s****y
发帖数: 140 | 1 都是有才华有能力的大好青年， 当年也从一批批学霸中脱颖而出跟牛导进牛实验室，
发paper终于熬得PhD毕业， 奈何现在好多都毕业五六年了， 有的也顶着research
scientist／assistant的头衔， 其实本质上也还是一年续一次合同的postdoc, 每次
conference都还是要四处搜寻人脉寻求下一个落脚点。好在其中大部分人也没家庭孩子
什么的， 只要说哪里有opening, 欧洲南美哪里都是说走就走的。
真是何苦呢。。。 |
l****y
发帖数: 4773 | |
D**o
发帖数: 2653 | 3 转行啊，搞点统计经济金融等应用研究。
最近有个中国女生被评为美国30岁一下最有潜力的社科学者之一，她本科是数学。
经济学里面纯理论文章基本都是原来学数学的人在搞。
要是金融会计营销管理这些系，90%的文章就是跑跑数据。经济学里，80%也是。
而且说实话，就算这些高收入的系，拿到街上金融业一比都不算啥。
转专业确实也不容易，但我感觉更多的情形还是自己不想转，虽然原来的专业
找工作也确实困难。到底deep reason是啥我也不知道。
总觉得数学专业，过度宣传一些神人了，可能能吸引很多人舍不得离开。
但反过来讲，统计应该没那么宣传吧？统计我也不熟，但类似数学菲尔兹奖这样的
牛人，经济金融里面也不少，但我感觉大家对他们的崇拜之心也没数学的人那样厉
害，更多的是对这些人挖苦嘲讽（羡慕嫉妒恨吧）。
【在 s****y 的大作中提到】
: 都是有才华有能力的大好青年， 当年也从一批批学霸中脱颖而出跟牛导进牛实验室，
: 发paper终于熬得PhD毕业， 奈何现在好多都毕业五六年了， 有的也顶着research
: scientist／assistant的头衔， 其实本质上也还是一年续一次合同的postdoc, 每次
: conference都还是要四处搜寻人脉寻求下一个落脚点。好在其中大部分人也没家庭孩子
: 什么的， 只要说哪里有opening, 欧洲南美哪里都是说走就走的。
: 真是何苦呢。。。
|
t*******e
发帖数: 172 | 4 数学的圈子，通常是通过不同的技术来确立的。要进入圈子，通常，能够自己把特定技
术学会，做点有意思的结果，还是能够被认同的。
其他学科的圈子，更多的是带不带你玩。最典型的就是经济，大家都说的没有办法验证
/证实的东西，谁好谁坏，完全是小部分人说了算。根本没有什么神人这种说法。所谓
的神人，也都是所谓的‘科学活动家’。你可以把其中的某些人的结果来出来仔细读一
下，就会发现，都是数学上trivial的，但是人家标榜，对实际重要问题有大的影响。
但是,什么是大的影响，什么是重要问题?who knows 除了一小部分有共识外，其他的完
全就是胡扯。
不过社会上大部分圈子都是这个样子，要进入圈子，就要早入行。张这样的例子，也只
有数学才可能发生。
【在 D**o 的大作中提到】
: 转行啊，搞点统计经济金融等应用研究。
: 最近有个中国女生被评为美国30岁一下最有潜力的社科学者之一，她本科是数学。
: 经济学里面纯理论文章基本都是原来学数学的人在搞。
: 要是金融会计营销管理这些系，90%的文章就是跑跑数据。经济学里，80%也是。
: 而且说实话，就算这些高收入的系，拿到街上金融业一比都不算啥。
: 转专业确实也不容易，但我感觉更多的情形还是自己不想转，虽然原来的专业
: 找工作也确实困难。到底deep reason是啥我也不知道。
: 总觉得数学专业，过度宣传一些神人了，可能能吸引很多人舍不得离开。
: 但反过来讲，统计应该没那么宣传吧？统计我也不熟，但类似数学菲尔兹奖这样的
: 牛人，经济金融里面也不少，但我感觉大家对他们的崇拜之心也没数学的人那样厉
|
w*q
发帖数: 1544 | 5 这话说的很有道理啊。
【在 t*******e 的大作中提到】
: 数学的圈子，通常是通过不同的技术来确立的。要进入圈子，通常，能够自己把特定技
: 术学会，做点有意思的结果，还是能够被认同的。
: 其他学科的圈子，更多的是带不带你玩。最典型的就是经济，大家都说的没有办法验证
: /证实的东西，谁好谁坏，完全是小部分人说了算。根本没有什么神人这种说法。所谓
: 的神人，也都是所谓的‘科学活动家’。你可以把其中的某些人的结果来出来仔细读一
: 下，就会发现，都是数学上trivial的，但是人家标榜，对实际重要问题有大的影响。
: 但是,什么是大的影响，什么是重要问题?who knows 除了一小部分有共识外，其他的完
: 全就是胡扯。
: 不过社会上大部分圈子都是这个样子，要进入圈子，就要早入行。张这样的例子，也只
: 有数学才可能发生。
|
s****y
发帖数: 140 | 6 也不是那么好转行的。 转金融从外面看像是都是数学， 但其实那么多数学分支有几个
正好做stochastic calculus外加编程巨牛的， 大部分人的research跟统计都不好沾边
额。
而且我也不了解那么多人毕业五六年了还在博后是为什么， 估计还是对最终能tenure
心存残念吧。 还见过一些都四五十岁了， 还在到处找这种一年一续的合同的， 找的
导师都能比自己还小一截， 看着都觉得不容易。 博后做久了， 转行重新再去学个
master ？ 我估计很多人心理上也承受不了这个从scientist到master student的落差。
【在 D**o 的大作中提到】
: 转行啊，搞点统计经济金融等应用研究。
: 最近有个中国女生被评为美国30岁一下最有潜力的社科学者之一，她本科是数学。
: 经济学里面纯理论文章基本都是原来学数学的人在搞。
: 要是金融会计营销管理这些系，90%的文章就是跑跑数据。经济学里，80%也是。
: 而且说实话，就算这些高收入的系，拿到街上金融业一比都不算啥。
: 转专业确实也不容易，但我感觉更多的情形还是自己不想转，虽然原来的专业
: 找工作也确实困难。到底deep reason是啥我也不知道。
: 总觉得数学专业，过度宣传一些神人了，可能能吸引很多人舍不得离开。
: 但反过来讲，统计应该没那么宣传吧？统计我也不熟，但类似数学菲尔兹奖这样的
: 牛人，经济金融里面也不少，但我感觉大家对他们的崇拜之心也没数学的人那样厉
|
L****e
发帖数: 499 | |
D**o
发帖数: 2653 | 8 也是，当年我一个同学研究要用到stochastic calculus，就去找数学系的老师
要他们开课，结果他们调查一圈说愿意上的学生不多，不够开课。
不过这哥们后来学到手，吃香喝辣的
不好转金融PhD是事实，一个系录取就2、3个，申请4,5百。
而且也不保证都玩得转，田刚的一个博士生，奥数金牌，读了Duffie的金融博士（
stanford)，研究做得也一般, 理论搞不出，成了跑数据的。反而他一个小师弟，本科
牛津数学，直接读博士，一毕业发的的几篇理论文章已经够MIT的tenure标准了。实际
上用到的数学，在经济理论这块还算不上啥。
tenure
差。
【在 s****y 的大作中提到】
: 也不是那么好转行的。 转金融从外面看像是都是数学， 但其实那么多数学分支有几个
: 正好做stochastic calculus外加编程巨牛的， 大部分人的research跟统计都不好沾边
: 额。
: 而且我也不了解那么多人毕业五六年了还在博后是为什么， 估计还是对最终能tenure
: 心存残念吧。 还见过一些都四五十岁了， 还在到处找这种一年一续的合同的， 找的
: 导师都能比自己还小一截， 看着都觉得不容易。 博后做久了， 转行重新再去学个
: master ？ 我估计很多人心理上也承受不了这个从scientist到master student的落差。
|
D**o
发帖数: 2653 | 9 你这种心态很能说明问题。你说的有一定道理，但依然错误居多。事实是，
哪怕在你眼里再简单的东西，要玩好也是有竞争的。胡扯也要有观众，有人愿意买单。
