades En última instancia, uno quiere (como empleado) ser capaz de hacer el trabajo, hacerlo bien y con rapidez, y el empleador quiere (o presumiblemente debería) a esa persona. Por lo tanto, la pregunta es: ¿cuánto desarrollo de habilidades adicionales se obtiene con un par de años más de formación académica? Ciertamente, deberías ganar algo, pero reconoce que la gente que no continúa con la escuela de posgrado probablemente no se queda sentada hasta que se haya graduado. Por tanto, estás comparando un conjunto de experiencias (académicas) frente a otro (laboral). Depende en gran medida de la calidad y la naturaleza del programa de doctorado, de tus intereses intrínsecos, de lo autodirigido que seas y del tipo de oportunidades y apoyo que tengas en tu primer trabajo.

Al margen del efecto que tiene la formación académica continuada en el desarrollo de habilidades, está la cuestión del efecto y el valor de la señal (es decir, de tener "Ph.D" añadido después de su nombre). La señal puede ayudar de dos maneras: En primer lugar, puede ayudarte a conseguir tu primer trabajo, y eso no debe descartarse: puede ser muy importante. Las investigaciones han demostrado que las personas que se ven obligadas a empezar en un primer puesto que no es el más adecuado para ellas nunca tienden a hacerlo tan bien (en términos de carrera, por término medio) como las personas que consiguen empezar en un trabajo que se ajusta a sus capacidades e intereses. Por otra parte, el consenso parece ser que después de En su primer empleo, sus perspectivas futuras están mucho más influenciadas por su rendimiento en el trabajo anterior que por sus credenciales académicas.

El segundo aspecto de la señal tiene que ver con la relación entre el analista y el consumidor del análisis. @EMS hace un buen trabajo al destacar este punto en un comentario . Hay muchas pequeñas empresas de consultoría a las que les encanta tener doctorados para presumir ante los clientes potenciales: en las reuniones iniciales para tratar de conseguir un contrato, en los membretes, en las presentaciones de los productos terminados, etc., los doctorados siempre están ahí. Es fácil ser cínico al respecto, pero creo que hay un valor legítimo para la empresa consultora y el consumidor (que puede no saber mucho sobre estos asuntos y puede utilizar las credenciales para ayudarle a seleccionar una empresa que haga un buen trabajo para él). Entre bastidores, parte del trabajo puede ser subcontratado a personas competentes con menos credenciales, pero quieren el doctorado para la parte delantera, y firmar el producto del trabajo antes de entregarlo. Podría ver algo análogo en una empresa emergente si está tratando de atraer capital y quiere tranquilizar a los inversores. Por otro lado, si vas a hacer un trabajo para consumo interno, y tu jefe es capaz de evaluarlo, esto no importa.

Answer 4

Mis dos centavos: No, no lo creo. Un doctorado per se no da derecho a ser mejor para la minería de datos o el ML. Por ejemplo, el propio Jeremy Howard de Kaggle. Incluso me atrevería a decir que un doctorado no dice mucho sobre ninguna cualificación, ya que hay una enorme variabilidad en la calidad de los programas. Quizás lo único que demuestra un doctorado es que su titular tiene una alta tolerancia a la frustración.

En resumen: Si te interesa esa área, tienes conocimientos, eres creativo y trabajas duro, ¿por qué necesitas un doctorado? Lo que debe contar eres tú, no tus títulos.

Answer 5

Estoy de acuerdo con la mayor parte de lo que se ha dicho aquí, pero quiero introducir algunas cuestiones prácticas que surgen cuando se solicitan puestos de trabajo en finanzas. A menudo se ven anuncios en los que se indica que se requiere un doctorado en estadística o matemáticas para solicitar un determinado puesto de trabajo en comercio o desarrollo cuantitativo. Sé que hay algunas razones particulares para ello. Ojo, no digo que esto sea correcto, pero es lo que ocurre en la práctica:

• Hay muchos solicitantes de empleo, sobre todo para las empresas más conocidas, y el empresario no puede dedicar suficiente tiempo a cada candidato. Filtrar las solicitudes en función de la formación académica reduce el tamaño de la población a un número más manejable. Sí, habrá fallos. Sí, no es la mejor manera de encontrar productivo individuales. Pero, por término medio, se trata de profesionales cualificados que han dedicado años a aprender el oficio. Deberían tener, al menos, la disciplina necesaria para llevar a cabo un proyecto de investigación complejo.

• El equipo y la empresa se enriquecerán con una serie de doctorados que se mostrarán a inversores y clientes. Esto dará una imagen de conocimiento "oracular" a la empresa y beneficiará su reputación. La valoración intangible de la empresa puede aumentar. El inversor medio tendrá más confianza a la hora de conceder su capital a un equipo de científicos con tantos conocimientos. Se puede hacer un comentario similar sobre los MBA.

• Por último, a veces las políticas empresariales dictan que los logros académicos más altos deben tener una trayectoria profesional y una compensación preferentes. Creo que esto es así en la mayoría de las empresas de diferentes sectores, no sólo en el financiero. Es difícil ver a John con una licenciatura en informática dirigiendo a doctores en matemáticas.