Samokształcenie a nauczana edukacja?

Istnieje pytanie o podobnym przeznaczeniu na programmers.SE . To pytanie ma kilka całkiem dobrych odpowiedzi, ale ogólny temat wydaje się być taki, że bez samokształcenia nie ma miejsca.

Oczywiście istnieje pewna znacząca różnica między programowaniem a statystyką - dzięki programowaniu naprawdę uczysz się podstawowej logiki, a następnie stosujesz ją wielokrotnie. Wszystkie nowe języki używają tych samych podstawowych pojęć. Samokształcenie pozwala poznać bardziej zaawansowane koncepcje i stać się bardziej wydajnym. Tego rodzaju rzeczy są dość trudne do nauczenia.

Statystyka jest zupełnie inna. Łatwo jest zastosować odpowiednią logikę - ponieważ ktoś inny zwykle opracował metodologię. Rzeczywiście, metodologia jest zwykle większością tego, czego naucza się na uniwersytetach. Ale statystyki są o wiele głębsze i obejmują kilka naprawdę wysokich koncepcji. Trudno nawet szukać tych pojęć, jeśli wszystko, czego się nauczysz, to statystyki stosowane, nie mówiąc już o ich zrozumieniu (chociaż zastanawiam się, ile może to wynikać z żargonu w terenie). Uważam też, że samokształcenie w programowaniu polega na czytaniu wielu krótkich artykułów / blogów w celu zapoznania się z nowymi koncepcjami, podczas gdy dostępne artykuły na temat statystyk są prawie zawsze skierowane do wszystkich początkujących, a zatem są nieco bezużyteczne dla początkujących nowicjuszy, takich jak siebie.

Pytanie zatem brzmi: czy samokształcenie jest bardziej lub mniej odpowiednie niż statystyka uniwersytecka, do celów statystycznych? Jakie metodologie do samokształcenia są skuteczne? Wszelkie przykłady tego, co wcześniej działało dla ludzi, byłyby mile widziane.

(prawdopodobnie powinna to być wiki społeczności, ale nie widzę pola wyboru)

Myślę, że jestem w dość podobnym miejscu, ale wezmę dźgnięcie. Zaczynałem jako absolwent socjologii, a po ukończeniu wszystkich kursów statystyki dostępnych w moim dziale przeszedłem na kursy na studiach wyższych na wydziale statystyki na moim uniwersytecie. To było objawienie; sposób, w jaki profesorowie statystyki podchodzili do problemów, był diametralnie różny od moich profesorów społecznych - o wiele bardziej intuicyjny i inspirujący niż to, czego się wcześniej nauczyłem, o wiele mniej formalny i zależny od wielu rzeczy, których albo mnie nie nauczyłem, ani nie miałem ” Udało mi się nauczyć na moich bardziej podstawowych kursach. Musiałem nauczyć się wielu rzeczy od nowa, aby nadążyć i wciąż martwię się, że tak naprawdę nie przykułem tych fundamentalnych koncepcji.

W ciągu czterech lub pięciu lat spędziłem dużo czasu, czytając szeroko - blogi, ta strona i niektóre wyjątkowe podręczniki były bardzo pomocne. Ale ta samokształcenie ma ograniczenia, z których największym nie jest to, że nie uczestniczyłem w wykładach w szkole, ale raczej, że minęły cztery lub pięć lat, odkąd ściśle współpracowałem z kimś, kto tak naprawdę wiedział więcej niż ja zrobił. Ta strona jest moim głównym źródłem zrzucania moich błędnych pojęć. Przeraża mnie to do tego stopnia, że ​​planuję aplikować do programów MS w biostatach tej jesieni - zdecydowanie wziąć udział w ciekawych kursach, ale także dlatego, że chcę tylko, żeby ktoś przejrzał moje pomysły i dowiedział się, co mam naprawdę się nauczyłem.

