MOOC选课攻略---进击的金融码工



  • 一、自我介绍
    NYU15级MFE,宅男OTAKU,上到热血动漫,下到后宫养成,全部通吃。现阶段励志成为一名金融码农。同时也对餐饮抱有浓厚兴趣,希望有机会成为一名为美国华人带来绝顶美食的男人。现阶段担任纽约区长,同时参与Kaggle项目,是Phantom Goats小组中的一员。对big data 以及 machine learning相关都有着浓厚的兴趣。现在正在开展NLP相关的项目。

    二、金融码工的职业技能需求
    总的来说在金融行业中和CS背景的同学有关系的职业主要包括:Quant Analyst, Quant Developer, Developer 四个主要的方面。CS专业同学虽然直接找到Quant Analyst 和 Quant Trader专业相对较少,但是如果你对金融有着浓厚兴趣,同时有着扎实的数理基础,也不妨一试。下面我就针对这些岗位对Tech能力的需求分别进行分析。

    1.Quant Analyst
    Buy side:
    Programming Language: Python/R, C++, MySQL
    Skills: Machine Learning , NLP, Deep Learning
    Sell side:
    Programming Language: VBA(the most import programming skill for front desk quant),C++, Python/R/Matlab, MySQL/KDB+. Scala and Spark will be a plus.
    Skills: Machine Learning, NLP, Deep Learning
    对于Quant来说更加侧重于模型的构建,因此比较关心的也主要是建模分析工具,例如Python和R这类脚本语言,Matlab sellside还有人再用,不过也都是渐渐往开源软件在转型,毕竟商业软件价格过于昂贵。数据库对于Buyside来说一般也就是采用MySQL这种免费的库, 而sellside则更加喜欢KDB+这种专门为时间序列构建的数据库,同时还有与之配套的q语言。从分析能力方面来看机器学习相关的能力已经成为必备技能了。同时对于分析框架的使用例如spark也是绝对的加分项。

    2.Quant Developer
    Programming Language: C++, Java/C#, Python/R, MySQL / MongoDB, JavaScript, Hadoop 2.0, Spark, Hive, Pig, ZooKeeper
    Skills: Parallel programming, FIX, TCP/IP,
    Quant Developer 主要的工作职能是辅助quant完成模型的开发,并将模型利用c++等高性能语言部署到交易平台上面去。同时完成一些图形展示,数据库维护,以及部分data engineer的工作。对并行计算,计算机操作系统相关底层操作等综合技能要求很高,同时对数理和金融常识也需要有一定的了解。同时也要了解FIX这种与交易所的接口协议。在以量化交易为主营业务的对冲基金公司地位仅次于Quant Analyst。

    3.Developer
    这部分就和传统的互联网公司的技能需求没有什么显著的区别了,这些程序员一般隶属于公司的Technology Group。比如高盛号称有9000开发人员,这些人员的大部分技能集中在java以及JavaScript上面。从事的工作主要包括web应用开发,公司的信息管理系统维护等相关的内容。当然这里面其实也有一部分developer是负责交易系统的研发,以及其他一些front desk的工作,与quant developer的工作有很多类似的地方,因此对技能的需求也比较接近。

    三、MOOC方面的相关课程推荐
    这里面语言本身的内容还是要靠大家自己勤学苦练,下面重点从提升技能角度推荐一些相关的课程。我经常上的公开课网站以coursera 和 edx为主。那么我推荐的内容也将围绕这两个网站展开。

    数据分析类相关:

    R语言相关课程:
    Coursera上面JHU的data science 专项课程,该课程主要是用R语言教授data science的相关知识。该课程虽然老师讲的像念经一样,但是project还是很多的。而且几乎把R语言的所有内容都覆盖住了。
    Edx 上面的The Analytics Edge,该课程是由MIT开设的。也是用R语言进行数据分析,所谓MIT的课程必属精品。该课程我没有上过,但是听上过的人都说好。该课程作业强度十分大,一周没有15小时的时间来搞作业还是不要选了,因为肯定要GG。

    Python相关课程:
    对于Python的入门课程我推荐MIT在Edx上面的两门课程。一门是Introduction to Computer Science and Programming Using Python, 另外一门是Introduction to Computational Thinking and Data Science。 都是十分非时间的课程,不过能够坚持跟下来python肯定算是入门水平了。

    机器学习类相关:
    Coursera上的台大的机器学习:林老师的课程,分为基石和技法两大部分。基石部分侧重于机器学习基础理论的讲解,技法部分则侧重前沿理论的具体应用。该课程十分的系统和全面是不可多得好课程。但该课程短期内不会再开课了,大家只能自我学习。

    Coursera 华盛顿大学的机器学习专项:该课程也有很多人推荐,貌似口碑不错。也是个专项课程。内容有一定的前瞻性。而且该课程是用python来完成相关内容,对于希望能够掌握python机器学习包的同学值得一试。

    编程基本能力提升:
    算法与数据结构:如果你用C++编程,则强烈推荐清华大学在edx开设的数据结构这门课程。邓老师的课件做的特别赞,讲解也十分生动到位。该课程还有配套的在线评测系统,大家可以在线完成指定的题目。如果大家希望能够深入STL的相关功能,加深对数据结构的认识,一定要选这么课程。

    Big data相关课程:
    Coursera 上UCSD的big data:该课程感觉很水,我选了,钱也画了,效果很不好,完全是属于入门的课程。我觉得我学了15周的课程内容,还没有Bittiger三次相关公开课的效果好。所以不推荐选这么课程。

    Edx 上面UCB 的 SPARK专项:该课程将在5月份开讲,是之前UC Berkeley Spark两门课程的延伸。 绝对是系统学习Spark相关技能,不容错过的一次好机会。

    Coursera ETH的Scala专项:改课程是4月份开课。主要是围绕Scala的相关内容展开。包含了Scala的基础应用,以及Scala 和 Spark结合使用来解决问题。Scala作为越来越重要的一项技能,十分有必要系统的学习一下。

    四、MOOC选课小技巧

    1.先不要付费
    • 课程好坏分布的方差很大,先看口碑再选课

    2.及时注册
    • 注册本身并不需要交钱,好处是基本后面由于种种原因没有跟下来也可以归档,随时查看;

    3.尽量认证花钱
    • 沉没成本的作用不容小视,更可能坚持下来

    4.组队报名
    • 有一点的折扣,也便于讨论

    本文作者:OTAKU


  • cid:41:privileges:topics:read

    :clap: :clap: :clap: :clap: :clap: 感谢大神的经验分享~


登录后回复
 

与 BitTiger Community 的连接断开,我们正在尝试重连,请耐心等待