¿Cuáles de los siguientes cursos de estadística son los más aplicables y útiles en la industria financiera/tecnológica?

Question

Estoy en el proceso de seleccionar 3 clases de estadística para mi grupo de cursos de Matemáticas Aplicadas (haciendo mi concentración en ciencias actuariales o análisis estadístico). Qué 3 clases de las siguientes crees que son más útiles/aplicables en finanzas/tecnología/emparejadas con Ciencias de la Computación?

• Procesos estocásticos (paseos aleatorios, cadenas de Markov de tiempo discreto, procesos de Poisson)
• Modelización lineal: Teoría y Aplicaciones
• Introducción a las series temporales
• Predicción estadística moderna y aprendizaje automático
• Teoría de los juegos
• Introducción al Análisis Econométrico (Matrícula cruzada entre Stats y Econ)

Answer 1

1. Modelado lineal (lo básico)
2. Introducción a las series temporales (importante para las finanzas y la tecnología, donde hay muchísimas ocasiones de medición)
3. Predicción Estadística Moderna y Aprendizaje Automático (para el nuevo material de predicción, también importante para las finanzas y la tecnología)

Answer 2

Yo recomendaría Modelado Lineal e Introducción a las Series Temporales. Si sólo tienes tres asignaturas optativas y decides concentrarte en la ciencia actuarial, yo tomaría un curso de análisis de supervivencia si hay uno disponible.

Answer 3

Trabajando como Científico de Datos en una de las mayores consultoras del mundo puedo dar mis dos centavos que son útiles para un trabajo como el mío. Todos los cursos son geniales y tienen aplicaciones tanto en la investigación y el desarrollo como en la consultoría. Sin embargo, algunos cursos pueden ser más importantes para la aplicación práctica. Descargo de responsabilidad: Esto no refleja la opinión de mi empleador y además sólo he visto varios departamentos en Alemania.

LOS CURSOS MÁS ÚTILES:

• Introducción a las series temporales

Si trabajas como científico de datos, seguro que harás previsiones de vez en cuando. Es importante que entiendas patrones como tendencias, raíces unitarias, estacionalidades, etc.

En la práctica, se enfrentará a datos con diferentes frecuencias, como datos mensuales o trimestrales.

Leer Principio y práctica de la previsión para conocer las aplicaciones de la previsión.

• Predicción estadística moderna y aprendizaje automático

Este curso aumentará sus posibilidades de conseguir un trabajo bien remunerado. El aprendizaje automático está correlacionado con salarios más altos que la estadística clásica. Definitivamente vale la pena conocer cosas como los datos de entrenamiento y de prueba. Siempre construirás un modelo y lo probarás.

También se debe a la importancia del Aprendizaje Automático que esta página se llame CrossValidated. jajaja

TAMBIÉN ES ÚTIL:

• Modelado lineal: Teoría y Aplicaciones
• Introducción al Análisis Econométrico (Matrícula cruzada entre Stats y Econ)

Estos cursos me parecen bastante similares. Supongo que ambos se ocupan principalmente de los datos longitudinales y de los datos del panel. Sin embargo, la mayoría de los problemas de regresión a los que te enfrentarás como científico de datos tienen que ver con las series temporales. Sólo tuve un proyecto con el modelo de selección Heckman/regresión Tobit y algunas cosas pequeñas en las que me enfrenté a datos de conteo y análisis de supervivencia. En general, las tareas de clasificación están más extendidas en mi empresa que las de regresión.

Es muy probable que trabaje en equipo con matemáticos, estadísticos e informáticos. No se limitarán a los modelos econométricos. No obstante, un sólido conocimiento de los modelos lineales y el análisis econométrico le ayudará a tratar las series temporales y las previsiones.

También depende del lenguaje de programación que prefieras. R (y aún más particularmente Stata) son muy útiles para los modelos de regresión. Python es bastante útil para otras tareas.

Como ya dijo Michael Chernick, las cuestiones microeconométricas se utilizan mucho en los seguros. Si trabajas en un departamento de seguros de vida, el análisis de supervivencia será crucial. Sin embargo, la mayoría de los científicos de datos no se enfrentan a estas tareas.

Puedes pasar por esto curso de fundamentos econométricos aplicados de la UCLA y reflexiona en qué medida te enfrentarás a estas cuestiones en tu futuro trabajo.

MÁS BIEN IRRELEVANTE:

• Procesos estocásticos (paseos aleatorios, cadenas de Markov de tiempo discreto, procesos de Poisson)

Esto será apenas útil como Científico de Datos. Quizá puedas enfrentarte a estos modelos si trabajas en un departamento de finanzas cuantitativas de un banco.

• Teoría de los juegos

La teoría de los juegos es un concepto teórico que apenas se aplica directamente en la práctica. En la investigación económica y psicológica puede ser útil, pero no está en el ámbito clásico de un científico de datos.

No dude en preguntar si debo ser más específico sobre algunos cursos.

Answer 4

Como alguien que trabaja para un banco en un papel cuantitativo, no estoy de acuerdo con las otras respuestas. Los procesos estocásticos son muy importantes. Un buen conocimiento de los procesos estocásticos te permite entender la intuición detrás de muchas de las otras clases que mencionas, especialmente los modelos de series temporales. También es un diferenciador (en mi experiencia, un buen conocimiento de los procesos estocásticos es poco frecuente).

Yo tomaría

1. Procesos estocásticos
2. Predicción estadística moderna y aprendizaje automático
3. Modelado lineal: Teoría y Aplicaciones