另外你去看看econometrica等top5上的文章，技术性是很强的。你要写出一篇，在美国
50名以后的学校你就tenure了。
经济学研究运用数学技术最复杂的是在70年代，现在那些文章都飞灰湮灭了。纯理论
现在也就少部分人玩。绝大部分圈内人也觉得那些研究毫无意义。
经济的东西不是没法验证，而是社会科学的本质，一切数据都是内生，要厘清
因果关系很难，但发展出来这么多年，研究成果也非常丰富，对政策的影响是实实在
在的，控制的社会资源是大大的。
抱着这种数学高人一切的想法的，活该工作难找，收入还低。自己要是享受也罢了，
连累老婆孩子就可怜了。
我也就是说说而已，我前面也说了经济金融混学术圈的，拿到街上啥都算不上。数学的
神人，我们也是佩服的，但是空有屠龙刀也不是生活。
【在 t*******e 的大作中提到】
: 数学的圈子，通常是通过不同的技术来确立的。要进入圈子，通常，能够自己把特定技
: 术学会，做点有意思的结果，还是能够被认同的。
: 其他学科的圈子，更多的是带不带你玩。最典型的就是经济，大家都说的没有办法验证
: /证实的东西，谁好谁坏，完全是小部分人说了算。根本没有什么神人这种说法。所谓
: 的神人，也都是所谓的‘科学活动家’。你可以把其中的某些人的结果来出来仔细读一
: 下，就会发现，都是数学上trivial的，但是人家标榜，对实际重要问题有大的影响。
: 但是,什么是大的影响，什么是重要问题?who knows 除了一小部分有共识外，其他的完
: 全就是胡扯。
: 不过社会上大部分圈子都是这个样子，要进入圈子，就要早入行。张这样的例子，也只
: 有数学才可能发生。
|
t*******e
发帖数: 172 | 10 别搞笑了，econometric,要不要我给你指出几篇用MCMC做inference的？Kalman filter
在2003年还有什么技术上的难度呢？
nature中用Gibbs sampling 之内做生物信息的，理论上又有多难？
当然了，你又要说，找到合适的问题才是重要的。发现问题才是做科学最重要的。这个
当然重要,数学技术不重要。 这个不正是前段时间恽和他的学生之间的争论的原因？做
数学的看问题角度和所谓的做应用的角度不同导致了这个争议。
做经济/金融的不是看你做了什么，而是看是谁做的，这种例子到处都是。
大家发文章都找牛人挂名，这种事情，在数学中难道不是最少见的？
胡扯要有观众，当然是对的，你要是前core,扯八荣八耻，也有大把人买单。但你要是
一无名之辈，你扯八荣八耻，有人买单么？经济学中不就是这样子？你要有大佬捧，用
MCMC随便算点什么也是top5. 如果你推崇的就是科学活动家，学以致用， 那我们可以
单说。
这里只是说，转行的障碍不在于其他行业有多难，而在于人家是不是带你玩。要有人带
你玩，学数学的转行还是相对容易的。对于自己不愿意转行的，那就是另外的故事了。
【在 D**o 的大作中提到】
: 你这种心态很能说明问题。你说的有一定道理，但依然错误居多。事实是，
: 哪怕在你眼里再简单的东西，要玩好也是有竞争的。胡扯也要有观众，有人愿意买单。
: 另外你去看看econometrica等top5上的文章，技术性是很强的。你要写出一篇，在美国
: 50名以后的学校你就tenure了。
: 经济学研究运用数学技术最复杂的是在70年代，现在那些文章都飞灰湮灭了。纯理论
: 现在也就少部分人玩。绝大部分圈内人也觉得那些研究毫无意义。
: 经济的东西不是没法验证，而是社会科学的本质，一切数据都是内生，要厘清
: 因果关系很难，但发展出来这么多年，研究成果也非常丰富，对政策的影响是实实在
: 在的，控制的社会资源是大大的。
: 抱着这种数学高人一切的想法的，活该工作难找，收入还低。自己要是享受也罢了，
|
|
|
D**o
发帖数: 2653 | 11 要说牛人挂名，我可以告诉你经济里技术类的文章是最不需要的。牛人挂名的基本是跑
数据的。所以别找那些借口。你别告诉我你要做数学是应该数学文章不需要牛人挂名
这点。
我们观点的区别在于，你认为数学技术高，瞧不起别的，我觉得技术高低我觉得一
点意义都没有，我搞不出来的技术，就是好技术。你觉得那些技术简单，文章你咋没去
写。
混得好的，手上钱多的，下面学生多的，都是没技术跑数据的，虽然我也挺瞧不起90%
跑数据的，但我可以承认剩下的那10%的研究还是很重要的。
而且我可以告诉你，金融会计到现在跑数据都还不用公开数据和程序呢，是不是可以更
加鄙视啦。
现实是本科学数学转什么专业都容易，但数学读完博士要转就真难了，显然不是技术的
问题，而是思维已经定型了。
我也就是一建议，数学本科转经济金融好混。你们热爱数学可以，将来记得把这个道理
告诉孩子。孩子真是天才，就去攀登数学的高峰吧。
filter
【在 t*******e 的大作中提到】
: 别搞笑了，econometric,要不要我给你指出几篇用MCMC做inference的？Kalman filter
: 在2003年还有什么技术上的难度呢？
: nature中用Gibbs sampling 之内做生物信息的，理论上又有多难？
: 当然了，你又要说，找到合适的问题才是重要的。发现问题才是做科学最重要的。这个
: 当然重要,数学技术不重要。 这个不正是前段时间恽和他的学生之间的争论的原因？做
: 数学的看问题角度和所谓的做应用的角度不同导致了这个争议。
: 做经济/金融的不是看你做了什么，而是看是谁做的，这种例子到处都是。
: 大家发文章都找牛人挂名，这种事情，在数学中难道不是最少见的？
: 胡扯要有观众，当然是对的，你要是前core,扯八荣八耻，也有大把人买单。但你要是
: 一无名之辈，你扯八荣八耻，有人买单么？经济学中不就是这样子？你要有大佬捧，用
|
p***c
发帖数: 2403 | 12 在经济理论上，想法、问题和技术都是关键的因素，Econometrica上的文章有些的技术
性也是很强的。比如那么多Folk theorem的文章，问题就是放在那里的，就看谁能证出
来了。那里面用的数学，未必是非常尖端高深的，但是解决问题的想法和思路是绝对需
要深厚的数学修养的。
filter
【在 t*******e 的大作中提到】
: 别搞笑了，econometric,要不要我给你指出几篇用MCMC做inference的？Kalman filter
: 在2003年还有什么技术上的难度呢？
: nature中用Gibbs sampling 之内做生物信息的，理论上又有多难？
: 当然了，你又要说，找到合适的问题才是重要的。发现问题才是做科学最重要的。这个
: 当然重要,数学技术不重要。 这个不正是前段时间恽和他的学生之间的争论的原因？做
: 数学的看问题角度和所谓的做应用的角度不同导致了这个争议。
: 做经济/金融的不是看你做了什么，而是看是谁做的，这种例子到处都是。
: 大家发文章都找牛人挂名，这种事情，在数学中难道不是最少见的？
: 胡扯要有观众，当然是对的，你要是前core,扯八荣八耻，也有大把人买单。但你要是
: 一无名之辈，你扯八荣八耻，有人买单么？经济学中不就是这样子？你要有大佬捧，用
|
b*******g
发帖数: 363 | 13
经济理论用的数学，大部分就是车鸡吧蛋。
【在 p***c 的大作中提到】
: 在经济理论上，想法、问题和技术都是关键的因素，Econometrica上的文章有些的技术
: 性也是很强的。比如那么多Folk theorem的文章，问题就是放在那里的，就看谁能证出
: 来了。那里面用的数学，未必是非常尖端高深的，但是解决问题的想法和思路是绝对需
: 要深厚的数学修养的。
:
: filter
|
S********8
发帖数: 234 | 14 Exactly! That is why Math and some others are called "hard" science:-)
It is similar to the difference between Gymnastics and Track-and-Field.
