Что нужно учитывать в магистерских программах по статистике


36

Это сезон поступления в аспирантуру. Я (и многие такие студенты, как я) сейчас пытаюсь решить, какую статистическую программу выбрать.

  1. Что те из вас, кто работает со статистикой, предлагают нам подумать о магистерских программах по статистике?
  2. Есть ли общие ошибки или ошибки, которые делают ученики (возможно, в отношении репутации школы)?
  3. Что касается занятости, следует ли нам сосредоточиться на прикладной статистике или на комбинации прикладной и теоретической статистики?

Изменить: Вот некоторая дополнительная информация о моей личной ситуации: Все программы, которые я сейчас рассматриваю, находятся в Соединенных Штатах. Некоторые сосредотачиваются на более прикладной стороне и дают степени магистра в "прикладной статистике", в то время как другие имеют больше теоретической работы курса и предоставляют степени в "статистике". Лично я не собираюсь работать в одной отрасли над другой. У меня есть некоторый опыт программирования, и я знаю технологическую отрасль немного лучше, чем, скажем, индустрия геномики или биоинформатики. Однако я в первую очередь ищу карьеру с интересными проблемами.

Редактировать : пытался сделать вопрос более применимым.


8
Это во многом зависит от многих личных факторов, мешающих дать хороший совет. Мы не знаем, из какой части мира ваши программы, насколько сфокусированы ваши интересы или каковы они. Вопрос сформулирован слишком широко, чтобы на него можно было ответить авторитетно, но он может быть закрыт как слишком локализованный, если он предназначен исключительно для того, чтобы давать советы только одному человеку. Я предлагаю предоставить больше контекста, но не конкретизировать его только для вашего конкретного случая.
кардинал

1
Справедливо. Все программы, которые я сейчас рассматриваю, находятся в Соединенных Штатах. Некоторые сосредотачиваются на более прикладной стороне и дают степени магистра в "прикладной статистике", в то время как другие имеют больше теоретической работы курса и предоставляют степени в "статистике". Лично я не собираюсь работать в одной отрасли над другой. У меня есть опыт программирования, и я знаю технологическую отрасль немного лучше, чем, например, индустрия геномики или биоинформатики. Однако я в первую очередь ищу карьеру с интересными проблемами.
AttemptedStudent

Спасибо. Это очень полезно. Я все еще думаю, что вики сообщества была бы лучшей, но это позволяет вести более продуктивный разговор. (удаляя мой предыдущий комментарий ..)
gung - Восстановить Монику

Ответы:


47

Вот несколько тупой набор общих мыслей и рекомендаций по магистерским программам в области статистики. Я не намерен их полемизировать, хотя некоторые из них могут звучать так.

Я собираюсь предположить, что вы заинтересованы в получении степени магистра, чтобы потом перейти в промышленность, и не заинтересованы в том, чтобы получить докторскую степень. Пожалуйста, не воспринимайте этот ответ как авторитетный.

Ниже приведены несколько советов из моего собственного опыта. Я заказал их очень грубо из того, что я считаю наиболее важным по меньшей мере. Выбирая программу, вы можете сравнивать каждую из них друг с другом, принимая во внимание некоторые из приведенных ниже пунктов.

  1. Попробуйте сделать лучший выбор для вас лично . Принятие такого решения связано с очень многими факторами: география, личные отношения, возможности работы и общения, курсовая работа, расходы на образование и проживание и т. Д. Самое важное - взвесить каждый из них самостоятельно и постараться использовать свои собственные суждения. , Вы тот, кто в конечном итоге живет с последствиями по вашему выбору, как положительными, так и отрицательными, и вы единственный, кто в состоянии оценить всю вашу ситуацию. Действуй соответственно.

  2. Научитесь сотрудничать и управлять своим временем . Вы можете не верить мне, но работодатель, скорее всего, больше заботится о вашей личности, способности сотрудничать с другими и умении работать эффективнее, чем о ваших необработанных технических навыках. Эффективное общение имеет решающее значение в статистике, особенно при общении с нестатистами. Знание того, как управлять сложным проектом и добиться устойчивого прогресса, очень важно. Воспользуйтесь структурированными статистическими консультационными возможностями, если они есть, в выбранном вами учебном заведении.

  3. Изучите родственную область . Самая большая слабость, которую я вижу у многих магистров и аспирантов в области статистики, как в промышленности, так и в научных кругах, заключается в том, что они часто имеют очень мало предметных знаний. В результате иногда используются «стандартные» статистические анализы из-за недостатка понимания основных механизмов проблемы, которую они пытаются проанализировать. Поэтому накопление некоторого опыта в родственной области может быть очень полезным как в статистическом, так и в профессиональном плане. Но самым важным аспектом этого является само обучение: осознание того, что включение предметных знаний может быть жизненно важнымправильно анализировать проблему. Быть компетентным в словарном запасе и базовых знаниях также может значительно помочь в общении и улучшить восприятие вас вашими коллегами-нестатистами.

  4. Научитесь работать с (большими) данными . Наборы данных практически во всех областях, где используется статистика, за последние 20 лет значительно выросли в размерах. В промышленных условиях вы, скорее всего, будете тратить больше времени на манипулирование данными, чем на их анализ . Изучение правильных процедур управления данными, проверки работоспособности и т. Д. Имеет решающее значение для достоверного анализа. Чем эффективнее вы становитесь в этом, тем больше времени вы тратите на то, чтобы развлекаться. Это то, что очень сильно недооценивается и недооценивается в академических программах. К счастью, теперь есть несколько больших наборов данных, доступных для академического сообщества, с которыми можно играть. Если вы не можете сделать это в самой программе, потратьте некоторое время, занимаясь этим вне ее.

