InVisor学术科研
性工作者,你不知道的是她们的童年
2020年8月1日
InVisor学术科研
例子说话!让你看看什么叫真正的学术写作!
2020年8月6日

计算机 X 金融学 | 学会了机器学习和编程,在金融行业中我就可以这样了……

InVisor学术科研

喜! 大! 普! 奔!

InVisor芳老师有幸邀请到了IvyOnline Academy康奈尔大学金融工程硕士Rachel老师(Yuqing Wu)!她在数学、统计学和机器学习等方面有扎实的学术背景,在使用Python进行统计数据挖掘以及将机器学习技术应用于各种数据集方面也有丰富的经验。

接下来,她将为大家介绍一下编程和机器学习在金融行业的重要性并回答其它的一些问题:

Rachel老师在精算科学的经验简答<( ̄︶ ̄)>

对于我的专业来说,当人们谈到精算科学时,他们更多地会想到保险。但在我看来,精算科学是一个更广阔的领域,绝对不仅仅只是保险这一个方面。

对我来说,精算学就是对不确定性进行建模理解模型背后不同的假设和概论分布情况。之所以我本科选择精算与应用统计专业,是因为我对一个能够将数学、统计、金融结合在一起的学科领域非常感兴趣。我也一直在寻找一个专业,既可以拓宽我的视野,又同时可以学习各种各样的东西。所以,如果你对数学和建模感兴趣,我会说精算学是一个非常值得考虑的专业。但它也是一门很难学的学科。如果你想成为一名精算师,你需要通过一系列的考试,而当你到下一个阶段的时候,考试会越来越难。所以,要想在精算领域取得成功,热情和坚持不懈的努力是很重要的。

Rachel老师在精算科学的经验简答︿( ̄︶ ̄)︿

我在读研时转专业为金融工程,因为我发现自己对金融世界更感兴趣。也就是在对金融感兴趣的那一瞬间,我立下誓愿,未来有一天我想成为一名定量分析师

精算学、应用统计学和金融工程之间的相似之处是强调数学编程技能。对于精算学来说,我觉得你只需要掌握R语言、SAS、Excel、SQL和Python的基本运用就足够了。但如果你想学习金融工程,你必须扎扎实实地具备至少一种语言编程技能。而市面上那么多编程语言,Python“性价比”更高——它比较简单好学

《简 单 好 学》

你可能会问什么是金融工程。我认为很难用一句话来界定它。因为你在这个领域涉足的越多,你的职业道路就会越宽广。即使就目前而言,我也不是百分之百确定我想在哪个领域工作。但简单地说,金融工程的职业道路有两大方向

  • 一个是买方,比如对冲基金,共同基金,它们统称为资产管理。
  • 另一边是卖方,像那些你可能听说过的知名投资公司,如高盛,摩根大通,摩根斯坦利,花旗集团和法国巴黎银行。根据你的兴趣和技能,你可以选择你想要的职业道路。

随着机器学习和人工智能的日益普及,金融领域也随之进行了创新和适应。有越来越多在金融市场交易的公司已经使用和开发了自己的机器学习应用程序来处理大数据和构建模型。我断定机器学习和统计数据挖掘是金融世界的未来。所以如果你想进入这个领域,你必须有扎实的基础。

Rachel老师觉得机器学习会运用在?⊙▽⊙

你会发现,机器学习这个概念在未来会频繁地出现在很多应聘岗位描述以及电视新闻中。由于它的运用途径实在是太广泛了——我是说,几乎任何行业都有可能和它相结合,它未来的受欢迎程度可能会更高。即使是现在,越来越多的大学陆续开设了机器学习领域的课程。随着它变得越来越普遍,越来越多的公司会使用这种技术来实现更好的盈利能力。

打个比方,如果你要运营一家银行,你肯定想预测你的信用卡贷款违约率,而这就是一个很好的机器学习的应用方向。人们通常会把预测信用卡贷款违约率当作一个分类问题,因为你只有两种选择,会还钱(Default)和不会还钱(Not Default)。然后,你可以使用各种各样的分类机器学习算法,比如逻辑回归,随机树算法,K近邻算法(KNN)等等。所以解决信用卡贷款违约率等问题用机器学习的模型不仅效率高,而且还多样。