W przeciwieństwie do tego, uczyłem się języka R mniej więcej w tym samym okresie i na tych samych warunkach. Dopóki nie pomogłem założyć grupy użytkowników R około półtora roku temu, tak naprawdę nie miałem nikogo, kto wskazałby rażąco głupie konstrukcje w moim kodzie. Ale nie odczuwam prawie takiego samego niepokoju o mój kod, w dużej mierze dlatego, że programowanie ostatecznie sprowadza się do pytania, czy coś działa. Nie zamierzam zmniejszać tam wyzwań - jestem na StackOverflow wystarczająco długo, aby wiedzieć, że dla prawdziwych programistów istnieje ogromna wiedza specjalistyczna, która pozwala tworzyć coś eleganckiego, wydajnego, łatwego w utrzymaniu, adaptowalnym i łatwym -używać. Ale oprogramowanie jest ostatecznie oceniane na podstawie tego, jak dobrze spełnia swoją funkcję. Tak jak mówisz, statystyki mają prawie odwrotny problem - nowoczesne oprogramowanie do statystyk sprawia, że ​​stosunkowo łatwe jest tworzenie złożonych modeli, ale w wielu przypadkach nie mamy dobrych systemów zapewniających, że te modele są warte cholerności. Trudno jest odtworzyć wiele opublikowanych analiz, a odtwarzanie wcześniej opublikowanych badań od podstaw nie jest tak efektowne, jak dokonywanie nowych odkryć (stosuj przerażające cytaty według własnego uznania). Prawie zawsze wiem, kiedy moje programy są śmieciowe, ale nigdy nie jestem całkowicie pewien, czy moje modele są dobre. t tak efektowne, jak dokonywanie nowych odkryć (stosuj przerażające cytaty według własnego uznania). Prawie zawsze wiem, kiedy moje programy są śmieciowe, ale nigdy nie jestem całkowicie pewien, czy moje modele są dobre. t tak efektowne, jak dokonywanie nowych odkryć (stosuj przerażające cytaty według własnego uznania). Prawie zawsze wiem, kiedy moje programy są śmieciowe, ale nigdy nie jestem całkowicie pewien, czy moje modele są dobre.

Więc ... podobnie jak w programowaniu, myślę, że samokształcenie jest niezbędne. Ale myślę też, że niezwykle ważne jest, aby mieć mentora lub kolegę, który będzie z tobą kopał pomysły, wystawiał cię na nowe myślenie i skopał ci tyłek, gdy to konieczne. Edukacja formalna jest jednym ze sposobów na poznanie takich ludzi. To, czy jest to wydajne, zależy bardziej od twoich okoliczności ...

+1 za świetne pytanie. Myślę, że na dłuższą metę zawsze będziesz musiał polegać na samokształceniu w takiej czy innej formie. Jeśli czujesz się niekomfortowo z podstawami, formalne zajęcia będą świetne. Na przykład, jeśli czujesz się solidnie na podstawie stosowanych statystyk, ale nie masz wrażenia, że ​​rozumiesz matematykę leżącą u podstaw, skorzystanie z klas statystyki matematycznej będzie dobrym rozwiązaniem. Ale nawet tam, grad grad będzie ostatecznie polegał na nauce samodzielnego poruszania się po polu.

Chcę skorzystać z okazji, aby zaśpiewać pochwały CV. Szczerze uważam, że ta strona będzie odpowiedzią na wasze obawy. To prawda, że ​​istnieje wiele zasobów, które nie są ukierunkowane na odpowiedni poziom (zbyt wysoki lub zbyt niski) i że trudno jest znaleźć to, czego potrzebujesz. Domyślam się, że książki będą częściej na poziomie, który jest dla ciebie najlepszy; będą one bardziej wyczerpujące, i na każdy temat będą te od prawie bez matematyki do czysto teoretycznych traktatów z wieloma gradacjami pomiędzy nimi. Możesz przeszukiwać CV pod książkamia jeśli nie znajdziesz nic odpowiedniego, zadaj nowe pytanie. Ogólnie, jeśli nie masz pewności co do określonej koncepcji, po prostu zapytaj o nią. Nawet samo czytanie na stronie i podążanie za linkami jest niezwykle pouczające - jestem zdumiony, jak wiele się nauczyłem, odkąd stałem się aktywny na stronie.