【在 w*q 的大作中提到】
: 这话说的很有道理啊。
|
A******e
发帖数: 53 | |
p***c
发帖数: 2403 | 16 无知者无畏
【在 b*******g 的大作中提到】
:
: 经济理论用的数学，大部分就是车鸡吧蛋。
|
g****t
发帖数: 31659 | 17 给说说怎么解决round off error在kalman filter之类方法中的扩散问题。
数学可以看成是跑在理想实数图灵机上的。跟现实工程完全不是一回事。
数学往往可以解决80%的问题。这也是一般人看看科普或者报纸能看懂的工程部分。但
剩下的20%是最卖钱的，也是不会有教科书告诉你怎么做的。
filter
【在 t*******e 的大作中提到】
: 别搞笑了，econometric,要不要我给你指出几篇用MCMC做inference的？Kalman filter
: 在2003年还有什么技术上的难度呢？
: nature中用Gibbs sampling 之内做生物信息的，理论上又有多难？
: 当然了，你又要说，找到合适的问题才是重要的。发现问题才是做科学最重要的。这个
: 当然重要,数学技术不重要。 这个不正是前段时间恽和他的学生之间的争论的原因？做
: 数学的看问题角度和所谓的做应用的角度不同导致了这个争议。
: 做经济/金融的不是看你做了什么，而是看是谁做的，这种例子到处都是。
: 大家发文章都找牛人挂名，这种事情，在数学中难道不是最少见的？
: 胡扯要有观众，当然是对的，你要是前core,扯八荣八耻，也有大把人买单。但你要是
: 一无名之辈，你扯八荣八耻，有人买单么？经济学中不就是这样子？你要有大佬捧，用
|
P*****T
发帖数: 292 | 18 这只是其一
另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
经济大多数问题可能也是这样
再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
【在 g****t 的大作中提到】
: 给说说怎么解决round off error在kalman filter之类方法中的扩散问题。
: 数学可以看成是跑在理想实数图灵机上的。跟现实工程完全不是一回事。
: 数学往往可以解决80%的问题。这也是一般人看看科普或者报纸能看懂的工程部分。但
: 剩下的20%是最卖钱的，也是不会有教科书告诉你怎么做的。
:
: filter
|
D**o
发帖数: 2653 | 19 正解！
简化复杂的世界并建模是最难的一步，
要复杂的话，没有什么比世界本身更复杂。
纯粹看数学技术来判断学科高低，可以说研究的本质都还没搞清楚。
去年诺奖三个人，Fama的东西最简单，纯data mining，他一堆亿万富翁弟子。
同在Chicago的Hansen在金融理论上的模型做得最漂亮，实际用途几乎没有，
Shiller搞的也很简单，但01股价和06年房价崩盘前学术圈就他一个人喊泡沫，
其他论文都说没有。所以这三人Shiller最富裕。
数学看不起经济，就和好多经济系教授看不起Fama，Shiller，而又个个推
崇Hansen一样
【在 P*****T 的大作中提到】
: 这只是其一
: 另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
: 经济大多数问题可能也是这样
: 再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
: 可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
: 但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
|
b*******g
发帖数: 363 | 20
不知你说的是那个hansen?
反正uic退休的那个，胡扯蛋。
【在 D**o 的大作中提到】
: 正解！
: 简化复杂的世界并建模是最难的一步，
: 要复杂的话，没有什么比世界本身更复杂。
: 纯粹看数学技术来判断学科高低，可以说研究的本质都还没搞清楚。
: 去年诺奖三个人，Fama的东西最简单，纯data mining，他一堆亿万富翁弟子。
: 同在Chicago的Hansen在金融理论上的模型做得最漂亮，实际用途几乎没有，
: Shiller搞的也很简单，但01股价和06年房价崩盘前学术圈就他一个人喊泡沫，
: 其他论文都说没有。所以这三人Shiller最富裕。
: 数学看不起经济，就和好多经济系教授看不起Fama，Shiller，而又个个推
: 崇Hansen一样
|
|
|
D**o
发帖数: 2653 | 21 Lars Peter Hansen
【在 b*******g 的大作中提到】
:
: 不知你说的是那个hansen?
: 反正uic退休的那个，胡扯蛋。
|
t*********n
发帖数: 296 | 22 本科数学转经济有前途 博士读出来晚了 思维方式研究方法不一样 特别是经济学的感
觉很难培养出来了 转行应该target 狂矿工数据挖掘之类
【在 D**o 的大作中提到】
: 转行啊，搞点统计经济金融等应用研究。
: 最近有个中国女生被评为美国30岁一下最有潜力的社科学者之一，她本科是数学。
: 经济学里面纯理论文章基本都是原来学数学的人在搞。
: 要是金融会计营销管理这些系，90%的文章就是跑跑数据。经济学里，80%也是。
: 而且说实话，就算这些高收入的系，拿到街上金融业一比都不算啥。
: 转专业确实也不容易，但我感觉更多的情形还是自己不想转，虽然原来的专业
: 找工作也确实困难。到底deep reason是啥我也不知道。
: 总觉得数学专业，过度宣传一些神人了，可能能吸引很多人舍不得离开。
: 但反过来讲，统计应该没那么宣传吧？统计我也不熟，但类似数学菲尔兹奖这样的
: 牛人，经济金融里面也不少，但我感觉大家对他们的崇拜之心也没数学的人那样厉
|
y***g
发帖数: 1492 | 23 经济学有个屁前途
你是想说金融吧
【在 t*********n 的大作中提到】
: 本科数学转经济有前途 博士读出来晚了 思维方式研究方法不一样 特别是经济学的感
: 觉很难培养出来了 转行应该target 狂矿工数据挖掘之类
|
g****t
发帖数: 31659 | 24 建模这个太笼统了.
用什么数学知识可以赚大钱?
这个问题的答案里面的数学知识本身,可能一文不值.
这只是其一
另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
经济大多数问题可能也是这样
再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
【在 P*****T 的大作中提到】
: 这只是其一
: 另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
: 经济大多数问题可能也是这样
: 再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
: 可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
: 但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
|
s****y
发帖数: 140 | 25 确实 本科数学是很好转的
当年本科应数班上大部分人master转了金融， 小部分人转了EE／CS／Stats
基本没什么障碍
其实读完博士， 尤其是很多纯做PDE分析解方程之类， 基本再找industry工作都很难
了。再做个三五年博后， 出来就更不用想了， 出不出得来都是问题
【在 t*********n 的大作中提到】
: 本科数学转经济有前途 博士读出来晚了 思维方式研究方法不一样 特别是经济学的感
: 觉很难培养出来了 转行应该target 狂矿工数据挖掘之类
|
f******k
发帖数: 297 | 26 赞！Aumann的很多经典文章在技术上其实不难，难得就难得在他的洞见，能够把一些原
本是比较模糊的概念形式化，然后总结出前人未见的解释。
【在 P*****T 的大作中提到】
: 这只是其一
: 另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
: 经济大多数问题可能也是这样
: 再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
: 可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
: 但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
|
p***c
发帖数: 2403 | 27 你是说agree to disagreeing么:)
【在 f******k 的大作中提到】
: 赞！Aumann的很多经典文章在技术上其实不难，难得就难得在他的洞见，能够把一些原
: 本是比较模糊的概念形式化，然后总结出前人未见的解释。
|
f******k
发帖数: 297 | 28 还有狠多均衡解在认知论上的解释，Talmud破产法的解释。。。
【在 p***c 的大作中提到】
: 你是说agree to disagreeing么:)
|
s****y
发帖数: 140 | 29 都是有才华有能力的大好青年， 当年也从一批批学霸中脱颖而出跟牛导进牛实验室，
发paper终于熬得PhD毕业， 奈何现在好多都毕业五六年了， 有的也顶着research
scientist／assistant的头衔， 其实本质上也还是一年续一次合同的postdoc, 每次
conference都还是要四处搜寻人脉寻求下一个落脚点。好在其中大部分人也没家庭孩子
