A survey statisztika mennyi nehéz az ELTE-n? Merjek jelentkezni?

Sajnos a konkrét órarendet nem ismerem (másik egyetemen tanultam ugyanezt), de itt van a tantervük: [link]

És nagyon jópofa honlapjuk is, van egy kis motiváló videójuk is: [link]

Viszont mint gyakorló data scientist mondom, hogy tényleg nagyon érdemes ezt tanulni, borzasztó nagy rá a kereslet a munkaerőpiacon, és a diploma még akkor is nagyon értékes, ha végül nem konkrétan data scientist leszel, hanem akármilyen más gazdasági területen helyezkedsz el – az adatelemzési, kutatási ismeretek sokszorosan kifizetődnek.

Engem is érdekel a szak. Milyen plusz tudást ad a Közgazdasági elemző mesterképzéshez képest? Engem másrészt a “Survey” jelző egy kicsit megijeszt, hogy itt inkább demográfia kutatókat/Szociológusokat képeznek..

Aki Data Sciencel akar foglalkozni annak nem elég egy Gazd-, mérnökinfó vagy egy matematika mester?

#6: Igazából (amennyire én látom) nincs olyan képzés ma Magyarországon, ami tökéletesen felkészítene egy data science karrierre. Több szak adhat jó alapot, de mindenhol rá kell tanulni még valamit.

A szak annak idején valóban szociológusoknak jött létre, a kezdetekben még nem is volt önálló szak, csak specializáció, és valóban leginkább közvéleménykutatókat, piackutatókat képeztek. Azóta azonban többször alakítottak a képzésen, legutóbb pár éve, és nem véletlenül vette fel a survey statisztika és adatanalitika nevet.

Egyébként ha nézel data scientist állásokat, külföldön is, szinte az összesnél ott van, hogy statisztika szakkal szívesen látnak - nyilván ha megugrod a szintet.

6. Egyik képzésre se jártam, de a tantervet megnézegetve a Közgazdasági elemző mesterképzésnek nincs sok köze a data science-hez (konkrétan nulla). Ez a mesterszak ahogyan elnézem klasszikus makrogazdasági elemzőket képez, nagyon minimális adatelemzési készséggel. A Survey statisztika ellenben egy tisztességes data science szaknak néz ki.

A gazdaság- és pénzügy-matematikai elemző (GPME) szakot ismerem valamennyire, ez szerintem nagyon jó alapokat ad a data science-hez (erre már nem végeznék külön survey statisztikát).

"Aki Data Sciencel akar foglalkozni annak nem elég egy Gazd-, mérnökinfó vagy egy matematika mester?"

De, van a mérnökinformatika / programtervező informatika szakokon is adattudomány vagy gépi tanulás specializáció, azok is jók.

Tulajdonképpen minden jó, ahol tanítanak:

- haladó statisztikát

- R és/vagy Python programozást

- statisztikai gépi tanulást

- és van adatelemzési gyakorlat.

Ami az egyetemeket illeti, én a matematikai és statisztikai készségeket tartom a legfontosabbnak, mivel ezeket lehetetlen otthon megtanulni. Programozást és adatelemzést meg lehet tanulni online platformokról (hot tipp: Jose Portilla Udemy-s kurzusaival lehet a leggyorsabban a legmesszebbre jutni, és Andrew Ng Courserás kurzusai is nagyon jók).

Az akadémia nyelve nagyrészt az R, azaz a statisztikusok, egyetemi kutatók nagyrészt R-et használnak. Az R egyes iparágakban is előfordul. Ami miatt még érdemes egy kis R-t felszedni, az az, hogy a fontosabb alapkönyvek 90%-ban R-ben vannak írva, így pl. az ISLR (ez a könyvek könyve, nagyon érdemes ezzel indítani...): [link]

Illetve Bishop: Pattern Recognition and Machine Learning (PRML), és az ESLR is: [link]

Azaz ha elkezdesz járni egyetemre olyan helyre, ahol alapvetően statisztikusok, szociológusok stb. vannak, és ott R-t kezdenek el tanítani, akkor az teljesen rendben van. Az RStudio egy nagyon jó eszköz, és az R remekül dokumentált nyelv, rengeteg ingyenes könyv van hozzá.

Egyébként az iparban javarészt Pythont használnak, ezért ezt mindenképpen kötelező megtanulni a fontosabb könyvtárakkal együtt. (Numpy, Pandas, matplotlib, Seaborn, Plotly, Dash, Scikit-Learn, Keras/TensorFlow, PyTorch, statsmodels stb. stb.)

Amit még érdemes tanulgatni, az az SQL és a PySpark. Ez utóbbi terjed mint a futótűz, big datához használjuk (milliós adattáblákat ebben elemzünk és nem Pandasban).

Ha a kettő közül csak egyet kell választani, akkor mindenképpen a Python a #1 számú munkaeszköz.