Математика в бизнесе будущего. Бизнес математика


Математика в бизнесе будущего | Бизнес

Я считаю, что различается не сама наука, а как административно все устроено. Нужно понимать, что нет одной идеальной схемы. Есть несколько схем, которые хорошо работают в своих странах. Часто у нас хотят слепо скопировать зарубежный опыт, но нужно учитывать, что и как исторически сформировалось на данный момент. Нельзя считать, что мы «калькой» можем привнести американскую схему и все будет хорошо — нужно серьезно думать, какие ее части у нас приживутся.

Что бесспорно, так это то, что необходимо расширять взаимодействие российской науки с мировой — сейчас мы меньше интегрированы в мировую науку, чем другие страны. Необходимо участие российских ученых в международных конференциях, поездки за границу, визиты в Россию коллег из-за рубежа. Иначе будет неизбежная провинциализация — сегодня никакая страна в мировом научном сообществе отдельно существовать не может. Российская наука немного не дотягивает до мирового среднего уровня по общению с коллегами.

Как наладить диалог между наукой и бизнесом? Какие формы взаимодействия существуют?

Науку часто делят на фундаментальную и прикладную. Это деление условное, потому что фундаментальные открытия часто становятся очень применяемыми — например, все наши технологии основаны на фундаментальных работах Фарадея и Максвелла по изучению электричества. С другой стороны, прикладные вопросы часто ведут к интересным фундаментальным исследованиям.

Большинство компаний поддерживают прикладные исследования в своей области. Многие ведущие компании, например, «Газпром нефть» или «Яндекс», имеют большие исследовательские отделения и ведут разработки на переднем крае науки.

Основную роль в поддержке фундаментальной науки должно играть государство, потому что именно государство может позволить себе долгосрочное планирование. Тем не менее в большинстве развитых стран бизнес активно поддерживает фундаментальную науку.

Я выделю несколько моментов: во-первых, если существует развитая фундаментальная наука, то тогда есть и ученые, которые могут на практические вызовы отвечать более гибко, чем те, которые работают над какой-то конкретной проблемой.

Во-вторых, если есть хорошая фундаментальная наука, то подготовка студентов и молодого поколения лучше осуществляется не только по фундаментальным областям, но и по практическим.

Таким образом, фундаментальная наука для бизнеса также важна. Она может давать отдачу иногда на коротком промежутке времени, и это понимают. Например, в любой момент ведущие американские компании имели большие отделы фундаментальных разработок — 30 лет назад это были AT&T и IBM, а сегодня Microsoft.

Зачем бизнесу поддерживать развитие математической науки?

Большая часть современных технологий основана на математике — когда мы говорим о цифровой экономике или новом технологическом укладе, надо понимать, что это потребует работы математиков и хорошей математической подготовки людей многих других профессий. И только если у нас будет передовая математическая наука, мы сможем это обеспечить. Опять же студент с хорошей базовой подготовкой по математике будет более успешен и в других областях — от инженерного дела до биологии.

С 2015 г. в СПбГУ при поддержке «Газпром нефть» реализуется крупнейший образовательный проект «Математическая прогрессия»[1]. В чем суть данного проекта?

В 2015 г. мы «обновили» математическое образование в СПбГУ. Был создан совет образовательной программы по математики из ведущих ученых, «осовременена» и сделана более гибкой программа курсов — после ядра самых важных курсов студент может выбрать индивидуальную программу в зависимости от того, в какой области — прикладной или фундаментальной — он хочет работать.

Наши коллеги из компании «Газпром нефть» выступили с инициативой помочь в привлечении студентов, особенно из регионов, предоставив им возможность учиться в Санкт-Петербурге, поддержав их стипендиями, грантами для поездок на школы и конференции. «Газпром нефть» также оказала большую помощь в популяризации нашей программы.

Как развивается проект с момента запуска?

Очень успешно! Пока рано говорить про выпускников — проект существует всего три года. Но у нас замечательные студенты. Все три года — 2015, 2016, 2017 — мы набирали больше призеров Всероссийских олимпиад, чем любая другая программа по математике в России, включая мехмат МГУ и матфак ВШЭ. В этом году к нам поступили четыре победителя международной математической олимпиады — вряд ли такой результат есть у какого-то университета в мире.

