Como analista / científico de datos en una startup tecnológica proveniente de un postdoc de física computacional en un laboratorio nacional, mi experiencia en investigación me ha preparado bien para:
- Encuentre soluciones a problemas que aún no se han resuelto (realice una investigación).
- Problemas complejos aproximados utilizando modelos simples para comprender rápidamente el problema y proponer soluciones razonables.
- Escriba rápidamente el código de nivel de prueba de concepto.
- Piense en el flujo de datos a un nivel muy alto, comprenda su transformación y amplíe los detalles según sea necesario.
- Aprenda nuevos campos, identifique similitudes entre campos y descubra o adapte soluciones novedosas a sus problemas.
La física proporciona un marco muy agradable para ver el mundo. El conjunto de métodos que aprendemos en la escuela de posgrado y luego adaptamos para nuestra investigación son generalmente adaptables a una amplia gama de problemas del mundo real. En mi caso, tuve que trabajar muy duro los primeros dos años de la escuela de posgrado aprendiendo nuevos conceptos y haciendo conjuntos de tareas masivas. Esto me enseñó a priorizar el trabajo y me capacitó para aprender cosas nuevas rápidamente. Todas estas lecciones me han beneficiado enormemente después de hacer la transición de lo académico a la industria.
- ¿Hay alguna película biográfica sobre Albert Einstein? Si no, ¿por qué?
- ¿Cómo pueden ayudar los físicos en biología teórica, además de las matemáticas y las nuevas perspectivas?
- Quien es Albert Einstein?
- ¿Por qué Richard Muller está a favor de la energía nuclear?
- ¿Qué debería preguntarle a un físico de partículas en el CERN?
