Nagy örömömre szolgál, hogy megoszthatom tanácsaimat a matematika iránt érdeklődő fiatalokkal, hogy hozzájáruljak karrierjük építéséhez.
Úgy érzem, hogy annak idején, fiatal matematikusként akkori mentoraim tanácsai, véleményei nem tártak elém minden lehetőséget. Ez persze nem az ő hibájuk volt, hanem az enyém, ugyanis én csak a tanáraim véleményét kértem ki, ami tipikus esete a szelekciós torzításnak. Ezért az első tanácsom az, hogy építs kapcsolatokat minél több, matematikával foglalkozó emberrel, akik különböző karrierutakat jártak be, hogy legyen valami fogalmad arról, mi van az egyetem falain kívül. (A posztok olvasgatása a https://bigmathnetwork.org oldalon jó kezdőlépés lehet.)
Amikor matematika szakos tanulmányaim végéhez közeledtem, úgy éreztem, hogy még mindig nagyon sok mindent tudnék tanulni, így belevágtam a doktori képzésbe az alacsony dimenziós topológia témakörében. Miután megszereztem a PhD fokozatot, bátorítottak, hogy pályázzak egy posztdoktori helyre. A posztdok ösztöndíj közepe táján már a professzori állás lebegett a szemem előtt. Végül még három évet sem töltöttem ebben a pozícióban, amikor átértékeltem az addigi szakmai életemet, és arra jutottam, hogy boldogabb lennék, ha inkább valami mást csinálnék.
Megkerestem néhány régi egyetemi barátomat, akik a kormányzatnál és az iparban dolgoztak, valamint néhány volt kutatót, akik pénzügyi és mérnöki területekre váltottak. Végeztem egy kis kutatást, és arra jutottam, hogy az adattudomány (data science) kellően széles terület ahhoz, hogy kielégítse intellektuális kíváncsiságomat (például a gépi tanulási algoritmusok iránt), ugyanakkor rengeteg lehetőséget is kínál. Az egyetem elhagyása után először adattudósként dolgoztam nonprofit kutatás-fejlesztést végezve különböző szövetségi ügynökségeknek. Az első évemben szakpolitikai elemzéseket készítettem gépi tanulásos és ágens-alapú modellekkel, valamint egy webes szimulációs eszköz prototípusát fejlesztettem az Amerikai Veteránügyi Minisztérium számára munkaerő-stratégiák feltárására. Az azóta eltelt időben a szoftverfejlesztés felé fordultam. Jelenleg az Indeed.com egyik fejlesztőcsapatát vezetem, ahol adatanalitikai eszközöket fejlesztünk belső használatra. Sok olyan álláslehetőség van a gazdaságban, amelyek jól illenek egy matematikushoz, és arra is van lehetőség, hogy különböző feladatköröket próbáljunk ki.
Amikor az iparban kezdtem állást keresni, észrevettem, hogy az egyetemi világban eltöltött éveim és néhány hobbim nagyon vonzó jelöltté tesznek. Mint matematika mesterszakos hallgató, doktorandusz és egyetemi oktató, sok tapasztalatot gyűjtöttem arról, hogyan tanuljak meg komplex, absztrakt fogalmakat. A munkaadók olyan munkavállalókat keresnek, akik bizonyítani tudják, hogy könnyen tanulnak új dolgokat. Mialatt előadásokat tartottam, gyakorlatokra készültem, rengeteg tapasztalatom halmozódott fel, hogyan magyarázzak el nehéz szakmai tartalmakat nem szakmai közönségnek. A munkaadók szívesen alkalmaznak tanárokat, mert őket az ügyfél elé lehet vinni, vagy fiatal kollégák mentorálására használhatók. Matematikusként te is biztosan szereztél hasonló tapasztalatokat. Keresd a lehetőségeket a szuperképességeid kiemelésére!
Programozási készségekre szükséged lesz! Nekem szerencsém volt, hogy megtanultam kódolni. A főiskolán tanultam egy kis Java-t egy bevezető informatikai tantárgy keretében. Az egyetemen a matematika tanszék weboldalát tartottam karban megbízási szerződéssel. A beadandóimat LaTeX-ben csináltam. Sokszor kellett számításokat végeznem a Mathematica, Maple, Matlab vagy a Sage programcsomagok valamelyikében. Posztdokként, miközben egy nyáron éppen unatkoztam, megírtam néhány kártyajátékot Objective-C-ben. Egy cikkhez egy adott nemkommutatív gyűrű feletti mátrixokat kellett diagonalizálnom, és ehhez egy teljesen saját Python programot írtam. Még mielőtt bármit is hallottam volna az adattudományról, már 10 programnyelv volt a tarsolyomban, ezeket mind beleírtam az önéletrajzomba, hogy lehessen tudni, számomra a kódírás nem probléma. Ha nincs programozási tapasztalatotok, a Pythont ajánlanám, ami egy jó, általános célú programozási nyelv. Válasszatok egy feladatot és álljatok neki Pythonban (pl. kódoljátok be önállóan a mátrix-szorzást).
Az utolsó tanácsom, hogy szerezzetek az adott területről tudást és építsetek kapcsolatokat. A legnagyobb akadályt számomra azt jelentette, hogy megtanuljam, hogyan kell kommunikálni a potenciális munkaadókkal. Online kurzusokat vettem fel adatelemzés és gépi tanulás témakörben és ezekből megtanultam, hogy az iparban dolgozókat mi érdekli, hogyan beszélnek, és milyen eszközöket használnak. Online programozási és adatelemzői versenyeken is indultam. Mivel korábbról nem volt tapasztalatom a versenyszférában, ezeket a versenyeket tudtam felmutatni bizonyítékul arra, hogy képes lennék adattudósként dolgozni. Érdemes részt vennetek a területeteken szervezett szakmai találkozókon. Az odajáró emberek általában barátságosak és segítőkészek.
Az egyetemi világból az átmenet az iparba ijesztő volt, de egyik legjobb döntésemnek bizonyult. Először aggódtam, hogy én nem az vagyok, akit a munkaadók keresnek, de kiderült, hogy sok cégnél fontos, hogy különböző hátterű embereket válogassanak össze. Nem kell beleerőszakolni magunkat valamilyen számunkra idegen szerepbe. Beszéljetek a volt évfolyamtársaitokkal, a barátaitokkal, a barátaitok barátaival, minden támogatást meg fogtok kapni, amire szükségetek van.
Peter D. Horn
A cikk eredeti címében a BIG rövidítés a Business, Industry and Government (üzlet, ipar és kormányzati szektor) szavakból származik. A BIG Math Network matematikus egyetemi hallgatók karrierét támogatja.
https://bigmathnetwork.org/ Promoting careers in Business, Industry and Government to students and departments of the mathematical sciences.
BIG karrier az egyetemtől a versenyszféráig. Peter D. Horn írása eredetileg a BIG Math Network honlapján jelent meg, a Notices of AMS 2022. áprilisi számában engedéllyel újraközölték. Az Érintőben megjelenő magyar fordítást az AMS engedélyezte.
Fordította: Kurics Tamás.
Peter D. Horn, “Academia Trained Me for a BIG Career.” Notices Amer. Math. Soc. 69 (April 2022), 567-68. © 2022 by the American Mathematical Society.