什么的， 只要说哪里有opening, 欧洲南美哪里都是说走就走的。
真是何苦呢。。。 |
l****y
发帖数: 4773 | |
|
|
D**o
发帖数: 2653 | 31 转行啊，搞点统计经济金融等应用研究。
最近有个中国女生被评为美国30岁一下最有潜力的社科学者之一，她本科是数学。
经济学里面纯理论文章基本都是原来学数学的人在搞。
要是金融会计营销管理这些系，90%的文章就是跑跑数据。经济学里，80%也是。
而且说实话，就算这些高收入的系，拿到街上金融业一比都不算啥。
转专业确实也不容易，但我感觉更多的情形还是自己不想转，虽然原来的专业
找工作也确实困难。到底deep reason是啥我也不知道。
总觉得数学专业，过度宣传一些神人了，可能能吸引很多人舍不得离开。
但反过来讲，统计应该没那么宣传吧？统计我也不熟，但类似数学菲尔兹奖这样的
牛人，经济金融里面也不少，但我感觉大家对他们的崇拜之心也没数学的人那样厉
害，更多的是对这些人挖苦嘲讽（羡慕嫉妒恨吧）。
【在 s****y 的大作中提到】
: 都是有才华有能力的大好青年， 当年也从一批批学霸中脱颖而出跟牛导进牛实验室，
: 发paper终于熬得PhD毕业， 奈何现在好多都毕业五六年了， 有的也顶着research
: scientist／assistant的头衔， 其实本质上也还是一年续一次合同的postdoc, 每次
: conference都还是要四处搜寻人脉寻求下一个落脚点。好在其中大部分人也没家庭孩子
: 什么的， 只要说哪里有opening, 欧洲南美哪里都是说走就走的。
: 真是何苦呢。。。
|
t*******e
发帖数: 172 | 32 数学的圈子，通常是通过不同的技术来确立的。要进入圈子，通常，能够自己把特定技
术学会，做点有意思的结果，还是能够被认同的。
其他学科的圈子，更多的是带不带你玩。最典型的就是经济，大家都说的没有办法验证
/证实的东西，谁好谁坏，完全是小部分人说了算。根本没有什么神人这种说法。所谓
的神人，也都是所谓的‘科学活动家’。你可以把其中的某些人的结果来出来仔细读一
下，就会发现，都是数学上trivial的，但是人家标榜，对实际重要问题有大的影响。
但是,什么是大的影响，什么是重要问题?who knows 除了一小部分有共识外，其他的完
全就是胡扯。
不过社会上大部分圈子都是这个样子，要进入圈子，就要早入行。张这样的例子，也只
有数学才可能发生。
【在 D**o 的大作中提到】
: 转行啊，搞点统计经济金融等应用研究。
: 最近有个中国女生被评为美国30岁一下最有潜力的社科学者之一，她本科是数学。
: 经济学里面纯理论文章基本都是原来学数学的人在搞。
: 要是金融会计营销管理这些系，90%的文章就是跑跑数据。经济学里，80%也是。
: 而且说实话，就算这些高收入的系，拿到街上金融业一比都不算啥。
: 转专业确实也不容易，但我感觉更多的情形还是自己不想转，虽然原来的专业
: 找工作也确实困难。到底deep reason是啥我也不知道。
: 总觉得数学专业，过度宣传一些神人了，可能能吸引很多人舍不得离开。
: 但反过来讲，统计应该没那么宣传吧？统计我也不熟，但类似数学菲尔兹奖这样的
: 牛人，经济金融里面也不少，但我感觉大家对他们的崇拜之心也没数学的人那样厉
|
w*q
发帖数: 1544 | 33 这话说的很有道理啊。
【在 t*******e 的大作中提到】
: 数学的圈子，通常是通过不同的技术来确立的。要进入圈子，通常，能够自己把特定技
: 术学会，做点有意思的结果，还是能够被认同的。
: 其他学科的圈子，更多的是带不带你玩。最典型的就是经济，大家都说的没有办法验证
: /证实的东西，谁好谁坏，完全是小部分人说了算。根本没有什么神人这种说法。所谓
: 的神人，也都是所谓的‘科学活动家’。你可以把其中的某些人的结果来出来仔细读一
: 下，就会发现，都是数学上trivial的，但是人家标榜，对实际重要问题有大的影响。
: 但是,什么是大的影响，什么是重要问题?who knows 除了一小部分有共识外，其他的完
: 全就是胡扯。
: 不过社会上大部分圈子都是这个样子，要进入圈子，就要早入行。张这样的例子，也只
: 有数学才可能发生。
|
s****y
发帖数: 140 | 34 也不是那么好转行的。 转金融从外面看像是都是数学， 但其实那么多数学分支有几个
正好做stochastic calculus外加编程巨牛的， 大部分人的research跟统计都不好沾边
额。
而且我也不了解那么多人毕业五六年了还在博后是为什么， 估计还是对最终能tenure
心存残念吧。 还见过一些都四五十岁了， 还在到处找这种一年一续的合同的， 找的
导师都能比自己还小一截， 看着都觉得不容易。 博后做久了， 转行重新再去学个
master ？ 我估计很多人心理上也承受不了这个从scientist到master student的落差。
【在 D**o 的大作中提到】
: 转行啊，搞点统计经济金融等应用研究。
: 最近有个中国女生被评为美国30岁一下最有潜力的社科学者之一，她本科是数学。
: 经济学里面纯理论文章基本都是原来学数学的人在搞。
: 要是金融会计营销管理这些系，90%的文章就是跑跑数据。经济学里，80%也是。
: 而且说实话，就算这些高收入的系，拿到街上金融业一比都不算啥。
: 转专业确实也不容易，但我感觉更多的情形还是自己不想转，虽然原来的专业
: 找工作也确实困难。到底deep reason是啥我也不知道。
: 总觉得数学专业，过度宣传一些神人了，可能能吸引很多人舍不得离开。
: 但反过来讲，统计应该没那么宣传吧？统计我也不熟，但类似数学菲尔兹奖这样的
: 牛人，经济金融里面也不少，但我感觉大家对他们的崇拜之心也没数学的人那样厉
|
L****e
发帖数: 499 | |
D**o
发帖数: 2653 | 36 也是，当年我一个同学研究要用到stochastic calculus，就去找数学系的老师
要他们开课，结果他们调查一圈说愿意上的学生不多，不够开课。
不过这哥们后来学到手，吃香喝辣的
不好转金融PhD是事实，一个系录取就2、3个，申请4,5百。
而且也不保证都玩得转，田刚的一个博士，奥数金牌，毕业后又花5年读了Duffie的金
融博士（stanford)，研究做得也一般, 理论搞不出，成了跑数据的。反而他一个小师
弟，本科牛津数学，直接读博士，一毕业发的的几篇理论文章已经够MIT的tenure标准
了。实际
上用到的数学，在经济理论这块还算不上啥。
tenure
差。
【在 s****y 的大作中提到】
: 也不是那么好转行的。 转金融从外面看像是都是数学， 但其实那么多数学分支有几个
: 正好做stochastic calculus外加编程巨牛的， 大部分人的research跟统计都不好沾边
: 额。
: 而且我也不了解那么多人毕业五六年了还在博后是为什么， 估计还是对最终能tenure
: 心存残念吧。 还见过一些都四五十岁了， 还在到处找这种一年一续的合同的， 找的
: 导师都能比自己还小一截， 看着都觉得不容易。 博后做久了， 转行重新再去学个
: master ？ 我估计很多人心理上也承受不了这个从scientist到master student的落差。
|
D**o
发帖数: 2653 | 37 你这种心态很能说明问题。你说的有一定道理，但依然错误居多。事实是，
哪怕在你眼里再简单的东西，要玩好也是有竞争的。胡扯也要有观众，有人愿意买单。
另外你去看看econometrica等top5上的文章，技术性是很强的。你要写出一篇，在美国
50名以后的学校你就tenure了。
经济学研究运用数学技术最复杂的是在70年代，现在那些文章都飞灰湮灭了。纯理论
现在也就少部分人玩。绝大部分圈内人也觉得那些研究毫无意义。
经济的东西不是没法验证，而是社会科学的本质，一切数据都是内生，要厘清
因果关系很难，但发展出来这么多年，研究成果也非常丰富，对政策的影响是实实在
在的，控制的社会资源是大大的。
抱着这种数学高人一切的想法的，活该工作难找，收入还低。自己要是享受也罢了，
连累老婆孩子就可怜了。
我也就是说说而已，我前面也说了经济金融混学术圈的，拿到街上啥都算不上。数学的
神人，我们也是佩服的，但是空有屠龙刀也不是生活。
要觉得我的话刺耳，经济金融瞧不上，那就直接回到楼主的问题吧。
【在 t*******e 的大作中提到】
: 数学的圈子，通常是通过不同的技术来确立的。要进入圈子，通常，能够自己把特定技
: 术学会，做点有意思的结果，还是能够被认同的。
: 其他学科的圈子，更多的是带不带你玩。最典型的就是经济，大家都说的没有办法验证
: /证实的东西，谁好谁坏，完全是小部分人说了算。根本没有什么神人这种说法。所谓
: 的神人，也都是所谓的‘科学活动家’。你可以把其中的某些人的结果来出来仔细读一
: 下，就会发现，都是数学上trivial的，但是人家标榜，对实际重要问题有大的影响。
: 但是,什么是大的影响，什么是重要问题?who knows 除了一小部分有共识外，其他的完
: 全就是胡扯。
: 不过社会上大部分圈子都是这个样子，要进入圈子，就要早入行。张这样的例子，也只
: 有数学才可能发生。
|
t*******e
发帖数: 172 | 38 别搞笑了，econometric,要不要我给你指出几篇用MCMC做inference的？Kalman filter
在2003年还有什么技术上的难度呢？
nature中用Gibbs sampling 之内做生物信息的，理论上又有多难？
当然了，你又要说，找到合适的问题才是重要的。发现问题才是做科学最重要的。这个
当然重要,数学技术不重要。 这个不正是前段时间恽和他的学生之间的争论的原因？做
数学的看问题角度和所谓的做应用的角度不同导致了这个争议。
做经济/金融的不是看你做了什么，而是看是谁做的，这种例子到处都是。
大家发文章都找牛人挂名，这种事情，在数学中难道不是最少见的？
