Corvinus adatelemző vagy ELTE survey statisztikához melyik lenne a legjobb alapszak?

Igaza van annak, aki azt írta, hogy a gazdinfó kilóg a sorból.

"A szakon bebeszélték nekik, hogy az a jó a szakjukban, hogy egyszerre informatikusok és üzletemberek is. A gond az, hogy ez így többnyire nem működik."

Pontosan. És a végére megkapják épp a legrosszabbat: kevésbé informatikusok, mint a proginfósok/mérnökinfósok és kevésbé közgazdászok, mint a komolyabb szakokon végzett közgazdászok. Jó üzlet...vagy nem.

#4. "Párom gazdinfóval data analyst. Konkrétan volt náluk pénzügyi adatelemzés szakirány... Az előző munkahelyemen az elemzők többsége gazdaságinformatikus volt. Légyszi ne.."

Hjaj...az én párom meg a fent említett ELTE statot végezte el, éshát...maradjunk annyiban, hogy a data analystnál "picit" komolyabb dolgokat is tudott kezdeni vele.

#12. "It munkakörről beszélünk."

Mondjuk a kérdező ehhez annyira szerintem nincs kötve...de az az igazság, hogy én sem.

#13. LOL, a hisztid pláne nagyon meggyőrő érv bármilyen vitában. :D

El kell h keserítselek: ahol értelmes szintem foglalkoznak elemzéssel, ott nem lesz elég ez a mester egy himihumi alapszakkal.

Vagy mész matekra/infóra vagy kitörölheted vele a segged.

15. Tényleg teljesen reálisan. Gazdaságinformatika szak tanterv, debrecen: [link]

Természettudományi ismeretek blokk:

Gazdasági matematika I.

Gazdasági matematika II.

Statisztika I.

Statisztika II.

Numerikus matematika

Operációkutatás

Ennyi a matek. Ez így majdnem pontosan annyi, mint amennyi egy nemzetközi gazdálkodás szakon van, plusz numerikus matematika és operációkutatás, minusz ökonometria. És nincs lineáris algebra.

Ugyanez babapiskóta egy rendes közgazdász szakhoz képest (gazdaság- és pénzügymatematikai elemzés, de szerintem még az alk. közgázon is több a matek, mint itt.)

Összefoglalva ez így nagyon sovánka egy rendes matek vagy proginfó szakhoz képest, de még egy rendes közgazdász szakhoz képest is.

“ahol értelmes szintem foglalkoznak elemzéssel, ott nem lesz elég ez a mester egy himihumi alapszakkal”

Elemzésről beszélünk, vagy programozásról? Fura, hogy pont az elemzés részével rúgsz öngólt. Ahol az elemzés a cél, ott a domain ismeret tarol. Ha hálózati adatokat kell elemezni, akkor a villamosmérnökből lett data scientistek, ha üzleti adatokat kell elemezni, akkor a közgazdászokból lett data scientistek. Gondolom ezt nem kell magyarázni, miért.

A programozás… elismerem, a fizikusból, matematikusból (!), közgazdászból lett data scientistek többnyire gyenge programozók. De a helyzet az, hogy ez is tanulható skill. Egyszer elmondod, megmutatod az összes SOLID, DRY, KISS stb. stb. elvet, code review-n kipofozod a kódjaikat, végigcsinálnak egy design patterns kurzust udemy-n, courserán és előbb-utóbb tűrhető programozó lesz belőlük.

15. “ahol értelmes szintem foglalkoznak elemzéssel, ott nem lesz elég ez a mester egy himihumi alapszakkal.” (folyt)

Data scientist vagyok (tehát nem csak elemzéssel foglalkozom, hanem adatmodellezéssel, modellépítéssel, sőt újabban kutatással is) himi-humi marketing alapszakkal de egy durva data science mesterszakkal.

Amivel egyetértek, hogy a mesterszakon tág szemekkel néztem eleinte (és később :D) az összes matekos órán (azaz az órák 90%-án). Az analízis, ami marketingen volt, még éppen elég lehetett volna, a lineáris algebrát gyorsan pótoltam valami platformról, de a bizonyítások… na itt büntetett a matek alapszak hiánya. A statisztika nem hiányzott, mivel az első félévben leadták az összes informatika, közgazdaságtan és matek szakokon tanított valszám és statisztika anyag kétszeresét szívbaj nélkül. (A gondok nem is itt kezdődtek…).

A mesterszak matekos részében olyan skilleket tanultunk, amire soha nem lesz szükség egy átlag data science munkában. De ez egy kutatóegyetem kifejezetten kutatóknak szánt mesterszakja, nagyon elméleti. És ide nagyon hiányzott volna egy tisztességes matek alapszak, a bizonyítások miatt. (Bár tegyük hozzá, hogy az osztálytársaim matematikusok, fizikusok, sokan közülük phd-hallgatók voltak, páran már phd-vel [én például].)

TL;DR: ha valaki data scientist kutató akar lenni, akkor tényleg jót tesz magával egy matek(os) szakkal (matek, proginfó, GPME). Ha alkalmazott data scientist, akkor bőven elég, ha az alapszakján van analízis 1-2, linalg, valszám, normális statisztika, ökonometria, jobb esetben többváltozós adatelemzés, idősorelemzés, R- vagy Python-programozás. És utána tol egy célzott mesterszakot.

Adatelemzéshez tényleg elég, ha valaki alap statisztikai műveleteket ismer, itt inkább a domain ismeret dominál.

Szóval igazad is van, meg nem is, viszont abban nincs, hogy IT-ról beszélnénk. Az adattudomány nem IT. Van IT része is, de van statisztikai/matematikai része is, és van domain ismeret része is.