R*******0
发帖数: 1866 | 1 貌似quant都要求C++,那CS转这个不是perfect? 为什么貌似CS转这个的人很少啊。 | d******w
发帖数: 102 | 2 因为现在CS的很多都用Java，C#神马的了
【在 R*******0 的大作中提到】
: 貌似quant都要求C++,那CS转这个不是perfect? 为什么貌似CS转这个的人很少啊。
| m**********4
发帖数: 774 | 3 我个人不认同这个说法。我本人就是不会c++,只会java,照样有几个offer.c++和java在
本质上是很类似的，语法微小的不同根本不是重点。每次我都跟面试官说我不会c++,他
们都很ok. 何况面试的时候很多是算法题，你用python 能写出来都行。
其实quant里学cs的人非常多。但最本质的问题是，想去的人太多。华尔街的人没办法
，只好拿degree什么来区分人。很多工作根本不需要phd,即使需要，也干吗非得是ivy
league phd? 拿degree,学校名头来区分人是在不了解人实际能力的情况下，硬生生地
划的一道坎。
另外，很多人偏见比较大。比如你是学cs的，就认定你除了编程，别的都不咋样。他们
自以为quant是一个对数学要求很高的行业，所以貌似只有学quant finance的人才能这
么“well rounded" 。这就好比如果你没有mba,他们就认定你交际能力，personal
skills 不如那些 mba的人一样。
【在 d******w 的大作中提到】
: 因为现在CS的很多都用Java，C#神马的了
| R*******0
发帖数: 1866 | 4 懂了 所以本质上讲只要你懂一点数学，懂一点编程，懂一点finance就可以了。只是现
在想去的人搞得水涨船高。。。哎
ivy
【在 m**********4 的大作中提到】
: 我个人不认同这个说法。我本人就是不会c++,只会java,照样有几个offer.c++和java在
: 本质上是很类似的，语法微小的不同根本不是重点。每次我都跟面试官说我不会c++,他
: 们都很ok. 何况面试的时候很多是算法题，你用python 能写出来都行。
: 其实quant里学cs的人非常多。但最本质的问题是，想去的人太多。华尔街的人没办法
: ，只好拿degree什么来区分人。很多工作根本不需要phd,即使需要，也干吗非得是ivy
: league phd? 拿degree,学校名头来区分人是在不了解人实际能力的情况下，硬生生地
: 划的一道坎。
: 另外，很多人偏见比较大。比如你是学cs的，就认定你除了编程，别的都不咋样。他们
: 自以为quant是一个对数学要求很高的行业，所以貌似只有学quant finance的人才能这
: 么“well rounded" 。这就好比如果你没有mba,他们就认定你交际能力，personal
| d**********n
发帖数: 16 | 5 其实很多CS PHD的数学是非常NB的，尤其Graphics, AI, Theory,只不过Stochastic在
CS自己的领域里应用较少，所以学的人不多，好像解微分方程，通常也就Graphics里模
拟流体(电影里动画做成的海啸)的时候用用，其它真用的不多。
现在AI走的是Data-Driven的路线,不是Model-Driven。不是先想个model,再用data验证
,而是根本没model, 靠黑盒(svm, adaboost, decision-tree,bayesian..) 再加海量
data, train出来的。 70,80年代,搞人脸识别,文章分类的人也用过微分方程,和一些物
理研究的手段,都失败了,90年代bayesian学派兴起之后,逐渐开始了Data-Driven的策略
,现在的kinect, 照相机的人脸detection, google的各种关于文章的分类,翻译,都是这
些东西的产物。
不过感觉现在很多HF也开始Data-Driven的策略了。 | R*******0
发帖数: 1866 | 6 所以数学更重要，编程只不过是一个tool对吧？
【在 d**********n 的大作中提到】
: 其实很多CS PHD的数学是非常NB的，尤其Graphics, AI, Theory,只不过Stochastic在
: CS自己的领域里应用较少，所以学的人不多，好像解微分方程，通常也就Graphics里模
: 拟流体(电影里动画做成的海啸)的时候用用，其它真用的不多。
: 现在AI走的是Data-Driven的路线,不是Model-Driven。不是先想个model,再用data验证
: ,而是根本没model, 靠黑盒(svm, adaboost, decision-tree,bayesian..) 再加海量
: data, train出来的。 70,80年代,搞人脸识别,文章分类的人也用过微分方程,和一些物
: 理研究的手段,都失败了,90年代bayesian学派兴起之后,逐渐开始了Data-Driven的策略
: ,现在的kinect, 照相机的人脸detection, google的各种关于文章的分类,翻译,都是这
: 些东西的产物。
: 不过感觉现在很多HF也开始Data-Driven的策略了。
| EM
发帖数: 715 | 7 现实是：编程更重要，数学只不过是一个tool
【在 R*******0 的大作中提到】
: 所以数学更重要，编程只不过是一个tool对吧？
| R*******0
发帖数: 1866 | 8 那金融就是一个background了 哈哈
【在 EM 的大作中提到】
: 现实是：编程更重要，数学只不过是一个tool
| EM
发帖数: 715 | 9 我觉得金融就是现学现用呗
【在 R*******0 的大作中提到】
: 那金融就是一个background了 哈哈
| w**********y
发帖数: 1691 | 10 忍不了来冒个泡.尼玛,data-driven != blackblox 好不好...
svm, adaboost..是黑盒? 确定么??
svm是标准的非线性变换(kernel trick)和二次优化的应用..
adaboost最开始提出的时候是因为empirical results很好,怎么都不overfit..