胡扯要有观众，当然是对的，你要是前core,扯八荣八耻，也有大把人买单。但你要是
一无名之辈，你扯八荣八耻，有人买单么？经济学中不就是这样子？你要有大佬捧，用
MCMC随便算点什么也是top5. 如果你推崇的就是科学活动家，学以致用， 那我们可以
单说。
这里只是说，转行的障碍不在于其他行业有多难，而在于人家是不是带你玩。要有人带
你玩，学数学的转行还是相对容易的。对于自己不愿意转行的，那就是另外的故事了。
【在 D**o 的大作中提到】
: 你这种心态很能说明问题。你说的有一定道理，但依然错误居多。事实是，
: 哪怕在你眼里再简单的东西，要玩好也是有竞争的。胡扯也要有观众，有人愿意买单。
: 另外你去看看econometrica等top5上的文章，技术性是很强的。你要写出一篇，在美国
: 50名以后的学校你就tenure了。
: 经济学研究运用数学技术最复杂的是在70年代，现在那些文章都飞灰湮灭了。纯理论
: 现在也就少部分人玩。绝大部分圈内人也觉得那些研究毫无意义。
: 经济的东西不是没法验证，而是社会科学的本质，一切数据都是内生，要厘清
: 因果关系很难，但发展出来这么多年，研究成果也非常丰富，对政策的影响是实实在
: 在的，控制的社会资源是大大的。
: 抱着这种数学高人一切的想法的，活该工作难找，收入还低。自己要是享受也罢了，
|
D**o
发帖数: 2653 | 39 要说牛人挂名，我可以告诉你经济里技术类的文章是最不需要的。牛人挂名的基本是跑
数据的。所以别找那些借口。你别告诉我你要做数学是应该数学文章不需要牛人挂名
这点。
我们观点的区别在于，你认为数学技术高，瞧不起别的，我觉得技术高低我觉得一
点意义都没有，我搞不出来的技术，就是好技术。你觉得那些技术简单，文章你咋没去
写。
混得好的，手上钱多的，下面学生多的，都是没技术跑数据的，虽然我也挺瞧不起90%
跑数据的，但我可以承认剩下的那10%的研究还是很重要的。
而且我可以告诉你，金融会计到现在跑数据都还不用公开数据和程序呢，是不是可以更
加鄙视啦。
现实是本科学数学转什么专业都容易，但数学读完博士要转就真难了，显然不是技术的
问题，而是思维已经定型了。
我也就是一建议，数学本科转经济金融好混。你们热爱数学可以，将来记得把这个道理
告诉孩子。孩子真是天才，就去攀登数学的高峰吧。
filter
【在 t*******e 的大作中提到】
: 别搞笑了，econometric,要不要我给你指出几篇用MCMC做inference的？Kalman filter
: 在2003年还有什么技术上的难度呢？
: nature中用Gibbs sampling 之内做生物信息的，理论上又有多难？
: 当然了，你又要说，找到合适的问题才是重要的。发现问题才是做科学最重要的。这个
: 当然重要,数学技术不重要。 这个不正是前段时间恽和他的学生之间的争论的原因？做
: 数学的看问题角度和所谓的做应用的角度不同导致了这个争议。
: 做经济/金融的不是看你做了什么，而是看是谁做的，这种例子到处都是。
: 大家发文章都找牛人挂名，这种事情，在数学中难道不是最少见的？
: 胡扯要有观众，当然是对的，你要是前core,扯八荣八耻，也有大把人买单。但你要是
: 一无名之辈，你扯八荣八耻，有人买单么？经济学中不就是这样子？你要有大佬捧，用
|
p***c
发帖数: 2403 | 40 在经济理论上，想法、问题和技术都是关键的因素，Econometrica上的文章有些的技术
性也是很强的。比如那么多Folk theorem的文章，问题就是放在那里的，就看谁能证出
来了。那里面用的数学，未必是非常尖端高深的，但是解决问题的想法和思路是绝对需
要深厚的数学修养的。
filter
【在 t*******e 的大作中提到】
: 别搞笑了，econometric,要不要我给你指出几篇用MCMC做inference的？Kalman filter
: 在2003年还有什么技术上的难度呢？
: nature中用Gibbs sampling 之内做生物信息的，理论上又有多难？
: 当然了，你又要说，找到合适的问题才是重要的。发现问题才是做科学最重要的。这个
: 当然重要,数学技术不重要。 这个不正是前段时间恽和他的学生之间的争论的原因？做
: 数学的看问题角度和所谓的做应用的角度不同导致了这个争议。
: 做经济/金融的不是看你做了什么，而是看是谁做的，这种例子到处都是。
: 大家发文章都找牛人挂名，这种事情，在数学中难道不是最少见的？
: 胡扯要有观众，当然是对的，你要是前core,扯八荣八耻，也有大把人买单。但你要是
: 一无名之辈，你扯八荣八耻，有人买单么？经济学中不就是这样子？你要有大佬捧，用
|
|
|
b*******g
发帖数: 363 | 41
经济理论用的数学，大部分就是车鸡吧蛋。
【在 p***c 的大作中提到】
: 在经济理论上，想法、问题和技术都是关键的因素，Econometrica上的文章有些的技术
: 性也是很强的。比如那么多Folk theorem的文章，问题就是放在那里的，就看谁能证出
: 来了。那里面用的数学，未必是非常尖端高深的，但是解决问题的想法和思路是绝对需
: 要深厚的数学修养的。
:
: filter
|
A******e
发帖数: 53 | |
p***c
发帖数: 2403 | 43 无知者无畏
【在 b*******g 的大作中提到】
:
: 经济理论用的数学，大部分就是车鸡吧蛋。
|
g****t
发帖数: 31659 | 44 给说说怎么解决round off error在kalman filter之类方法中的扩散问题。
数学可以看成是跑在理想实数图灵机上的。跟现实工程完全不是一回事。
数学往往可以解决80%的问题。这也是一般人看看科普或者报纸能看懂的工程部分。但
剩下的20%是最卖钱的，也是不会有教科书告诉你怎么做的。
filter
【在 t*******e 的大作中提到】
: 别搞笑了，econometric,要不要我给你指出几篇用MCMC做inference的？Kalman filter
: 在2003年还有什么技术上的难度呢？
: nature中用Gibbs sampling 之内做生物信息的，理论上又有多难？
: 当然了，你又要说，找到合适的问题才是重要的。发现问题才是做科学最重要的。这个
: 当然重要,数学技术不重要。 这个不正是前段时间恽和他的学生之间的争论的原因？做
: 数学的看问题角度和所谓的做应用的角度不同导致了这个争议。
: 做经济/金融的不是看你做了什么，而是看是谁做的，这种例子到处都是。
: 大家发文章都找牛人挂名，这种事情，在数学中难道不是最少见的？
: 胡扯要有观众，当然是对的，你要是前core,扯八荣八耻，也有大把人买单。但你要是
: 一无名之辈，你扯八荣八耻，有人买单么？经济学中不就是这样子？你要有大佬捧，用
|
P*****T
发帖数: 292 | 45 这只是其一
另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
经济大多数问题可能也是这样
再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
【在 g****t 的大作中提到】
: 给说说怎么解决round off error在kalman filter之类方法中的扩散问题。
: 数学可以看成是跑在理想实数图灵机上的。跟现实工程完全不是一回事。
: 数学往往可以解决80%的问题。这也是一般人看看科普或者报纸能看懂的工程部分。但
: 剩下的20%是最卖钱的，也是不会有教科书告诉你怎么做的。
:
: filter
|
D**o
发帖数: 2653 | 46 正解！
简化复杂的世界并建模是最难的一步，
要复杂的话，没有什么比世界本身更复杂。
纯粹看数学技术来判断学科高低，可以说研究的本质都还没搞清楚。
去年诺奖三个人，Fama的东西最简单，纯data mining，他一堆亿万富翁弟子。
同在Chicago的Hansen在金融理论上的模型做得最漂亮，实际用途几乎没有，
Shiller搞的也很简单，但01股价和06年房价崩盘前学术圈就他一个人喊泡沫，
其他论文都说没有。所以这三人Shiller最富裕。
数学看不起经济，就和好多经济系教授看不起Fama，Shiller，而又个个推
崇Hansen一样
【在 P*****T 的大作中提到】
: 这只是其一
: 另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
: 经济大多数问题可能也是这样
: 再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
: 可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
: 但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
|
b*******g
发帖数: 363 | 47
不知你说的是那个hansen?
反正uic退休的那个，胡扯蛋。
【在 D**o 的大作中提到】
: 正解！
: 简化复杂的世界并建模是最难的一步，
: 要复杂的话，没有什么比世界本身更复杂。
: 纯粹看数学技术来判断学科高低，可以说研究的本质都还没搞清楚。
: 去年诺奖三个人，Fama的东西最简单，纯data mining，他一堆亿万富翁弟子。
: 同在Chicago的Hansen在金融理论上的模型做得最漂亮，实际用途几乎没有，
: Shiller搞的也很简单，但01股价和06年房价崩盘前学术圈就他一个人喊泡沫，
: 其他论文都说没有。所以这三人Shiller最富裕。
: 数学看不起经济，就和好多经济系教授看不起Fama，Shiller，而又个个推
: 崇Hansen一样
|
D**o
发帖数: 2653 | 48 Lars Peter Hansen
【在 b*******g 的大作中提到】
:
: 不知你说的是那个hansen?
