تجربه ریاضی

در این وبلاگ در مورد ریاضیات می نویسم و تجربیاتی که در راه آموختن ریاضی آموخته ام

بازار کار رشته ریاضی در خارج

1- در ایران به رشته های علوم پایه اهمیت نمی دهند ولی در کشورهای پیشرفته وضعیت کاملا متفاوت است و رشته هایی مثل ریاضی دارای ارزش زیادی هستند. این باور غلط اکثر دانشجویان رشته ی ریاضی در ایران است. واقعیت کاملا متفاوت است!!! از آنجایی که در کشورهای پیشرفته نظام سرمایه داری حاکم است رشته هایی که پولساز نباشند ارزش زیادی ندارند. رشته های علوم پایه مانند ریاضی، فیزیک و شیمی نیز جزو رشته هایی هستند که بطور مستقیم قابلیت پولسازی ندارند و در نتیجه بازار کاری مناسبی هم ندارند.

2- گزینه هایی که یک فارغ التحصیل ریاضی در خارج از ایران پیش روی خود می بیند تفاوت زیادی با داخل ایران ندارد. گزینه ی اول تدریس در مدرسه است که اولین پیش نیازش داشتن مدرک لیسانس Education هست (مدرک علوم پایه برای تدریس در مدارس مورد قبول نیست). علاوه بر اون باید دوره های مختلف آشنایی با تدریس و ادبیات انگلیسی رو گذروند که نیازمند صرف انرژی، زمان و هزینه ی زیادیست. البته جای تعجب نیست که فارغ التحصیلان کارشناسی ارشد یا دکتری ریاضی هرگز به تدریس در مدرسه فکر نکنند پس این گزینه عملا کنار می رود!!!

3- گزینه ی بعدی تدریس و تحقیق در دانشگاه است. با توجه به تعداد بسیار زیاد فارغ التحصیلان ریاضی که از سراسر دنیا جذب کشورهای پیشرفته می شود رقابت برای تصاحب کرسی استادی در دانشگاه ها به شدت زیاد است. اکثر کسانی که جذب دانشگاه ها می شوند دارای چند مدرک فوق دکترا (پست داک) از دانشگاه های معتبر همان کشورها هستند و دارای رزومه ی بسیار خوبی هستند (تعداد زیادی مقاله در ژورنال های معتبر منتشر کرده اند، تعداد زیادی سمینار در دانشگاه های مختلف ارائه کرده اند و سابقه ی سالها تدریس را در دوران ارشد، دکترا و فوق دکترا داشته اند). شانس اینکه به محض گرفتن مدرک دکترا به عنوان استاد جذب دانشگاه ها شوید بسیار اندک است مگر اینکه از دانشگاه های بسیار معتبر دنیا مثل هاروارد، پریسنتون، آکسفورد یا تورنتو مدرک دکترای خود را دریافت کرده باشید و رزومه ی بسیار خوبی هم داشته باشید. اگر به فکر برگشتن به ایران هستید در حال حاضر شانس استخدام به عنوان هیات علمی در دانشگاه های ایران هنوز وجود دارد اما با توجه به حجم عظیم فارغ التحصیلان دکترای داخل در سالهای پیش رو، پیش بینی وضعیت استخدام دانشگاه های در آینده مشخص نیست.

4- اگر به موقعیت های شغلی دیگر مثل محقق در شرکت های صنعتی فکر می کنید متاسفانه باید بدانید که اولا تعداد این موقعیت های شغلی بسیار محدود هستند و ثانیا این شرکت ها ترجیح می دهند محققانی را جذب کنند که صرفا دید تئوری و محض نداشته باشند و قابلیت های متناسب دیگری نیز داشته باشند مثلا به برنامه نویسی کامپیوتری یا نرم افزارهای آماری هم مسلط باشند.

5- تا اینجای متن بسیار ناامید کننده بود اما واقعیت همین است که گفته شد. حال راه چاره چیست؟ توصیه ی من به تمام دوستانی که در ایران مشغول تحصیل در مقطع لیسانس یا فوق لیسانس ریاضی هستند اینست که با توجه به پیش زمینه و علاقه شخصیشان به یکی از دو گرایش آمار یا کامپیوتر تغییر مسیر دهند. این دو رشته دارای بازار کاری بسیار خوبی در کشورهای پیشرفته هستند و کسانی که دید ریاضی دارند به سرعت می توانند خودشان را با این دو رشته تطبیق دهند. اگر امکان تغییر رشته در ایران یا گرفتن پذیرش در رشته های آمار یا کامپیوتر در خارج از ایران برایتان وجود ندارد سعی کنید گرایشهایی را انتخاب کنید که به آمار یا کامپیوتر نزدیک ترند یا موضوع پایان نامه ی خود را نزدیک به این دو رشته انتخاب کنید یا بطور شخصی به فراگیری برنامه نویسی کامپیوتری یا نرم افزارهای آماری بپردازید.

