Como posso usar meus poderes de teoria e análise computacional para um bem maior?

Fora da academia, quais são os usos dos meus 'poderes'? O que posso fazer além de ensinar e publicar artigos? Onde todos posso aplicar meus poderes?

Por uma questão de argumento: Por favor, assuma que eu tenho um PhD em algoritmos / TCS e aprendi uma grande quantidade de 'coisas' e criamos limites inovadores em algoritmos existentes, etc. , algoritmos de aproximação / randomizados, programação matemática etc.,

Justificativa por trás da pergunta: Curioso sobre as opções de carreira não acadêmica para as pessoas nesta área e possivelmente motivar alguns alunos que "simplesmente não é teoria" e que existem usos potenciais no mundo exterior em essência.

PS: Não responda afirmando que há muito o que aprender e você pode tentar o tópico XXX . Estou curioso do ponto de vista de carreira / desenvolvimento profissional. A Pesquisa Operacional (OR) parece ser o único bom ajuste, a IMO. Que outras opções existem?

Por favor, leia a resposta de William Thurston à pergunta O que um matemático deve fazer? no mathoverflow. Só para convencê-lo de que é uma leitura obrigatória, deixe-me citá-lo.

O produto da matemática é clareza e compreensão. Não teoremas, por si mesmos. Existe, por exemplo, alguma razão real para que resultados tão famosos como o Último Teorema de Fermat ou a conjectura de Poincaré sejam realmente importantes? Sua real importância não está em suas declarações específicas, mas em seu papel de desafiar nosso entendimento, apresentando desafios que levaram a desenvolvimentos matemáticos que aumentaram nosso entendimento.

O mundo não sofre com excesso de clareza e compreensão (para dizer o mínimo). Como e se a matemática específica pode levar à melhoria do mundo (seja lá o que isso signifique) é geralmente impossível de entender, mas a matemática coletivamente é extremamente importante.

Sinto muita simpatia pela sua pergunta. Fiz doutorado em lógica aplicada à ciência da computação e, no final, passei por uma crise de utilidade. Parecia que as habilidades mais fortes e o conhecimento mais profundo que eu tinha, tudo em que eu havia me treinado, era completamente irrelevante para a obtenção de um emprego não acadêmico. Quando Matt Welsh, um membro do corpo docente da Havard, postou sobre sair para o Google, houve uma discussão em que David Patterson, da UC Berkeley, fez o seguinte comentário:

Eu não acho que a maioria das pessoas que estão no setor estão indo para a indústria pelo dinheiro, nem as que estão indo para a academia para que possam ser chamadas de professor. Temos a sorte de ter escolhido um campo onde existem ótimos empregos na indústria e na academia.

Ao ler isso, senti que fazer um doutorado em ciência da computação teórica era a antítese de sua afirmação. Agora, estou me candidatando a empregos de engenharia (não pesquisa) no setor e descobri que há lugar para nós lá fora.

1. Algoritmos são importantes e relevantes na indústria. Vários problemas na indústria exigem bons algoritmos. Você também precisa de engenharia e infraestrutura sólidas para fazer as coisas funcionarem. O número de gargalos de desempenho para resolver efetivamente problemas reais nunca termina. Se você é bom em analisar o tempo e o consumo de memória de um sistema real e melhorá-lo, há muito trabalho para você.
2. A clareza na resolução de problemas é uma habilidade inestimável. Você tem treinamento para chegar à essência matemática de um problema e ignorar a bagagem que distrai. Você também pode implementar uma boa solução ou implementar uma redução em um formulário que possa ser resolvido com eficiência.
3. A estética tem valor. Esse comentário é baseado em exposição limitada, mas, depois de analisar o código que foi aberto por sites como Google e Facebook, vejo que foram feitos esforços para exercer a higiene lógica. Se você se preocupa com a estética matemática, espero que você tenha uma disciplina semelhante ao programar e minha impressão é que essa disciplina é valorizada.
4. A randomização está no seu melhor poder em um sistema real. Existem muitas situações que variam do design do protocolo ao uso dos filtros Bloom e do design inteligente dos mecanismos de armazenamento em cache que dependem da randomização para escala. Para mim, ver a randomização em ação é tão fascinante quanto vê-la em um teorema e ainda mais satisfatória.

Muitas pessoas com poderes vêm com uma educação teórica em ciência da computação que passaram a ter carreiras industriais bem-sucedidas. Não estou concluindo que é esse conhecimento específico que os tornou bem-sucedidos, mas definitivamente não os impediu.

1. Em meados da década de 1970, um estudante da Universidade de Havard e um professor assistente escreveram um artigo intitulado Bounds para classificar por reversão de prefixo . Quando Christos Papadimitriou chamou o aluno para informá-lo de que o trabalho fora aceito em Matemática Discreta, William H Gates já havia se mudado para Albuquerque para abrir uma empresa.
2. Ashok K. Chandra , co-autor da conferência de 1979 e mais tarde do periódico de 1981, Alternation, está no setor.
3. O Grupo de Algoritmos e Teoria do Google tem muitos teóricos formidáveis ​​que, até onde eu sei, trabalham também em problemas aplicados.

Esta é apenas uma lista pequena e aleatória. Meu objetivo não é ser abrangente, mas ressaltar que existem teóricos em toda parte. Espero que você goste de codificação, porque essa é uma habilidade indispensável e acredito que seja um dos poucos denominadores comuns entre os cientistas da computação. Obviamente, você não usará tudo o que sabe no dia a dia. Mas não espero que seja esse o caso, mesmo que você permaneça na academia, a menos que continue trabalhando exatamente no mesmo conjunto de problemas por anos a fio. Se você estava pensando o contrário, tente o Illustrated Guide to PhD , de Matthew Might .