: 反正uic退休的那个，胡扯蛋。
|
t*********n
发帖数: 296 | 49 本科数学转经济有前途 博士读出来晚了 思维方式研究方法不一样 特别是经济学的感
觉很难培养出来了 转行应该target 狂矿工数据挖掘之类
【在 D**o 的大作中提到】
: 转行啊，搞点统计经济金融等应用研究。
: 最近有个中国女生被评为美国30岁一下最有潜力的社科学者之一，她本科是数学。
: 经济学里面纯理论文章基本都是原来学数学的人在搞。
: 要是金融会计营销管理这些系，90%的文章就是跑跑数据。经济学里，80%也是。
: 而且说实话，就算这些高收入的系，拿到街上金融业一比都不算啥。
: 转专业确实也不容易，但我感觉更多的情形还是自己不想转，虽然原来的专业
: 找工作也确实困难。到底deep reason是啥我也不知道。
: 总觉得数学专业，过度宣传一些神人了，可能能吸引很多人舍不得离开。
: 但反过来讲，统计应该没那么宣传吧？统计我也不熟，但类似数学菲尔兹奖这样的
: 牛人，经济金融里面也不少，但我感觉大家对他们的崇拜之心也没数学的人那样厉
|
y***g
发帖数: 1492 | 50 经济学有个屁前途
你是想说金融吧
【在 t*********n 的大作中提到】
: 本科数学转经济有前途 博士读出来晚了 思维方式研究方法不一样 特别是经济学的感
: 觉很难培养出来了 转行应该target 狂矿工数据挖掘之类
|
|
|
g****t
发帖数: 31659 | 51 建模这个太笼统了.
用什么数学知识可以赚大钱?
这个问题的答案里面的数学知识本身,可能一文不值.
很多技术问题是窗户纸捅破了就一钱不值。
但捅破窗户纸这件事，可不是容易做到的。
这只是其一
另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
经济大多数问题可能也是这样
再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
【在 P*****T 的大作中提到】
: 这只是其一
: 另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
: 经济大多数问题可能也是这样
: 再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
: 可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
: 但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
|
s****y
发帖数: 140 | 52 确实 本科数学是很好转的
当年本科应数班上大部分人master转了金融， 小部分人转了EE／CS／Stats
基本没什么障碍
其实读完博士， 尤其是很多纯做PDE分析解方程之类， 基本再找industry工作都很难
了。再做个三五年博后， 出来就更不用想了， 出不出得来都是问题
【在 t*********n 的大作中提到】
: 本科数学转经济有前途 博士读出来晚了 思维方式研究方法不一样 特别是经济学的感
: 觉很难培养出来了 转行应该target 狂矿工数据挖掘之类
|
f******k
发帖数: 297 | 53 赞！Aumann的很多经典文章在技术上其实不难，难得就难得在他的洞见，能够把一些原
本是比较模糊的概念形式化，然后总结出前人未见的解释。
【在 P*****T 的大作中提到】
: 这只是其一
: 另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
: 经济大多数问题可能也是这样
: 再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
: 可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
: 但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
|
p***c
发帖数: 2403 | 54 你是说agree to disagreeing么:)
【在 f******k 的大作中提到】
: 赞！Aumann的很多经典文章在技术上其实不难，难得就难得在他的洞见，能够把一些原
: 本是比较模糊的概念形式化，然后总结出前人未见的解释。
|
f******k
发帖数: 297 | 55 还有狠多均衡解在认知论上的解释，Talmud破产法的解释。。。
【在 p***c 的大作中提到】
: 你是说agree to disagreeing么:)
|
n*******l
发帖数: 2911 | 56 开会又看到了一大批大好青年，关键是跟博士后的人数比起来，tenure track的位置
太少了。或者说，数学博士的人数太多了。
【在 s****y 的大作中提到】
: 都是有才华有能力的大好青年， 当年也从一批批学霸中脱颖而出跟牛导进牛实验室，
: 发paper终于熬得PhD毕业， 奈何现在好多都毕业五六年了， 有的也顶着research
: scientist／assistant的头衔， 其实本质上也还是一年续一次合同的postdoc, 每次
: conference都还是要四处搜寻人脉寻求下一个落脚点。好在其中大部分人也没家庭孩子
: 什么的， 只要说哪里有opening, 欧洲南美哪里都是说走就走的。
: 真是何苦呢。。。
|
B**W
发帖数: 2273 | 57 纯数学的就像华山论剑，高手过招，高低立下，即便是无名小卒，如果技高一筹，也能
名留江湖，让人佩服。一旦玩起儿应用，那就跟做镖局的差不多了。不但靠镖头的真本
事，更多的是名声，气势，帮派，手下兄弟的多寡，还有混黑白两道和忽悠的能力。哪
一种混好了都不容易，但是第一种可能更经得起时间的冲刷，历史地位会更高些，第二
种如果徒子徒孙都散了，剩下的就不多了。
【在 t*******e 的大作中提到】
: 数学的圈子，通常是通过不同的技术来确立的。要进入圈子，通常，能够自己把特定技
: 术学会，做点有意思的结果，还是能够被认同的。
: 其他学科的圈子，更多的是带不带你玩。最典型的就是经济，大家都说的没有办法验证
: /证实的东西，谁好谁坏，完全是小部分人说了算。根本没有什么神人这种说法。所谓
: 的神人，也都是所谓的‘科学活动家’。你可以把其中的某些人的结果来出来仔细读一
: 下，就会发现，都是数学上trivial的，但是人家标榜，对实际重要问题有大的影响。
: 但是,什么是大的影响，什么是重要问题?who knows 除了一小部分有共识外，其他的完
: 全就是胡扯。
: 不过社会上大部分圈子都是这个样子，要进入圈子，就要早入行。张这样的例子，也只
: 有数学才可能发生。
|
k******v
发帖数: 581 | 58 indeed many could still find other jobs. I have many PHD friends in math,
later transferred to quant. making a good money.
【在 s****y 的大作中提到】
: 确实 本科数学是很好转的
: 当年本科应数班上大部分人master转了金融， 小部分人转了EE／CS／Stats
: 基本没什么障碍
: 其实读完博士， 尤其是很多纯做PDE分析解方程之类， 基本再找industry工作都很难
: 了。再做个三五年博后， 出来就更不用想了， 出不出得来都是问题
|
v*******e
发帖数: 11604 | 59
你看看，“没有任何科学家摸到了皮毛”这话说得太满了吧。一看就知道你不是搞这方
面研究的。从你的话你我随便扯两个结论，你看对不对。1你不知道Hebb;2你不知道Oja
(都是人名）。人是怎么思考的？这最后就要着落在他们身上。
【在 P*****T 的大作中提到】
: 这只是其一
: 另一点是数学本身不建模，大多学科真正困难之处未必在数学而是在建模
: 经济大多数问题可能也是这样
: 再举一个更大的问题，人是怎么思考的？如何去建立这个模型？
: 可能n年（n可能会很大）后这个问题解决了并不用到特别艰深的数学
: 但就这个问题的建模难度来说，目前来看是没有任何科学家摸到了皮毛
|
m*****h
发帖数: 2292 | 60 好奇查了一下，Hebb的工作是40年代的，Oja的工作是80年代早期的
目前对人是如何思考的有什么实质进展吗？
deep learning这种完全是engineering的，肯定不是人脑思考问题的模式
人脑是很奇怪的，随便举两点
1.人脑考虑问题很多时候是靠一个灵感顿悟的，而不是靠持续计算的，这点可见老张的
例子，其实我想大家都有类似的体会
2.人有情绪完全就会影响到人脑思考的模式，这个大家应该也都有体会
如果说现在有些摸到皮毛的工作，不知道是如何解释这两点的
Oja
【在 v*******e 的大作中提到】
:
: 你看看，“没有任何科学家摸到了皮毛”这话说得太满了吧。一看就知道你不是搞这方
: 面研究的。从你的话你我随便扯两个结论，你看对不对。1你不知道Hebb;2你不知道Oja
: (都是人名）。人是怎么思考的？这最后就要着落在他们身上。
|
|
|
v*******e
发帖数: 11604 | 61
Hebb -- neurons that fire together, wire together.