Проект сразу завоевал популярность во многом благодаря поддержке компании «Газпром нефть» — она дала возможность сделать рекламу и создать хорошие условия для студентов.

У наших студентов есть большие успехи: они входили в команду СПбГУ, занявшую второе место на международной олимпиаде International Mathematics Competition​ (2017 г.), и в команду СПбГУ (тренер А. Лопатин), завоевавшую золотую медаль в 41-м студенческом чемпионате мира по программированию. А на чемпионате по программированию VK Сup 2017 (2736 команд из 52 стран мира) наши студенты были в командах, занявших первые и пятые места. Так что, я уверен, за ними — большое будущее!

Как происходит отбор участников на проект? Собираются люди со всей страны?

Отбор студентов осуществляется по правилам обычного поступления в вуз. В этом году на программу было подано больше заявок от победителей олимпиад, чем самих заявленных мест, но в итоге СПбГУ нашел возможность всех принять в студенты. Это говорит о том, что программа набрала популярность и талантливые студенты стремятся поступить к нам.

Каким образом осуществляется поддержка студентов, молодых ученых и лабораторий в целом?

Здесь есть два момента. Первый — чисто финансовая поддержка. Студентам выделяется стипендия, которая позволяет сосредоточиться на учебе и не подрабатывать. В первый год обучения особенно тяжело после школы погрузиться в более самостоятельное обучение, нужно больше работать самому и не отвлекаться ни на что. То же самое важно и для аспирантов. Если вы посмотрите на современные российские университеты, то большая часть аспирантов где-то подрабатывает и это мешает их исследованиям.

Второе, это поддержание хороших условий для обучения и исследований. Наличие интересных лекций и семинаров, возможность встреч с учеными из разных стран, знакомства с их научными достижениями. Чтобы всегда у студентов было с кем посоветоваться и по научным, и по жизненным вопросам. Это даже важнее, чем первое.

Какие научные исследования уже идут и какие было бы интересно развивать в рамках проекта «Математическая прогрессия»?

Проект «Математическая прогрессия» вырос из лаборатории Чебышева, которая была создана по мегагранту 2010 г. для исследований по математической физике и прилегающим областям: от математического анализа до алгебры и геометрии. Фактически мы стараемся покрыть все математические направления, имеющиеся в Санкт-Петербурге.

Помимо фундаментальных исследований есть еще и практические изыскания. Так, в 2017 году ученые лаборатории Чебышева совместно с сотрудниками Научно-технического центра «Газпром нефти» запустили исследование, которое будет осуществляться в течение трех лет — «Экспертиза и поиск новых подходов, методов и алгоритмов, характеризующих работу пласта с учетом экспериментальных данных».

* На правах рекламы.

[1] http://rodnyegoroda.ru/project/mathematics/

www.forbes.ru

Профессия: Бизнес-Математик - StudyInFocus

Что означает профессия Бизнес-Математика?

Бизнес-математики решают сложные экономические проблемы с помощью математических методов. Они обеспокоены, например, вопросами, касающимися оптимизации операционных процессов, управления складом, планирования пространства и оценки возможностей и рисков в страховании и финансовом планировании.

Различные приложения

Опыт Бизнес-Математиков востребован везде, где экономические процессы не оценены, но должны быть точно описаны, проанализированны и рассчитаны на основе математических методов. В страховой отрасли, бизнес-математики отслеживают и анализируют частоту и размеры страховых выплат, составляют бизнес-планы с теническими деталями типов предлагаемого страхования, идентифицируют риски ущерба и рассчитывают страховые премии из расчета покрытия издержек.Будь то страхование от природных бедствий, страхование багажа или пенсионное страхование - для каждого типа страхования бизнес-математики создают модели рассчетов тарифов, страховых премий и взносов.

Например, в медицинском страховании, бизнес-математики рассчитывают возвраты страховых премий и контроллинга (предоставления рассчетов и информации для оперативных решений).

Бизнес-математики работают так же в банках и инвестиционных компаниях, они оценивают ценные бумаги, акции, фьючерсы и опционы. Бизнес-математики анализируют соответствующие риски и разрабатывают инновационные финансовые продукты.