Jeśli chodzi o konkretne strategie, które pomagają w nauce, dwie rzeczy najbardziej mi pomogły. Po pierwsze, przy zastosowanych statystykach jest to tak samo jak w przypadku programowania lub ćwiczeń w Carnegie Hall. Spróbuj znaleźć zestawy danych (jeśli to możliwe w świecie rzeczywistym) i zbadaj je; spójrz na dane, zastanów się, co może się dziać, dopasuj niektóre modele i sprawdź, czy są rozsądne itp. Im więcej możesz to zrobić, tym lepiej. Dla zrozumienia pojęć teoretycznych leżących u podstaw różnych technik symulacja jest dla mnie najlepsza. Kiedy czytam o czymś i mówi, że działa to w określony sposób lub ulegnie awarii pod pewnymi warunkami, często piszę mały kod, aby utworzyć te warunki i wygenerować dane z tego procesu, a następnie dopasować model i zapisać dowolny odpowiedni wskaźnik , zagnieź to w pętli i baw się nią. Tak naprawdę zrozumiałem prawie wszystko. Mogę o czymś przeczytać i może być całkowicie jasne - nawet mogę się odwrócić i wyjaśnić - ale tak naprawdę niezdobywaj go, dopóki nie wygeneruję go i nie zobaczę w akcji.

Teoretyczna podstawa statystyki jest zbyt głęboka, aby móc dobrze zrozumieć ten temat, po prostu pracując nad problemami, które zdarzają się na twoim biurku. Niektóre z największych statystycznych spadków, jakie widziałem, pochodzą od osób z wykształceniem programistycznym lub matematycznym, które beztrosko zakładały, że wiedza na temat kodowania lub obliczania prawdopodobieństwa była taka sama jak znajomość statystyki.

Niemniej jednak nie ma powodu, dla którego dobrze przemyślany program samokształcenia nie miałby tego zrobić. I tak jest, przynajmniej dla niektórych osób: patrz Dyplom Absolwenta Królewskiego Towarzystwa Statystycznego . Nie brakuje podręczników (i napisanych przez takich jak Cox, Berger, Tukey, Nelder i Efron!), Doskonałego wolnego oprogramowania (R) do wypróbowania rzeczy i oczywiście Cross Validated, aby rozwiać wątpliwości.

Jeśli chodzi o programowanie, zgadzam się, że samokształcenie jest właściwą drogą. Nauczyłem się języka R przez kilka miesięcy, kiedy pracuję jako statystyk. Następnie wziąłem kurs Coursera w programowaniu R, aby sprawdzić, czy mogę nauczyć się czegoś nowego, a ponieważ miałem solidne doświadczenie, sprawdziłem się i zostałem zaproszony jako asystent nauczyciela na kursie.

Jeśli chodzi o statystyki samouczące się, to zależy, ale ze względu na ostrożność powiedziałbym, że nie. Większość miejsc pracy dla statystyków wymaga co najmniej magistra statystyki, aby dostać się do drzwi i bez powodu. Doświadczeni statystycy zwykle mają doktoraty.

Wyobraź sobie, że lekarz prosi cię o zaprojektowanie programu selekcji dla konkretnego leczenia (coś, nad czym pracowałem). Chwytasz książki statystyk, by odświeżyć i zaczynasz pracę. Popełniasz błędy matematyczne lub nie rozpoznajesz niektórych czających się zmiennych i wybierani są niewłaściwi ludzie. Huk! Krewni ścigają za zaniedbanie i / lub jesteś w więzieniu za nieumyślne spowodowanie śmierci.

Tak więc w przypadku programowania samokształcenie jest jedynym sposobem, aby przejść, ale nigdy nie mów, że znasz statystyki lub pracujesz nad projektem statystycznym bez mentoringu ze strony wykwalifikowanego i doświadczonego statystyki, lub przynajmniej najpierw zapytaj, do czego należy zastosować wyniki.