VITENSKAP ELLER DATAMASKINER?

Original English version: http://sep.stanford.edu/sep/jon/careeradvice.html

Noen karriereråd fra Jon Claerbout

Rådene nedenfor ble skrevet i god tid før 1999 dot com bust.

Det sies også… `Gå ikke til alvene for å få råd, for de vil si både nei og ja.’ “Er det vel?”…
`Elver gir sjelden ubevokt råd, for råd er en farlig gave, selv fra kloke til kloke, og alle kurser kan bli syke.’ – Tolkien

For femten år siden, etter at jeg tok en øl eller to, kan noen få studenter ha fått dette rådet:

Prøv en jobb på U.S. Geologisk undersøkelse. Der trenger du aldri bekymre deg for konkurranse. Academia har et rykte om å være et elfenbenstårn, men noen av de mest akademiske personene jeg kjenner er bosatt mer komfortabelt i store selskaper. På motsatt side er geofysiske entreprenørselskaper. Konkurrentene dine prøver alltid å underbud deg, og de vil ofte lykkes.

Hindsight lærte oss at ansatte i myndigheter og gigantiske selskaper også har fått store dislokasjoner og permitteringer. Livet i en undersøkelsesentreprenørselskap har imidlertid vist seg å være berg-og dalbanen som vi alltid trodde det var.

Bør jeg gjøre karrieren min innen datamaskiner?

Refleksjonsseismologi tilføres sterkt med beregning. Det tyder på at du kanskje heller vil ha en spennende karriere innen datamaskiner. Du kan velge en karriere innen datamaskiner fordi

Det er mange gode muligheter fordi dataverdenen alltid er i endring, og som setter ungdom på et jevn fotfelt med eldre mennesker.

I løpet av mitt liv gjennomgikk datamaskiner alltid revolusjonerende endringer. Da jeg var en annen gang studerte jeg vakuumrør. Som senior studerte jeg transistorer, og lurte på om jeg noen gang ville forstå dem så godt som jeg forsto vakuumrør. Inntil lenge ble transistorer overbyttet av integrerte kretsløp. Da jeg ankom Stanford, innså jeg at mye av Stanford’s Electrical Engineering (EE)-fakultet var uaktuelt fordi fagfeltet deres hadde endret seg så raskt. Studenter i EE ble godt anbefalt å få en MS og deretter gå av, fordi industrien beveget seg så raskt foran ph.d.-programmene, hvorav mange skjulte seg med professorene sine. Da delte informatikk fra EE. Jeg ble overrasket over å bli eier av en Fortran-kompilator (tidligere hadde universitetet bare en) og å tilegne meg plikten til å opprettholde et operativsystem. Så fulgte en lang rekke forskjellige språk.

Jeg var i forkant med interaktiv grafikkprogrammering med Sunview. Om noen få år, Sunview var død; alle trengte å lære Xwindow. Nå forsvinner det. Nå skal vi lære TCL/TKOpen GL eller Java. Jeg lærte tekstbehandling i troff. Da byttet alle på universitetene til tex, (Jeg skriver dette rått html) og snart blir det noe nytt, sannsynligvis MathML. (Å ikke si noe om at folk oppfordrer oss til å lære MSWordFrame,…) For å opprettholde min tilregnelighet med reproduserbarhet av beregningsresultater fikk jeg først vite make, da måtte jeg konvertere til cake, deretter gmake. [Fem år senere hører jeg at vi bytter til Python og SCONES.] Et språk som jeg lærte for administrative oppgaver er AWK. Det har tjent meg bra, men for enhver yngre person, vil jeg si, “Lær PERL stedet.” [Fem år senere, nå er det Python i stedet.] Jeg er blitt rimelig ekspert på C og Fortran77 men skulle ønske jeg visste bedre Fortran90, og noen ganger drømmer jeg om C++ og Java. Foruten alle disse språkene, oppfordrer noen kolleger oss til å jobbe i stedet Mathematica eller Matlab, og de kan vise seg å være riktige. En slik brummer av språk! Vil du også lære å snakke kinesisk og russisk? Det er allerede for sent. Du burde begynt i barndommen.

Så for alle som synes at datamaskiner er et godt yrkesvalg fordi unge mennesker er på lik linje med eldre mennesker, trenger jeg bare å spørre,

Planlegger du å være ung for alltid?

Matematikk, ingeniørvitenskap og geofysikk har sine evige sannheter: Fourier-analysere, Maxwell-ligninger, elastisitet, endelige forskjeller, operatører, egenvektorer, tilgrensninger, konjugert-gradient-løsere, forventning, samvariasjon og IID, flyttingskorreksjoner, akustisk avbildning, konvolusjon, korrelasjon, spektrum , prediksjonsfeil, årsakssammenheng, listen fortsetter og fortsetter. Lær disse tingene og lær dem godt, fordi de kan tjene deg livet ut. Selvfølgelig må du kjenne datamaskiner også, for å bruke disse grunnleggende prinsippene å bruke. De grunnleggende prinsippene for IMHO (ikke den nyeste datafaren) bør utgjøre hele halvparten av utdannelsen din. Så, som Andrew Long sier: “Så lenge du er begeistret for å prøve nye ideer, vil du alltid ha muligheter.”

Datamaskiner er en god ting, men mitt råd er å bygge din karriere også i midten og senere år ved å bygge på en mer permanent struktur for vitenskap, ingeniørfag eller andre ferdigheter.

La oss nå ta en seriøs titt på den slags karriere som er resultatet av å gjøre din doktorgrad med Stanford Exploration Project. Jeg vil ikke svare på dette teoretisk, men med en oppsummering av karrierer for kandidatene mine.

48 karrierer innen refleksjonsseismologi

Ved 25-årsjubileet for Stanford Exploration Project i 1998 hadde vi en mulighet til å ta lager, for å samle resultatene fra 25 års erfaring fra 50 personer. Av 48 doktorgrader ved SEP var ingen døde, 36 kandidater dukket opp, og vi var i stand til å kommunisere med alle de andre. Jeg synes det er rettferdig å si at alle fortsetter å dra direkte ut av SEP-utdannelsen deres, inkludert de få som drev til datamaskiner eller akademia. Ingen var arbeidsledige på tidspunktet for gjenforeningen, men mange hadde blitt tvunget til å bytte selskap, noen flere ganger.

Nedenfor er Rick Ottolinis analysere basert på hans alumni-database og på SEP avhandlingsdatabase.

Type organisasjon

16  oljeselskap
15  letekontraktør
7   universitet
5   oppstartsselskap
2   konsulent
2   dataselskap
1   myndighetsorgan

Der de bor nå

13 California
11 Texas
8  Europa
5  Colorado
5  Andre Nord-Amerika
3  Latin-Amerika
3  Midtøsten/Asia/Australia

Temaoppgave for oppgaven (flere tellinger)

21 Overførings/modellering
10 Hastighetsestimering
8  Signalbehandling
7  Dypp flytting
4  Estimering/inversjon
4  Skråstakker
4  Tomografi
3  Elastiske bølger
3  Geologiske mål
2  Nær overflate
2  Anisotropi
2  Kilder
1  Demping