6- برای رشته ی کامپیوتر اول از همه باید دانش کلی کامپیوتریتون رو بالا ببرید. حتما دروس اصلی این رشته مثل ساختمان داده (Data Structure)، پایگاه داده (Database)، طراحی الگوریتم (Algorithm Design)، برنامه نویسی شی گرا (Object Oriented Programming) و یادگیری ماشینی (Machine Learning) رو مطالعه کنید. با مفاهیم پایه ای کامپیوتر مثل واحد پردازش مرکزی (CPU)، حافظه ی تصادفی (RAM)، سیستم عامل (Operating System)، کامپایلر و مفسر (Compiler and Interpreter)، حافظه ی هیپ و پشته (Heap and Stack) و پردازه و ریسه ی اجرایی (Process and Thread) آشنا باشید. روند تولید نرم افزار شامل تحلیل نیازمندی ها (Requirement Analysis)، طراحی نرم افزار (Design)، نوشتن کد (Writing)، تست کد (Testing)، اشکال زدایی کد (Debugging)، نوشتن راهنمای استفاده از نرم افزار (Documentation)، انتشار نرم افزار (Releasing) و نهایتا نگهداری و پشتیبانی نرم افزار (Maintenance and Support) رو بدونید. مفاهیم مهم ساختمان داده از جمله آرایه (Array)، لیست پیوندی (Linked List)، جدول هش (Hash Table) و درخت جستجوی دودویی (Binary Search Tree) و روند پیمایش، جستجو، حذف و اضافه (Traverse, Search, Add, and Delete) در اونها رو مطالعه کنید. همچنین با الگوریتم های مهم جستجو و مرتب سازی (Search and Sort) و پیچیدگی این الگوریتم ها (Algorithm Complexity) و مفاهیم مهم کدنویسی مثل اشاره گر (Pointer)، شی (Object)، کلاس (Class) و قالب (Template) آشنا باشید.

7- علاوه بر دانش کامپیوتری تا می تونید تجربه ی کدنویسی خودتون رو بیشتر و بیشتر کنید. در واقع دانش کامپیوتری صرفا بخش تئوری ماجراست و ارزش اصلی مربوط به قسمت کاربردی موضوع یعنی کد نویسی است. بهترین و جامع ترین زبان ها برای یادگیری ++C و Java هستند. سعی کنید تا می تونید کد بنویسید و پروژه های بزرگتر و پیچیده تر انجام بدید. مفاهیم کامپیوتری شاید خیلی سخت به نظر نرسند ولی کدنویسی نیاز به تمرین زیادی داره. بجای ویندوز سعی کنین با لینوکس کار کنید و دستورهای ترمینال لینوکس (Shell Scripting)  رو یاد بگیرید. با نرم افزارهای مدیریت پایگاه داده مثل SQL، مدیریت فایل ها مثل Git و SVN و همچنین نرم افزارهای وب مثل JavaScript ،CSS ،HTML و PHP آشنا باشید.

8- برای رشته ی آمار هم ابتدا باید دانش کلی آماریتون رو بالا ببرید. حتما دروس اصلی این رشته مثل روش های آماری (Statistical Methods)، آمار ریاضی (Mathematical Statistics)، استنباط آماری (Statistical Inference)، نظریه ی احتمالات (Probability Theory)، فرایند تصادفی (Stochastic Process) و سری های زمانی (Time Series) رو مطالعه کنید. مفاهیم اولیه ی آماری رو یاد بگیرید مثل جمعیت (Population)، نمونه (Sample)، متغیر تصادفی (Random Variable)، میانگین (Mean)، میانه (Median)، انحراف معیار (Standared Deviation)، واریانس (Variance)، کوواریانس (Covariance) و همبستگی (Correlation) و همینطور انواع نمودار ها مثل نمودار نقطه ای (Scatter Plot)، نمودار جعبه ای (Box Plot) و هیستوگرام (Histogram). سعی کنید انواع گوناگون توزیع های گسسته و پیوسته رو مطالعه کنید مثل توزیع دو جمله ای (Binomial)، توزیع پواسون (Poisson)، توزیع نرمال (Normal)، توزیع گاوس (Gauss) و توزیع گاما (Gamma). با مفاهیم بنیادی آماری مثل تخمین (Estimation)، آزمون فرض (Hypothesis Testing)، بازه ی اطمینان (Confidence Interval) و مقدار پی (p-value) آشنا باشید.

9- مهمترین و اصلی ترین کاری که یک آماردان تجزیه و تحلیل داده هاست. برای این کار از روش هایی مثل رگرسیون (Regression)، آنالیز واریانس (Analysis of Variance)، روش های پارامتری و ناپارامتری (Parametric and Non-parametric) استفاده میشه. برای انجام این روش ها به نرم افزارهای آماری نیاز هست. از نرم افزارهای مقدماتی میشه به MS Excel و SPSS اشاره کرد که نیازی به کدنویسی زیاد ندارند. نرم افزارهای پیشرفته شامل R و SAS میشه که برای شما امکان کدنویسی و کار کردن با داده های بزرگ فراهم می کنند.

10- نکته ی آخر اینکه یکی از بهترین منابع موجود برای یادگیری کامپیوتر و آمار اینترنت هست که حجم عظیمی از اطلاعات رو بصورت رایگان در اختیار شما قرار میده. البته سایت های فارسی مفید شاید زیاد نباشند اما با تقویت زبان عمومی و تخصصی می تونید سایت های انگلیسی زیادی پیدا کنید و بدون نیاز به کلاس یا کتاب خودتون اقدام به یادگیری کنید.

  
نویسنده : saeedtz ; ساعت ٥:۱٥ ‎ق.ظ روز یکشنبه ٢٩ بهمن ۱۳٩۱
تگ ها : ریاضیات