当然,还有很多领域可以使用机器学习技术。例如,如果你是一个投资组合经理,你想优化你投资的资产权重以实现最大的回报,同时还要保持低风险。机器学习可以帮助你做到这一点。

Rachel老师觉得经济学和计算机科学双学位适合什么样的工作?╰(*°▽°*)╯

我本科学的就是这两个领域,最后我选择转学金融工程专业读研,是因为我对金融方面更感兴趣。所以,对我来说,我认为经济学和计算机科学双学位可以更好地找到一份定量分析师或数据分析师的工作。这取决于你对哪一方面更感兴趣:如果你对计算机科学更感兴趣,也许数据科学家或数据分析师更适合你;如果你对金融世界和经济方面更感兴趣,我想金融工程师或定量分析师可能更适合你。

Rachel老师觉得数据分析和数据科学之间有什么区别?_( ゚Д゚)ノ

在我看来,数据科学家更专注于研发新的机器学习技术并说明这些技术如何在不同的数据集中工作。对于数据分析师来说,我认为在一些相关问题上需要做更多的工作,比如,如果你在一家咨询公司工作,你需要收集客户的数据,我认为数据分析师就可以干这行。但对于数据科学家来说,他们更容易为一些像Google、雅虎、Facebook这样的大公司工作来了解如何使用一些更先进的人工智能技术,如神经网络,来分析他们的潜在客户,寻求更多的利润。我认为简单的一句话,数据科学更侧重于研究,而数据分析更侧重于应用知识解决一些现实问题

Rachel老师要把机器学习应用到金融领域需要多少相关知识?o((⊙﹏⊙))o.

我想说,要学习机器学习,你不需要在金融或经济相关领域有太多的知识。你只需要基本的数学知识就够了。你可能觉得很不可思议,但实际情况的确是这样的。而且机器学习有很多应用方向,它不仅仅局限于金融领域。你可以把它应用到生物,物理,化学——任何你想要的领域。

Rachel老师觉得获得什么样的实习机会才能更进一步提高自己?o( ̄ε ̄*)

在我所有的实习经历以及我参与的那些项目中,我使用了很多Python和机器学习相关的技术。就像我之前在一家咨询公司实习一样,我们的任务是分析市场,帮助客户制定市场策略。我们需要分析大量的大数据集,所以我们只用Python和机器学习技术。所以,我认为你可以找到任何可以帮助你学会在现实当中运用机器学习与数据集的工作。

Rachel老师对现在想学习计算机或信息科学的高中生有什么建议?ヾ(≧∇≦*)ゝ

很多人问我如何选择大一的专业。我认为计算机科学真的是一个“万能”专业,因为现在几乎每个工作都要求你至少了解一种编程语言,其中Python是最好的。所以我认为,对于计算机科学或信息科学专业的第一年的学生来说,努力掌握并真正学习如何用Python编程是非常重要的。而且,你还可以学习其他编程语言,比如C++和Java,这取决于你想如何追求你的职业道路。我认为C++和Java更适合软件工程。如果你想更加关注金融领域,比如业务分析或数据分析,那么Python可能是一种更好的编程语言。

作为一个初学者,如何开始在机器学习方面的学习?(っ*´Д`)っ

首先,不要认为机器学习是个很花哨的名字,它并不难学。IvyOnline Academy InVisor学术科研 有机器学习与编程的课程,它是完全为初学者设计的,所以你大可不必担心学不会机器学习。它就像你大学所学的任何一门课程一样简单。


最后,希望各位同学可以赞同,点赞,收藏哦~如果你对Rachel老师的机器学习和编程课程很感兴趣,欢迎关注IvyOnline的微博或者是公众号(账号都为: IvyOnlineAcademy) 哟~

【从零开始学金融工程】康奈尔导师带你玩转机器学习​mp.weixin.qq.com

如果大家对学术科研感兴趣,也可以来撩InVisor芳老师哈(客服微信:invisor003,记得备注“学术科研”呀)❤️❤️❤️

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注