后来火起来还是因为理论上面找到了强大支持..adaboost 实际等价于把exponential
loss当作优化目标的additive model.这样才有了logitboost..gradientboost...
听说(?)kinect的核心算法应该是random forest.这也是标准的data driven而非黑盒..
如果非要说黑盒,AI里面的黑盒是Neutral Network, Genetic Algorithm,
Reinforcement Learning这些东西..
【在 d**********n 的大作中提到】
: 其实很多CS PHD的数学是非常NB的，尤其Graphics, AI, Theory,只不过Stochastic在
: CS自己的领域里应用较少，所以学的人不多，好像解微分方程，通常也就Graphics里模
: 拟流体(电影里动画做成的海啸)的时候用用，其它真用的不多。
: 现在AI走的是Data-Driven的路线,不是Model-Driven。不是先想个model,再用data验证
: ,而是根本没model, 靠黑盒(svm, adaboost, decision-tree,bayesian..) 再加海量
: data, train出来的。 70,80年代,搞人脸识别,文章分类的人也用过微分方程,和一些物
: 理研究的手段,都失败了,90年代bayesian学派兴起之后,逐渐开始了Data-Driven的策略
: ,现在的kinect, 照相机的人脸detection, google的各种关于文章的分类,翻译,都是这
: 些东西的产物。
: 不过感觉现在很多HF也开始Data-Driven的策略了。
| | | d**********n
发帖数: 16 | 11 楼上够激动的.....我只是笼统的说说,为论坛贡献微薄之力, 水平有限, 欢迎指正。哈
哈。 | w**********y
发帖数: 1691 | 12 hiahia.. We need the passion!
I am working on the relevant field, with applications in finance. Welcome
for discussion in the future. | p****u
发帖数: 2596 | 13 图论啥时候需要用微风方程了？还是我落伍拉？
【在 d**********n 的大作中提到】
: 其实很多CS PHD的数学是非常NB的，尤其Graphics, AI, Theory,只不过Stochastic在
: CS自己的领域里应用较少，所以学的人不多，好像解微分方程，通常也就Graphics里模
: 拟流体(电影里动画做成的海啸)的时候用用，其它真用的不多。
: 现在AI走的是Data-Driven的路线,不是Model-Driven。不是先想个model,再用data验证
: ,而是根本没model, 靠黑盒(svm, adaboost, decision-tree,bayesian..) 再加海量
: data, train出来的。 70,80年代,搞人脸识别,文章分类的人也用过微分方程,和一些物
: 理研究的手段,都失败了,90年代bayesian学派兴起之后,逐渐开始了Data-Driven的策略
: ,现在的kinect, 照相机的人脸detection, google的各种关于文章的分类,翻译,都是这
: 些东西的产物。
: 不过感觉现在很多HF也开始Data-Driven的策略了。
| p****u
发帖数: 2596 | 14 只有学校里学数学学多了的人才这么想把。好多人都是觉得自己学的最有用，其他的都
没有用，都是tool.
【在 R*******0 的大作中提到】
: 所以数学更重要，编程只不过是一个tool对吧？
| R*******0
发帖数: 1866 | 15 seems to be true
【在 p****u 的大作中提到】
: 只有学校里学数学学多了的人才这么想把。好多人都是觉得自己学的最有用，其他的都
: 没有用，都是tool.
| a****2
发帖数: 1458 | 16 数学只需要几位大牛捣鼓一下就行了，但是具体到每个问题都要编程来解决
【在 EM 的大作中提到】
: 现实是：编程更重要，数学只不过是一个tool
| R********n
发帖数: 519 | 17 核心数学问题只需要大牛，但还有无数实际中的问题并不是完全等同于核心问题，大牛
也不会有时间做这个的
【在 a****2 的大作中提到】
: 数学只需要几位大牛捣鼓一下就行了，但是具体到每个问题都要编程来解决
| C***m
发帖数: 120 | 18 牛人，能给我签个名吗？谢谢
..
【在 w**********y 的大作中提到】
: 忍不了来冒个泡.尼玛,data-driven != blackblox 好不好...
: svm, adaboost..是黑盒? 确定么??
: svm是标准的非线性变换(kernel trick)和二次优化的应用..
: adaboost最开始提出的时候是因为empirical results很好,怎么都不overfit..
: 后来火起来还是因为理论上面找到了强大支持..adaboost 实际等价于把exponential
: loss当作优化目标的additive model.这样才有了logitboost..gradientboost...
: 听说(?)kinect的核心算法应该是random forest.这也是标准的data driven而非黑盒..
: 如果非要说黑盒,AI里面的黑盒是Neutral Network, Genetic Algorithm,
: Reinforcement Learning这些东西..
| z********e
发帖数: 8818 | 19 太喜欢这个主题贴了。你和楼上那位都很牛，排名不分先后。
这种有意思的讨论以后多来点，我给你俩发包子！～
..
【在 w**********y 的大作中提到】
: 忍不了来冒个泡.尼玛,data-driven != blackblox 好不好...
: svm, adaboost..是黑盒? 确定么??
: svm是标准的非线性变换(kernel trick)和二次优化的应用..
: adaboost最开始提出的时候是因为empirical results很好,怎么都不overfit..
: 后来火起来还是因为理论上面找到了强大支持..adaboost 实际等价于把exponential
: loss当作优化目标的additive model.这样才有了logitboost..gradientboost...
: 听说(?)kinect的核心算法应该是random forest.这也是标准的data driven而非黑盒..
: 如果非要说黑盒,AI里面的黑盒是Neutral Network, Genetic Algorithm,
: Reinforcement Learning这些东西..
|
|