Oja -- The Hebbian learning is just Principle Component Analysis，当然，不事
完全线性的，是带阈值的
人脑如何思考，就着落在这两点上。
灵感顿悟----多个选项中的一个过阈值了而已。没有任何神秘之处。
情绪----一些global perimeters而已。我编译一个C程序用的-o2参数还很影响编译速
度和质量呢。和情绪的影响一样。
【在 m*****h 的大作中提到】
: 好奇查了一下，Hebb的工作是40年代的，Oja的工作是80年代早期的
: 目前对人是如何思考的有什么实质进展吗？
: deep learning这种完全是engineering的，肯定不是人脑思考问题的模式
: 人脑是很奇怪的，随便举两点
: 1.人脑考虑问题很多时候是靠一个灵感顿悟的，而不是靠持续计算的，这点可见老张的
: 例子，其实我想大家都有类似的体会
: 2.人有情绪完全就会影响到人脑思考的模式，这个大家应该也都有体会
: 如果说现在有些摸到皮毛的工作，不知道是如何解释这两点的
:
: Oja
|
m*****h
发帖数: 2292 | 62 灵感顿悟应该是人脑思考的主要方式吧（而不是持续计算），仅是多个选项中的一个过
阈值？你的意思是这些本来都是已经计算好的？只要其中一个超过一个阈值就解决问题
了？事实上应该是有了灵感后才在这个点上开始大规模计算的吧，灵感和阈值无关吧？
比如我前段时间听一个talk了解到一个我之前从不知道的东西，突然我想到这个是不是
可以和我的一个看似完全不相关的工作结合去解决其他一个问题。我想这个是0/1的问
题，不是什么阈值的问题，我自己这个例子中就有2个0/1，一是我知不知道这个新东西，
二是我在那个时刻是不是想到它能不能用到其他地方。我知道换个时间我很可能就想不
到，这不是什么阈值的问题，不是说过了什么阈值就一定想到了，可能一生就那个时刻
顿悟到了，即使其他任何背景条件都一样，换个时间点就再也想不到
【在 v*******e 的大作中提到】
:
: Hebb -- neurons that fire together, wire together.
: Oja -- The Hebbian learning is just Principle Component Analysis，当然，不事
: 完全线性的，是带阈值的
: 人脑如何思考，就着落在这两点上。
: 灵感顿悟----多个选项中的一个过阈值了而已。没有任何神秘之处。
: 情绪----一些global perimeters而已。我编译一个C程序用的-o2参数还很影响编译速
: 度和质量呢。和情绪的影响一样。
|
v*******e
发帖数: 11604 | 63 你若有兴趣，自己去读读文献。我这些不是随便说的，是建立在我读过超过3英寸厚
paper的基础上的。灵感顿悟不是天上掉下来的，是建立在积累基础上的。我告诉你你
的想法是错的，我的是对的。我也懒得来教你，我忙着搞人工智能呢。“何背景条件都
一样，换个时间点就再也想不到”你在自相矛盾呢。都换个时间点了，还谈何背景条件
都一样。你如果没听那个talk，哪来的灵感。你如果没花时间想过“其他一个问题”，
哪有什么灵感。真相是你花了许多时间想过“其他一个问题”，但是各个想法都不make
sense。如今听了这个talk,多个选项中的某个想法就因此tip over了。
西，
【在 m*****h 的大作中提到】
: 灵感顿悟应该是人脑思考的主要方式吧（而不是持续计算），仅是多个选项中的一个过
: 阈值？你的意思是这些本来都是已经计算好的？只要其中一个超过一个阈值就解决问题
: 了？事实上应该是有了灵感后才在这个点上开始大规模计算的吧，灵感和阈值无关吧？
: 比如我前段时间听一个talk了解到一个我之前从不知道的东西，突然我想到这个是不是
: 可以和我的一个看似完全不相关的工作结合去解决其他一个问题。我想这个是0/1的问
: 题，不是什么阈值的问题，我自己这个例子中就有2个0/1，一是我知不知道这个新东西，
: 二是我在那个时刻是不是想到它能不能用到其他地方。我知道换个时间我很可能就想不
: 到，这不是什么阈值的问题，不是说过了什么阈值就一定想到了，可能一生就那个时刻
: 顿悟到了，即使其他任何背景条件都一样，换个时间点就再也想不到
|
m*****h
发帖数: 2292 | 64 呵呵，我不是做这个的，但一直对这个感兴趣
其实我所在的地方应该算是全世界做这块做的最好的地方之一
我经常听这方面的talk，不过好像那些大牛的说法并不像你说的那样，呵呵
可能你所在的学派认为自己的方向一定是对的吧
make
【在 v*******e 的大作中提到】
: 你若有兴趣，自己去读读文献。我这些不是随便说的，是建立在我读过超过3英寸厚
: paper的基础上的。灵感顿悟不是天上掉下来的，是建立在积累基础上的。我告诉你你
: 的想法是错的，我的是对的。我也懒得来教你，我忙着搞人工智能呢。“何背景条件都
: 一样，换个时间点就再也想不到”你在自相矛盾呢。都换个时间点了，还谈何背景条件
: 都一样。你如果没听那个talk，哪来的灵感。你如果没花时间想过“其他一个问题”，
: 哪有什么灵感。真相是你花了许多时间想过“其他一个问题”，但是各个想法都不make
: sense。如今听了这个talk,多个选项中的某个想法就因此tip over了。
:
: 西，
|
v*******e
发帖数: 11604 | 65
我也不是做这个的，我这是业余研究，我的自封title是amatuer scientist。多看看文
献就会发现大牛也不过如此。这是人类的最后一个大事件了，如果不参与就太不应该了
。我看你有兴趣就不如也参与吧。而且这是业余研究可以成功的不多领域之一。我讲几
件事情你就知道了。
1. 我自己通过思考得出Hebbian learning是PCA的结论。完全的独立思考结果。然后我
就找到1982年的Oja文章。
2. 然后我又想出supervised learning就只需要把结论和输入一起输入给Oja系统的输
入端。然后我一找，就是5年前的发现而已。
3. 我自己思考的出人脑里面对事物的coding是在一个vast dimension space里面，PCA
也是在这里做的。然后我一查，就是2014年的发现，比我早一年而已。
我还有一些想法，有的还不成熟，有的肯定已经有人做了，有的可能还是新的。我很开
心，我做matuer scientist做得很好。
【在 m*****h 的大作中提到】
: 呵呵，我不是做这个的，但一直对这个感兴趣
: 其实我所在的地方应该算是全世界做这块做的最好的地方之一
: 我经常听这方面的talk，不过好像那些大牛的说法并不像你说的那样，呵呵
: 可能你所在的学派认为自己的方向一定是对的吧
:
: make
|
m*****h
发帖数: 2292 | 66 呵呵，大牛们公认的是目前的数学模型离理解人脑还差得太远，并不是你认为的已经有
一条对的路只要走下去就一定成功
我认识的一些真正的大牛是花10年或更久去思考一个问题，发paper并不是他们急于去
做的事情，AI历史上真正有影响的文章也就10来篇吧（很多当时被认为很有可能是一条
对的路，但目前大家的认识是这些并不是对的路，当然从engineering角度来说有很成
功的，比如deep learning，但这并不是人脑思考的模式）
呵呵，这是我平时听talk听到的一些目前圈内对AI的认识
PCA
【在 v*******e 的大作中提到】
:
: 我也不是做这个的，我这是业余研究，我的自封title是amatuer scientist。多看看文
: 献就会发现大牛也不过如此。这是人类的最后一个大事件了，如果不参与就太不应该了
: 。我看你有兴趣就不如也参与吧。而且这是业余研究可以成功的不多领域之一。我讲几
: 件事情你就知道了。
: 1. 我自己通过思考得出Hebbian learning是PCA的结论。完全的独立思考结果。然后我
: 就找到1982年的Oja文章。
: 2. 然后我又想出supervised learning就只需要把结论和输入一起输入给Oja系统的输
: 入端。然后我一找，就是5年前的发现而已。
: 3. 我自己思考的出人脑里面对事物的coding是在一个vast dimension space里面，PCA
|
v*******e
发帖数: 11604 | 67 现在的deep learning，用反向传播算法，当然并不是人脑思考的模式（我并不否认有
人认为大脑里也有反向传播算法的机制），但是大牛们公认的事情是不是一定对？这需
要涉及一些思考，以及哲学上的突破！我认为我已经做出一个最重要的突破，那就是人
脑没有什么了不起！你去看大牛们的公认，他们公认大脑是及其复杂的，模拟大脑是及
其困难的，大脑的能力是及其巨大的，现有的电脑要达到能模拟人脑的水平，那是远远
不够的！甚至有人认为人脑的功能电脑永远也做不到的（比如彭罗斯），比如电脑永远
也没有自由意志，人脑的功能实现需要量子随机过程之类。我却认为并非如此，大脑的
能力是非常有限的，模拟大脑不需要非常精确，大脑的很多复杂度对AI是不必要的，现
