¿Qué hacer durante el Doctorado en Matemáticas para tener opciones en la industria?

Basado en mis propias interacciones con estudiantes graduados y posdoctorados, sugeriría:

1. Desarrollar habilidades que sean útiles para los posibles empleadores. Esto incluye habilidades básicas de comunicación y una amplia experiencia en análisis y modelado de datos, así como habilidades informáticas de moda (R, Python, Deep Learning, etc.)

2. Desarrollar competencias culturales para el mundo empresarial. Aprende a vestirte y actuar como corresponde, preferiblemente sumergiéndote en el mundo corporativo a través de una pasantía.

3. Tenga algunos ejemplos de su trabajo (además de sus documentos y disertación) para mostrar a los posibles empleadores.

Otro factor importante aquí es la elección del asesor. Mire a través de los perfiles de la facultad y vea si puede encontrar una buena opción. Este sería alguien con experiencia en la industria, o que haya logrado asignar a sus estudiantes a trabajos de la industria después de la graduación. Sería bueno ser asesorado por alguien que pueda ayudarlo a obtener pasantías en empresas relevantes y dirigir su investigación en la dirección que desea.

En mi experiencia, los doctores en matemáticas (con un poco de CS/Econ/Stats) son altamente empleables en la industria, incluso si se equivocan en el lado más puro de la investigación. Conozco a varias personas que estudiaron matemáticas puras y aplicaron sus habilidades de resolución de problemas en pasantías con muy buenos resultados, y mucho menos si están aprendiendo habilidades aplicadas en el camino. Otras habilidades blandas que adquiera serán extremadamente útiles en la industria: redacción de documentos, habilidades para hablar, resolución de problemas, etc.

Los estudios de doctorado también son un excelente momento para probar la transición de sus ideas a nuevas empresas. La mayoría de las buenas universidades tienen conexiones tecnológicas para ayudarlo a hacer eso, intente investigar eso.

¡Buena suerte!

En lugar de pensar en términos vagos sobre cómo se puede aplicar su formación matemática en la industria, creo que es mucho más fructífero centrarse en los problemas del mundo real que le apasionan. La mayoría de los doctores en matemáticas buscan problemas de investigación dejando que la curiosidad los guíe. Las cosas no cambian repentinamente solo porque ingresas a la industria. Particularmente en la era actual debido al auge tecnológico, existen tremendas oportunidades para las personas brillantes y con mentalidad matemática en la industria.

No se trata solo de presentaciones en power point y hablar con los clientes. Por supuesto, no hay nada de malo en eso si ese es el tipo de cosas que te gustan. Mi punto es simplemente que los matemáticos tienen una rara habilidad para pensar profundamente y llegar al núcleo de un problema técnico y muchas corporaciones se están dando cuenta del valor que pueden aportar.

Si no ha oído hablar de ellos, dos personas sobre las que debe leer son Eric Lander y Jim Simons. Ambos comenzaron como matemáticos y se convirtieron en grandes figuras en los campos de la biología y las finanzas, respectivamente. Es notable que Jim comenzó a operar de manera discrecional y solo más tarde incorporó técnicas cuantitativas. Entonces, en lugar de ver la "industria" como un monolito, piense qué problemas quiere resolver y confíe en que su formación matemática le ayudará.

Como ex geómetra aritmético actualmente en el mercado laboral de la industria, aquí hay algunos consejos/observaciones, vigentes a partir de 2021 (sin embargo, las cosas en la industria cambian rápidamente, así que manténgase alerta). Hablo desde la perspectiva estadounidense y no sé nada sobre cómo cambia esto en otros países. También estoy hablando del mercado laboral en una gran ciudad de EE. UU. con un gran sector tecnológico (por ejemplo, SF, Seattle, Boston, NYC, LA...) - independientemente de dónde obtenga su doctorado, es probable que encuentre mucho más oportunidades de la industria para doctorados en matemáticas en algún lugar como este.

Consejos generales:

• La creación de redes es realmente valiosa, tanto para el conocimiento general sobre las oportunidades de la industria como para encontrar puestos reales. Mantén tus contactos universitarios, trata de conocer gente que haga investigaciones cuantitativas fuera del departamento de matemáticas (estadísticas, economía, ciencias de la computación...), por ejemplo, asistiendo a sus seminarios, y no tengas miedo de pedirles a tus amigos que te presenten personas en su red que podría estar dispuesto a ayudar. La red de ex alumnos de su universidad también es un buen lugar para buscar.
• La industria es mucho más flexible que la academia y evoluciona rápidamente; como corolario, es mucho más fácil cambiar sus intereses que, por ejemplo, cambiar las especialidades de investigación. Las matemáticas son asombrosas porque son extremadamente portátiles y ubicuas, así que definitivamente no te quedes sin oportunidades porque tienes la experiencia "equivocada".
• Trabaje en el proceso de solicitud de empleo temprano y con frecuencia. Hacer pasantías durante su doctorado es una excelente manera de aprender sobre oportunidades laborales, probar un campo y mantener conexiones en la industria. Además, ganarás más dinero del que ganarías enseñando durante el verano... Mantener un currículum y LinkedIn actualizados y leer sobre carreras en Internet también es excelente. Muchos estudiantes de doctorado pasan 5 años en una jaula de Faraday, solo pensando en su campo de investigación específico: al menos, esto no es bueno para su salud mental (pregúnteme cómo lo sé...).
• Hagas lo que hagas, tómate el tiempo para desarrollar y mantener una competencia sólida en "habilidades cuantitativas" generales. Esto significa estadísticas, programación básica y análisis de datos básicos (por ejemplo, trabajar con R o Matlab). Irónicamente, los matemáticos puros podrían ser algunos de los únicos doctores en STEM que no tienen que hacer este tipo de cosas todo el tiempo en su investigación, y la gente de la industria no necesariamente entiende esto. Puede tomar cursos (¡incluidos algunos para estudiantes universitarios!), construir proyectos individuales, practicar con cosas como Project Euler, LeetCode o Kaggle, etc. Dependiendo del tipo de investigación que haga, tal vez pueda escribir algunas bibliotecas de Sage para hacer cálculos o ejecutar modelos estadísticos para probar hipótesis, etc.
• Si elige un tema de investigación suficientemente aplicado, todo esto podría ser mucho más fácil. Por ejemplo, sería extremadamente útil tener un asesor con conexiones en la industria o incluso solo un historial de estudiantes con trabajos en la industria. El mercado laboral de la industria no está mal para los doctores en matemáticas, incluso si estudian cosas extraordinariamente inútiles como yo (nadie está lanzando una startup usando espacios perfectoides...), pero si te conviertes en un verdadero experto en algo útil (incluso desde un punto de vista teórico/ perspectiva académica), podría abrirse a un nivel muy selecto de oportunidades laborales.
• No se duerma con sus "habilidades blandas". Los matemáticos tienen toneladas de oportunidades para ser realmente buenos en la escritura técnica y la comunicación con personas con una amplia gama de antecedentes. Tómese el tiempo para ser bueno en la enseñanza, ofrézcase como voluntario para hablar en seminarios para estudiantes, etc. Esta es una habilidad crucial en la industria y se evaluará directamente en las entrevistas.
• Las oportunidades de trabajo para los doctores en matemáticas ciertamente no se limitan en absoluto al tipo de industria tecnológica fuertemente cuantitativa que estoy discutiendo a continuación. Hay consultoría, derecho/política/política, educación, publicación técnica/escritura, solo por nombrar algunos. ¡Realmente puede aprovechar esas "habilidades blandas" anteriores más el prestigio de un doctorado en matemáticas y sus habilidades analíticas para hacer casi cualquier cosa!

Industrias específicas que contratan matemáticos:

• Finanzas cuantitativas: estas empresas a menudo parecen felices de contratar doctorados en matemáticas que puedan demostrar fuertes habilidades en estadística y programación competente (por ejemplo, poder escribir código Python o C ++ para ejecutar un modelo estadístico; la experiencia en ingeniería de software no es tan necesaria). Los "investigadores cuantitativos", especialmente en pequeños fondos de cobertura/empresas comerciales propietarias, a menudo trabajan en un entorno bastante académico/orientado a la investigación, a veces incluso publicando artículos. Estas empresas se preocupan mucho por los pedigríes, por lo que el prestigio de su programa y universidad son importantes (¡lamentablemente!). Si tiene experiencia en Putnam o Math Olympiad, eso es muy útil (¡¿incluso he visto compañías que preguntan sobre los puntajes de las pruebas estandarizadas?!?). En menor medida, podría ser útil tener un sólido historial de publicaciones. Muy pocas personas han estudiado matemáticas directamente relacionadas con las finanzas cuantitativas (precios derivados, PDE estocástica, etc.), por lo que hacer un doctorado en esa área lo prepararía muy bien. Hacer algo relacionado con las estadísticas o la probabilidad también es una gran ventaja, pero todo tipo de matemáticos son candidatos atractivos. Estas empresas están dispuestas a invertir una gran cantidad de recursos en capacitación y se preocupan principalmente por encontrar a las personas "más inteligentes"/más prestigiosas. Los puestos de trabajo se concentran en un 90 % en Nueva York ya veces en Chicago (más, por ejemplo, Londres y Hong Kong fuera de EE. UU.). Estas empresas están dispuestas a invertir una gran cantidad de recursos en capacitación y se preocupan principalmente por encontrar a las personas "más inteligentes"/más prestigiosas. Los puestos de trabajo se concentran en un 90 % en Nueva York ya veces en Chicago (más, por ejemplo, Londres y Hong Kong fuera de EE. UU.). Estas empresas están dispuestas a invertir una gran cantidad de recursos en capacitación y se preocupan principalmente por encontrar a las personas "más inteligentes"/más prestigiosas. Los puestos de trabajo se concentran en un 90 % en Nueva York ya veces en Chicago (más, por ejemplo, Londres y Hong Kong fuera de EE. UU.).
• Ciencia de datos: aquí, realmente se espera que tenga cierta experiencia legítima en el dominio cuando presente la solicitud, al menos si está buscando trabajos con la palabra "investigador" en el nombre (muchos trabajos de "ciencia de datos" son cosas como base de datos ingeniería con un nombre elegante). Los trabajos que involucran una gran cantidad de investigación teórica sobre modelos ML (por ejemplo, en algún lugar como DeepMind) son particularmente competitivos y competirá con personas con doctorados en aprendizaje automático. Si puede hacer una investigación real relacionada con el aprendizaje automático, incluso si se trata de 1 o 2 proyectos/documentos paralelos, está en una muy buena posición. Le recomendamos encarecidamente que haya creado un proyecto de ML no trivial y tenga el código en GitHub, por ejemplo, compitiendo en los desafíos de datos de Kaggle. Las habilidades de programación son importantes, pero sobre todo en el nivel de poder piratear un modelo sólido en Jupyter o R. El trabajo de curso o un doctorado secundario definitivamente serían útiles aquí, y como mínimo debería tomar algunos cursos de aprendizaje automático en su universidad. La sólida experiencia en estadísticas/datos/modelado lo coloca por delante de un matemático puro "no cuantitativo".
• Criptografía de "defensa"/gubernamental: la NSA y organizaciones similares (por ejemplo, el "Centro de Investigación de Comunicaciones") parecen contratar constantemente a muchos matemáticos. La experiencia en criptografía o teoría numérica aplicada/computacional es excelente, pero definitivamente no es un requisito. Estas son instituciones con fuentes de financiamiento profundas e inmutables que trabajan en un horizonte de tiempo muy largo, y parecen bastante felices de recopilar talento y brindar espacio para investigaciones bastante abiertas en una amplia gama de temas, así como capacitación en dominios específicos. Cierta competencia general con la programación probablemente sea útil pero no crítica. Tener un sólido historial académico o de publicaciones es útil. Hay una serie de puestos de tipo "postdoctorado" y algunos puestos de tipo "tenure-track"; a diferencia de las universidades, la NSA en realidad tiene los recursos para promover a un gran número de sus investigadores jóvenes. Obviamente, deberá pasar verificaciones exhaustivas de antecedentes, gran parte de su trabajo será secreto y es posible que nunca sepa para qué se utiliza su trabajo.
• Ingeniería de software: esta es una enormey amplísimo campo que parece no dejar nunca de crecer. Fuera de "FAANG", puede haber una dura competencia entre empresas por candidatos calificados. Los doctorados en matemáticas son atractivos y es probable que lo ayuden a obtener entrevistas y, posiblemente, a aumentar su calificación salarial en relación incluso con los estudiantes universitarios de informática bastante fuertes. Pero se espera que hagas la misma entrevista técnica que todos los demás, lo que requiere que puedas resolver problemas complicados de codificación en una pizarra. Tomar cursos de informática de pregrado o posgrado en su universidad es muy útil aquí, y se espera que esté familiarizado como mínimo con algoritmos básicos y estructuras de datos junto con una fluidez decente en un lenguaje de programación de su elección. El trabajo del curso de CS avanzado ayuda. Construir algún tipo de proyecto/aplicación genial y ponerlo en GitHub ayuda mucho. Grandes empresas tecnológicas como "
• Investigación de criptografía de blockchain/industria: esta es una industria bastante nueva y probablemente se verá muy diferente cuando termine su doctorado. En este momento (otoño de 2021), hay mucha demanda de talento, pero no un grupo increíblemente grande de personas con conocimientos especializados. Este campo se está desarrollando muy rápidamente y las ideas a menudo fluyen entre la criptografía académica y la industria, por lo que poder leer un trabajo de investigación de matemáticas es una habilidad útil. Hacer un doctorado o hacer una investigación matemática en el lado teórico de la criptografía te haría bastante atractivo. Definitivamente valdría la pena tomar un curso o dos sobre el tema si esto es algo que le interesa. Contribuir a proyectos de código abierto o participar en el "ecosistema" también sería una buena idea. Se necesitan conocimientos básicos de programación, y algo de experiencia en ingeniería de software podría ser útil. [Advertencia: cuando comencé mi doctorado en 2016, se podrían haber dicho cosas similares a las anteriores sobre la industria de la ciencia de datos. Desde entonces, el grupo de talentos se ha disparado y el crecimiento de la demanda de investigación de la industria ha disminuido].
• Laboratorios de investigación general de la industria: por ejemplo, Microsoft Research o Google Research. He visto este tipo de instituciones recomendadas mucho en este sitio como destinos de la industria que le permiten seguir haciendo algo muy similar a la investigación matemática académica. La advertencia aquí es que el mercado laboral en estos lugares también es similar a la investigación matemática académica: estos son básicamente puestos de profesores con una estructura de financiación diferente y se contrata en consecuencia.

Agregué un doctorado en informática a mi doctorado en matemáticas. Me ha ayudado a comercializarme para trabajos en la industria. Cada reclutador lo ha mencionado. Uno todavía necesita tener las habilidades (y ser capaz de demostrarlas en la entrevista), pero el menor parece recibir llamadas telefónicas.