Studia - analiza danych

Jakiś czas temu zostałem inżynierem, od tego czasu pracuję jako fullstack (Java + java w wersji skrypt :D ), jako, że zbliżam się do 30 to chciałbym zrobić zaocznie studia magisterskie, które pozwalają zbliżyć się do tematów analizy danych. Na własną rękę poznaję Scalę i Pythona, ale chciałbym też zdobyć podstawy teoretyczne. Biorę pod uwagę:

1. Analiza danych Big Data na SGH;
2. Informatyka i Ekonometria na AGH (tu mam bliżej)

Znacie jakieś inne uczelnie/kierunki, które można wziąć pod uwagę w takim wypadku? max 300 km od Krakowa.

Krzywy Lew napisał(a):

Jakiś czas temu zostałem inżynierem, od tego czasu pracuję jako fullstack (Java + java w wersji skrypt :D ), jako, że zbliżam się do 30 to chciałbym zrobić zaocznie studia magisterskie, które pozwalają zbliżyć się do tematów analizy danych. Na własną rękę poznaję Scalę i Pythona, ale chciałbym też zdobyć podstawy teoretyczne. Biorę pod uwagę:

1. Analiza danych Big Data na SGH;
2. Informatyka i Ekonometria na AGH (tu mam bliżej)

Znacie jakieś inne uczelnie/kierunki, które można wziąć pod uwagę w takim wypadku? max 300 km od Krakowa.

Aby zdobyć podstawy teoretyczne nie potrzebujesz studiów magisterskich.... są takie mityczne zasoby wiedzy jak książki.... wykłady na studiach to po prostu zrzynka z książek...

a dlaczego chcesz się przekwalifikować z Java Full-Stack na Analityka danych? przecież wiąże się to z mniejszą ilością ofert pracy dostępnych na rynku i niższą płacą. Full-Stack zarabia znacznie lepiej od analityka danych.

Większość kierunków o analizie danych jest legacy. Wyjątkiem jest np. matematyka stosowana na polibudzie, gdzie poza klasyczną matmą od niedawna lecą z R, Pythonem, a nawet Javą. Do tego narzędzia klasy BI i Hadoop. Robią projekty typowo pod "data science" np. text mining, analizy sentymentu, sieci społeczne, grafy jakieś tam...

Generalnie najtrudniej z kursów nauczyć się statystyki, więc pójdź na jakieś studia gdzie uczą zaawansowanej statystyki matematycznej i ekonometrii dynaimcznej.

a dlaczego chcesz się przekwalifikować z Java Full-Stack na Analityka danych? przecież wiąże się to z mniejszą ilością ofert pracy dostępnych na rynku i niższą płacą. Full-Stack zarabia znacznie lepiej od analityka danych.

Dużo bardziej mnie to ciekawi - na studiach miałem bardzo dobre oceny ze statystyki, mimo że moja średnia nie zachwycała. Nigdy nie będę wybitnym Javowcem bo mnie nie jara zabawa Springiem, więc nie sądzę, żeby w data science/ data eng czekaly mnie duzo nizsze zarobki ;)

@Julian_ a czy można w ogóle próbować iść na matematykę magisterską jak się skończylo studia jakiś czas temu i nie robi się nic związanego z matematyką w pracy?

Krzywy Lew napisał(a):

@Julian_ a czy można w ogóle próbować iść na matematykę magisterską jak się skończylo studia jakiś czas temu i nie robi się nic związanego z matematyką w pracy?

W naszym wieku to trochę bez sensu iść na matematyką jak chodzi Ci tylko o kilka przedmiotów statystycznych. Masz inżyniera, HRki nie będą na Ciebie źle patrzeć.
Ucz się z książek, kursów, będzie Ci cięzej (bo community jest bardzo małe i nie ma się kogo spytać) ale dasz radę:

• statystyka opisowa
• statystyka matematyczna
• ekonometria
• ekonometria dynamiczna
• analiza wielowymiarowa
• prognozowanie szeregów czasowych
• algebra liniowa

Polecam te książki (w takiej kolejności):

ido tego jeszcze coś o prognozowaniu i algebrze + ewentualnie badania operacyjne (kombinatoryka).

Nie słuchaj się Juliana on nie ma pojęcia o czym mówi, te publikacje które podał (poza trudnym i bardzo długim elements of statistical learning) to jakieś badziewia polskich dziadków. Jak chcesz iść w kierunku data science (jakimkolwiek tzn. czy analiza obrazu, przetwarzanie tekstu, bankowość) to lecisz najpierw cs229 stanford + nauka pythona (z naciskiem na numpy, pandas, scikit-learn). A potem to już będziesz miał rozeznanie i sam będziesz wiedział co dalej robić. Z podstaw matematycznych to najważniejsza jest probabilistyka, szczególnie z nastawieniem na probabilistykę wielowymiarową (wielu zmiennych). Statystyka stricte to zależy w co pójdziesz, jak bardziej w zastosowania inżynierskie to wystarczy że będziesz rozumiał rzeczy typu metoda największej wiarygodności, p-value, wariancja itp. ważniejsza jest tak naprawde probabilistyka, bo jak ją masz dobrze opanowaną to zrozumienie statystyki to żaden problem. Tak samo z ekonometrią.