有电脑就能做出很高水平的AI（我不是说现在那些机器学习、分类之类的AI，而是说比
如实现4岁小孩的智力那样的东西），将来电脑能够达到所有人脑的功能，因为人脑也
没有自由意志，量子随机过程不是必要的。所以我要参与到这个人类的终极工程里面来
，而且我已经找了个第一个想要工程实现的攻关目标。
【在 m*****h 的大作中提到】
: 呵呵，大牛们公认的是目前的数学模型离理解人脑还差得太远，并不是你认为的已经有
: 一条对的路只要走下去就一定成功
: 我认识的一些真正的大牛是花10年或更久去思考一个问题，发paper并不是他们急于去
: 做的事情，AI历史上真正有影响的文章也就10来篇吧（很多当时被认为很有可能是一条
: 对的路，但目前大家的认识是这些并不是对的路，当然从engineering角度来说有很成
: 功的，比如deep learning，但这并不是人脑思考的模式）
: 呵呵，这是我平时听talk听到的一些目前圈内对AI的认识
:
: PCA
|
m*****h
发帖数: 2292 | 68 我想你可以用个简单实验来show你的方法可能是对的
就是用你的方法能做到像人脑那样小数据training set高精度识别（现在的deep
learning基本上都要靠big data来实现）
这个是目前人脑与电脑最显著的差别
【在 v*******e 的大作中提到】
: 现在的deep learning，用反向传播算法，当然并不是人脑思考的模式（我并不否认有
: 人认为大脑里也有反向传播算法的机制），但是大牛们公认的事情是不是一定对？这需
: 要涉及一些思考，以及哲学上的突破！我认为我已经做出一个最重要的突破，那就是人
: 脑没有什么了不起！你去看大牛们的公认，他们公认大脑是及其复杂的，模拟大脑是及
: 其困难的，大脑的能力是及其巨大的，现有的电脑要达到能模拟人脑的水平，那是远远
: 不够的！甚至有人认为人脑的功能电脑永远也做不到的（比如彭罗斯），比如电脑永远
: 也没有自由意志，人脑的功能实现需要量子随机过程之类。我却认为并非如此，大脑的
: 能力是非常有限的，模拟大脑不需要非常精确，大脑的很多复杂度对AI是不必要的，现
: 有电脑就能做出很高水平的AI（我不是说现在那些机器学习、分类之类的AI，而是说比
: 如实现4岁小孩的智力那样的东西），将来电脑能够达到所有人脑的功能，因为人脑也
|
v*******e
发帖数: 11604 | 69
你这想法是不对的，人脑从来不用小数据training set，所以谈不上是人脑与电脑最显
著的差别。别以为一辆汽车的照片就是小数据；人把这照片拿在手里，明暗、远近、位
置（有三维）、角度（有三个角度）都在连续不断变化，这是典型的大数据手段（提一
句，现在的大数据training也用这种手段增加数据量）；而且这个人脑早已经有看过很
多汽车、光线变化之类的数据。所以我说人脑从来不用小数据training set。你把个刚
出生的小孩头部和眼睛固定住，只专门从一个固定角度看一个固定照片，这才能说是小
数据training，效果不说也知。你对神经、人工智能理解太少，要和我对话水平还不够
，如果真有兴趣，拿起神经方向的paper来读吧。
【在 m*****h 的大作中提到】
: 我想你可以用个简单实验来show你的方法可能是对的
: 就是用你的方法能做到像人脑那样小数据training set高精度识别（现在的deep
: learning基本上都要靠big data来实现）
: 这个是目前人脑与电脑最显著的差别
|
m*****h
发帖数: 2292 | 70 你这个说法是不对的
明暗、远近、位置、角度这些信息对人脑识别并不能提供多大的帮助
如果说关键信息的话你到可以说人脑用了以前的knowledge（其实对婴儿来说knowledge
很少，这是为什么婴儿一直是研究的重点，而且婴儿并不是你说的效果不说也知，而是准
确率非常高），同样的实验可以允许电脑用以前的任何knowledge
实验很简单，我新设计一种物体（人脑电脑都从来没见过的），然后让人脑电脑个看10
张此物体图片，你设计的电脑能否达到人脑识别的水平？如果不能，你觉得你说的明暗
、远近、位置、角度是人脑胜出的关键？
你别一直说我了解得太少，呵呵，我还真修过脑科学系的课，seminar也是常客，呵呵
【在 v*******e 的大作中提到】
:
: 你这想法是不对的，人脑从来不用小数据training set，所以谈不上是人脑与电脑最显
: 著的差别。别以为一辆汽车的照片就是小数据；人把这照片拿在手里，明暗、远近、位
: 置（有三维）、角度（有三个角度）都在连续不断变化，这是典型的大数据手段（提一
: 句，现在的大数据training也用这种手段增加数据量）；而且这个人脑早已经有看过很
: 多汽车、光线变化之类的数据。所以我说人脑从来不用小数据training set。你把个刚
: 出生的小孩头部和眼睛固定住，只专门从一个固定角度看一个固定照片，这才能说是小
: 数据training，效果不说也知。你对神经、人工智能理解太少，要和我对话水平还不够
: ，如果真有兴趣，拿起神经方向的paper来读吧。
|
|
|
v*******e
发帖数: 11604 | 71 听seminar不如看paper，切身体会。当然seminar也有用处，最大用处是学会读专业词
汇，省得读错。seminar是一种“推”技术，和你自己去search的有目的的读paper还是
有不如的。
你说的婴儿，我亲手养大三个，有第一手资料。是准确率很高，和电脑的区别只是一个
，现在的电脑deep learning程序，没有考虑over fitting问题。而人脑是考虑了的，
理解这个问题我只说一点，那个attractor map network里面的墨西哥草帽,一开始是非
常宽大的草帽，只随着人脑看到更多的数据后草帽才慢慢变小。这解决了overfitting
问题。对于“看”东西的网络来说，这主要需要考虑最后几层。前几层的对应于V1，V2
,V4的网络可以保留现在的，这些需要用不包含你test用的人造物体的大数据先进行训
练。再考虑我前面说的vast dimension representation，你若有心，现在就该顿悟了
。我时间有限，有很多idea，只是没有时间去做，否则很多方向都出文章了。我现在的
主攻方向不在这里，你若顿悟了就去做文章吧！合作亦可，acknowledge亦可。
knowledge
是准
10
【在 m*****h 的大作中提到】
: 你这个说法是不对的
: 明暗、远近、位置、角度这些信息对人脑识别并不能提供多大的帮助
: 如果说关键信息的话你到可以说人脑用了以前的knowledge（其实对婴儿来说knowledge
: 很少，这是为什么婴儿一直是研究的重点，而且婴儿并不是你说的效果不说也知，而是准
: 确率非常高），同样的实验可以允许电脑用以前的任何knowledge
: 实验很简单，我新设计一种物体（人脑电脑都从来没见过的），然后让人脑电脑个看10
: 张此物体图片，你设计的电脑能否达到人脑识别的水平？如果不能，你觉得你说的明暗
: 、远近、位置、角度是人脑胜出的关键？
: 你别一直说我了解得太少，呵呵，我还真修过脑科学系的课，seminar也是常客，呵呵
|
m******g
发帖数: 3924 | |
m*****h
发帖数: 2292 | 73 呵呵，我目前不会去做这个方面，我主要精力在做其他领域的大题目，对这个只是有兴
趣而已
搞出deep learning的那几个大牛自己就从来不认为这是去模拟人脑，他们做这个的出
发点就是为了解决工程问题，所以他们都是和facebook这样的公司合作
overfitting
V2
【在 v*******e 的大作中提到】
: 听seminar不如看paper，切身体会。当然seminar也有用处，最大用处是学会读专业词
: 汇，省得读错。seminar是一种“推”技术，和你自己去search的有目的的读paper还是
: 有不如的。
: 你说的婴儿，我亲手养大三个，有第一手资料。是准确率很高，和电脑的区别只是一个
: ，现在的电脑deep learning程序，没有考虑over fitting问题。而人脑是考虑了的，
: 理解这个问题我只说一点，那个attractor map network里面的墨西哥草帽,一开始是非
: 常宽大的草帽，只随着人脑看到更多的数据后草帽才慢慢变小。这解决了overfitting
: 问题。对于“看”东西的网络来说，这主要需要考虑最后几层。前几层的对应于V1，V2
: ,V4的网络可以保留现在的，这些需要用不包含你test用的人造物体的大数据先进行训
: 练。再考虑我前面说的vast dimension representation，你若有心，现在就该顿悟了
|
c*****d
发帖数: 186 | |
b******m
发帖数: 382 | 75 纯数绝对是最过剩的专业。
生物，化学的还能去制药厂之类。
计算的还能当码工。
pde的还能去做矿工。
你要是学解析数论，低维拓扑之类，就没有任何可以联系到工业界的地方了。
【在 m******g 的大作中提到】
: 看来哪个专业的博士都过剩很多了。。。
|