Для поставщиков пенсионного страхования, предусмотренного законом, они работают, например, с проблемами финансирования социального обеспечения. Используя статистические методы, бизнес-математики расчетывают прогнозы по развитию населения и его возрастной структуре.

Бизнес-математики с навыками программирования могут также работать в разработке программного обеспечения, разработке продуктов, их внедрении и обучении.

Руководящие должности часто требуют степени магистра.

Бизнес-Математики в Исследованиях и образовании

В университетах и в научно-исследовательских институтах, бизнес-математики имеют дело с разработкой моделей для оптимизации инфраструктуры, транспортных систем и систематизации биологических явлений. Междисциплинарная мышление требуется, потому что бизнес математика используется практически во всех областях применения, в которых возможна оптимизация или структурирование систем и процессов.

В высшем образовании они разрабатывают лекции и подготавливают семинары, учебные пособия и проводят практику. Для этого они разрабатывают учебные материалы и инструкции. Кроме того, бизнес-математики должны разрабатывать, проводить и корректировать исследования и научные материалы. Они привлекают средства для научно-исследовательских проектов в государственных учреждениях и промышленности, осуществляют проекты и публикуют результаты в книгах или журналах. А так же участвуют в конференциях и съездах, презентуя результаты своих исследований.

Для независимых научных исследований требуется степень магистра и докторская степень.

Задачи и функции в деталях

  • Оптимизация процессов на национальном (например, распределении электроэнергии), региональном (например, транспортные системы) или операционном уровене (например, технологические процессы, логистика, поток материалов)
  • Оценка, вычисление и управление финансовыми рисками, например, в страховых компаниях, банках и строительных кооперативах или рассчет профессиональных пенсий (актуарная деятельность)
  • Решение задач в операционной статистике и организации, а так же контроле
Анализ проблем, математических решений и ИТ-приложений
  • описывать и анализировать технические, экономические и научные процессы, математически структурировать их и представлять их в виде математических моделей
  • разрабатывать оптимальные решения, используя математические, численные и дигические методы
  • осуществлять расчеты по вероятностным и статическим вопросам
  • переводить решения на компьютерный язык и просчитывать его
  • оценивать результаты для приложения к первоначальной проблеме и презентовать его как можно более четко и прозрачно
  • Разрабатывать программное обеспечение для коммерческих и технических приложений, тестировать и мониторить его внедрение
Финансовые услуги, консультации, операционные задачи
  • например, в страховых компаниях, анализировать и обновлять статистические данные, рассчитывать новые тарифы, оптимизировать техники передачи данных
  • оценивать и записывать данные и информацию о продукции и ее стоимости, подготавливать производственные, финансовые и планы продаж
  • консультировать компании относительно использования подходящего программного и технического обеспечения, при необходимости обучать сотрудников работе с соответствующими системами
Исследования и преподавание (после получения степени магистра и, при необходимости, докторантуры)
  • разрабатывать новые методы и процедуры для описания и оптимизации структурных, логистических и экономически проблем
  • планировать и разрабатывать научно-исследовательские проекты, привлекать исследовательские заказы, привлекать финансирование для научно-исследовательских проектов
  • проводить лекции и осуществлять доклады на профильных конференциях и конгрессах, презентовать последние результаты исследований и методологии, публиковать статьи в спецаилизированных изданиях
  • разрабатывать, подготавливать и реализовывать учебные курсы (лекции, семинары, упражнения, практику)
  • разрабатывать учебные материалы, описания, практические задания и инструкции
  • Подготавливать, осуществлять и корректировать учебные и экзаменационные материалы

studyinfocus.ru

Высшая математика в бизнесе. Матчасть. / События на TimePad.ru

Добро пожаловать на страницу предварительной регистрации на курс "Матчасть"!

Лекции стартуют в конце октября и продлятся до конца декабря. Участие в лекциях бесплатно.

Курс состоит из двух частей: лекционной (бесплатной) и практической (платные семинары). 