  5. Изучите линейную регрессию и связанную с ней линейную алгебру очень, очень хорошо . Удивительно, сколько магистров и аспирантов получают свои степени (из «лучших» программ!), Но не могут ответить на основные вопросы о линейной регрессии или о том, как она работает. Хранение этого материала в холодном состоянии послужит вам невероятно хорошо. Это важно само по себе и является воротами ко многим, более продвинутым методам статистического и машинного обучения.

  6. Если возможно, сделайте магистерский отчет или диссертацию, Магистерские программы, связанные с некоторыми из ведущих статистических департаментов США (как правило, больше оценивают их докторские программы), похоже, отошли от включения отчета или тезиса. В том-то и дело, что программа, основанная исключительно на курсе, обычно лишает студента возможности развивать какие-либо реальные знания в определенной области. Сама область не так важна, на мой взгляд, но опыт есть. Настойчивость, управление временем, сотрудничество с преподавателями и т. Д., Необходимые для подготовки магистерского отчета или тезисов, могут окупиться при переходе к промышленности. Даже если программа не рекламирует ее, если вы заинтересованы в этом, отправьте электронное письмо на приемную комиссию и спросите о возможности специальной программы, которая позволяет это делать.

  7. Пройдите самую сложную курсовую работу, какую только сможете . Хотя самое главное - очень хорошо понимать основной материал, вы также должны разумно использовать свое время и деньги, стараясь как можно больше испытывать себя. Конкретная тема, которую вы выбираете изучать, может показаться довольно «бесполезной», но знакомство с литературой и вызов самим себе, чтобы узнать что-то новое и сложное, облегчит, когда вам придется делать это позже в промышленности. Например, изучение некоторых теорий, лежащих в основе классической статистики, оказывается само по себе бесполезным для повседневной работы многих отраслевых статистиков, но переданные концепции чрезвычайнополезно и обеспечивает постоянное руководство. Это также сделает все остальные статистические методы, с которыми вы вступаете в контакт, менее загадочными.

  8. Репутация программы имеет значение только для вашей первой работы . Слишком много внимания уделяется репутации школы или программы. К сожалению, это эвристика, экономящая время и энергию, для менеджеров по персоналу. Имейте в виду, что по программам исследований и докторских программ их оценивают гораздо больше, чем их магистров. На многих таких высших факультетах студенты MS часто чувствуют себя как граждане второго сорта, так как большая часть ресурсов расходуется на докторские программы.

    Один из самых ярких молодых статистических сотрудников, с которыми я работал, имеет докторскую степень в небольшом иностранном университете, о котором вы, вероятно, никогда не слышали. Люди могут получить прекрасное образование (иногда намного лучшее, особенно на уровне бакалавриата и магистратуры!) В учебных заведениях «без имени», чем в «лучших» программах. Они почти гарантированно получат больше взаимодействия с основными преподавателями в первом.

    Название школы в верхней части вашего резюме , вероятно, будет способствовать тому, чтобы вы оказались на пороге своей первой работы, и люди будут больше заботиться о том, откуда вы получили высшее образование, чем о том, что сделали другие. После этой первой работы люди будут гораздо больше заботиться о том, какой опыт вы принесете за стол. Поиск школы, в которой много интересных возможностей трудоустройства открываются для вас через ярмарки вакансий, рассылку писем по электронной почте и т. Д., Может принести большую отдачу, а это чаще всего происходит в лучших программах.

Личное замечание : лично я предпочитаю несколько более теоретические программы, которые все еще позволяют некоторый контакт с данными и небольшую часть прикладных курсов. В том-то и дело, что вы просто не станете хорошим прикладным статистиком, получив степень магистра. Это приходит только с (гораздо больше) времени и опыта в борьбе со сложными проблемами и анализом на ежедневной основе.


14
+1. Иногда, как здесь, хороший ответ делает вопрос стоящим.
whuber

4
Я знаю, что это очень индивидуальное решение. Тем не менее, ваш вдумчивый ответ очень помогает. Особенно интересно посмотреть, как высоко вы оценили изучение родственной области. Некоторые программы позволяют мне проходить курсы в других отделах. Сейчас я начинаю думать, что широта является особенно ценной характеристикой программы.
AttemptedStudent

(+1) Очень хороший ответ. Мне особенно понравился пункт 3.
ЧЛ

2
@AttemptedStudent: Традиционно, я думаю, что большинство аспирантов (в частности, аспирантов) в области статистики имеют базовые знания по математике и мало общались с актуальными прикладными задачами, которые требуют статистических концепций и мышления. Это может быть одной из причин, почему изучение родственной области оказалось так высоко в моем списке. Но, как я уже говорил в теле, порядок немного грубоват. :)
кардинал

1
+1, хороший ответ. Мне понравились баллы 3-5. Наблюдение за манипулированием данными является точным.
mpiktas

1

Я бы посоветовал либо поступить в лучшую школу, какую только можно, с торговой маркой (например, MIT), либо лучше в целом (например, приличную государственную школу с обучением в штате). Я бы не стал тратить деньги на второсортные частные школы.

Окупаемость фирменных школ. Разница в цене между школой, подобной MIT, и школой второго уровня, такой как GWU, недостаточно велика, чтобы оправдать разницу в силе бренда.

С другой стороны, некоторые государственные школы, например, Уильям и Мэри, хотя и дешевы, предлагают достойное образование. Некоторые из них даже имеют сопоставимую силу бренда, например, Беркли против Стэнфорда. Таким образом, из-за значительной разницы в стоимости, они являются альтернативой лучшим частным школам.


-5

Взгляните на фармакоэпидемиологию. В особенности это касается безопасности лекарств. Это очень новая область исследований с большим количеством очень интересных вопросов.


1
Это случайно было отправлено в неправильном месте?
Макрос
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.