Лекция

Дата

Название

Содержание

1

27 октября

Принципы математического моделирования: от биологии до экономики

Разбор четырёх моделей "реального мира":

  • Финансовая pro forma
  • Модель общего макроэкономического равновесия
  • N-граммная модель текста
  • Скрытая марковская модель цепочки ДНК

Анализ общего математического подхода к построению моделей и инструментов описания неопределённости и динамики.

2

1 ноября

Вероятности на практике: моделирование бизнеса и управление рисками

Математический подход к моделированию бизнеса. Описание неопределённости: быстрое повторение понятий из теории вероятностей. Отношение к риску в экономике; меры риска. Интуиция и экономический смысл вероятностных распределений. Случайные процессы. Методы стресс-тестирования бизнес-моделей.

3

8 ноября

Бизнес-аналитика и бизнес-моделирование: визуализация и интерпретация данных

Задача прогнозирования бизнес-показателей на примере калькулятора доходности банковского продукта. Способы визуализации исторических данных. Сегментирование и проверка гипотез. Дисперсионный анализ и факторный анализ в динамике.

4

15 ноября

Линейная регрессия и прогнозирование временных рядов с приложением в алготрейдинге

Линейная регрессия: построение, интерпретация, диагностика. Прогнозирование временных рядов.

Построение стратегии на основе предсказательной модели: пример алгоритмического трейдинга

5

22 ноября

Кредитный скоринг и алгоритмы для классификации

Задача клиентской аналитики вообще и кредитного скоринга в частности. Скоринговые модели на основе логистической регрессии. Меры качества классификации. Понятие переобучения и регуляризация. Решающие деревья и алгоритм random forest.

6

29 ноября

Углублённое введение в нейросети. Анализ изображений

Плюсы и минусы нейросетей. Обзор архитектур. Рекуррентные и свёрточные сети. Современные возможности анализа изображений. Успешные бизнес-применения нейросетей.

7

6 декабря

Науки о человеке и структуризация сложного: кластеризация, сокращение размерности

Задача управления клиентской базой. Кластеризация: обзор методов. Психология и факторный анализ. Сокращение размерности для визуализации данных. Повышение продаж и персонализированные рекомендации. Математические подходы к задаче рекомендации. 

8

13 декабря

Бизнес поисковиков, модели Интернета и анализ текстов

Основа бизнеса поисковика. Задача ранжирования: алгоритмы и метрики качества. Ранжирование страниц и модель блуждания по интернету. Тематическая модель текста. История и основные приложения анализа текстов. Слова и их сочетания: как превратить текстовую информацию в числовую.

9

20 декабря

Элементы теории графов и анализ социальных сетей

Обзор базовых понятий теории графов. Свойства социальных графов. Ранжирование и выделение сообществ, распространение информации. Практические аспекты работы с социальными сетями.

10

17 января

Заключительная лекция

Оптимальное поведение. Теория игр. Обучение с подкреплением и искусственный интеллект.

Все лекции будут проходить в Финансовом университете, ауд. 0909, Ленинградский проспект, 51/1, с 19:00 до 22:00.

Лекции рассчитаны на аудиторию с минимальным математическим бэкграундом (азы математического анализа и теории вероятностей на хорошем школьном уровне). Участникам лекций будут предложены домашние задания, часть из которых предполагает знакомство с языком программирования Python (быстрый курс есть, например, здесь).

Ссылка на домашние задания. Задания находятся в архиве; доступ в архив осуществляется по паролю, который объявляется на каждой лекции. Выложены домашки (и слайды): 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, все сразу. Ко всем архивам, кроме 9 и 10, доступ осуществляется по паролю.

Тесты на понимание и закрепление лекций: 1, 2. 

Практическая часть пройдёт в формате двухнедельного интенсива с 11 по 28 ноября. Решения отборочных заданий принимаются до утра 11 ноября. Подробности в документе.

 

Участие в интенсиве требует ненулевой математической базы, поэтому после объявления дат зарегистрировавшимся участникам будут высланы задания для отбора, проверяющие знание основ теории вероятности, логического мышления и навыков моделирования. По итогам отбора 3 лучших кандидата получат 100% скидку на интенсив.

 

 

phoenix-case-school.timepad.ru


Смотрите также