Rzeczy do rozważenia na temat programów magisterskich w statystyce

Jest sezon przyjęć do szkół wyższych. Ja (i wielu studentów takich jak ja) próbuję teraz zdecydować, który program statystyczny wybrać.

1. Jakie rzeczy sugerują ci, którzy pracują ze statystykami, na temat programów magisterskich w statystyce?
2. Czy są częste pułapki lub błędy, które popełniają uczniowie (być może w odniesieniu do reputacji szkoły)?
3. Jeśli chodzi o zatrudnienie, czy powinniśmy skupić się na statystyce stosowanej, czy na kombinacji statystyk stosowanych i teoretycznych?

Edycja: Oto kilka dodatkowych informacji o mojej osobistej sytuacji: Wszystkie programy, które rozważam teraz, są w Stanach Zjednoczonych. Niektórzy koncentrują się na bardziej stosowanej stronie i dają stopnie magistra w „statystyce stosowanej”, podczas gdy inni mają więcej zajęć teoretycznych i przyznają stopnie w „statystyce”. Osobiście nie jestem tak bardzo zainteresowany pracą w jednej branży nad drugą. Mam doświadczenie w programowaniu i trochę lepiej znam branżę technologiczną niż, powiedzmy, genomikę czy bioinformatykę. Jednak przede wszystkim szukam kariery z interesującymi problemami.

Edycja : Próbowałem sprawić, by pytanie było bardziej ogólne.

Oto nieco tępy zestaw ogólnych przemyśleń i zaleceń dotyczących programów magisterskich w statystyce. Nie zamierzam, aby były polemiczne, choć niektóre z nich mogą tak brzmieć.

Zakładam, że jesteś zainteresowany uzyskaniem stopnia magistra terminalu, aby później przejść do przemysłu i nie jesteś zainteresowany potencjalnym kontynuowaniem doktoratu. Nie należy jednak traktować tej odpowiedzi jako wiarygodnej.

Poniżej znajduje się kilka porad z moich własnych doświadczeń. Zamówiłem je z grubsza od tego, co uważam za najważniejsze. Wybierając program, możesz porównać każdy z nich, uwzględniając niektóre z poniższych punktów.

1. Spróbuj dokonać najlepszego wyboru osobiście . Podejmowanie takiej decyzji wiąże się z bardzo wieloma czynnikami: geografią, osobistymi relacjami, możliwościami pracy i nawiązywania kontaktów, zajęciami, kosztami edukacji i życia itp. Najważniejszą rzeczą jest samodzielne rozważenie każdego z nich i próba dokonania własnego osądu . Jesteś tym, który ostatecznie ponosi konsekwencje twojego wyboru, zarówno pozytywnego, jak i negatywnego, i tylko ty możesz ocenić całą twoją sytuację. Działaj odpowiednio.

2. Naucz się współpracować i zarządzać swoim czasem . Możesz mi nie wierzyć, ale pracodawca najprawdopodobniej bardziej będzie troszczył się o twoją osobowość, umiejętność współpracy z innymi i zdolność do wydajnej pracy, niż dbają o twoje surowe umiejętności techniczne. Skuteczna komunikacja ma kluczowe znaczenie w statystykach, szczególnie w kontaktach z niestatystami. Bardzo ważna jest wiedza na temat zarządzania złożonym projektem i stałego postępu. Skorzystaj ze zorganizowanych możliwości konsultacji statystycznych, jeśli takie istnieją, w wybranej instytucji.

3. Naucz się pokrewnego obszaru . Największą słabością, jaką dostrzegam u wielu magisterskich i doktoranckich w dziedzinie statystyki, zarówno w przemyśle, jak iw środowisku akademickim, jest to, że często mają bardzo małą wiedzę merytoryczną. Rezultatem jest to, że czasami stosuje się „standardowe” analizy statystyczne z powodu braku zrozumienia podstawowych mechanizmów problemu, który próbują przeanalizować. Rozwijanie pewnej wiedzy specjalistycznej w pokrewnym obszarze może zatem bardzo wzbogacić zarówno statystycznie, jak i zawodowo. Ale najważniejszym aspektem tego jest sama nauka: uświadomienie sobie, że włączenie wiedzy przedmiotowej może być kluczowedo prawidłowej analizy problemu. Znajomość słownictwa i podstawowej wiedzy może również znacznie pomóc w komunikacji i poprawi postrzeganie twoich niestatystycznych kolegów.

4. Naucz się pracować z (dużymi) danymi . Zbiory danych w praktycznie każdej dziedzinie, w której wykorzystuje się statystyki, ogromnie wzrosły w ciągu ostatnich 20 lat. W środowisku przemysłowym prawdopodobnie poświęcisz więcej czasu na manipulowanie danymi niż na ich analizę . Uczenie się dobrych procedur zarządzania danymi, sprawdzania rozsądku itp. Jest kluczowe dla prawidłowej analizy. Im bardziej się na tym staniesz, tym więcej czasu poświęcisz na „zabawne” rzeczy. Jest to coś, co jest bardzo mocno niedocenione i niedoceniane w programach akademickich. Na szczęście społeczność akademicka udostępnia teraz większe zbiory danych, którymi można się bawić. Jeśli nie możesz tego zrobić w samym programie, poświęć trochę czasu, robiąc to poza nim.

5. Naucz się bardzo dobrze regresji liniowej i związanej z nią stosowanej algebry liniowej . Zaskakujące jest to, ilu mistrzów i doktorantów uzyskuje stopnie naukowe (z „najlepszych” programów!), Ale nie może odpowiedzieć na podstawowe pytania dotyczące regresji liniowej lub jej działania. Trzymanie tego materiału na zimno będzie ci bardzo dobrze służyć. Jest to ważne samo w sobie i jest bramą do wielu, wielu bardziej zaawansowanych technik statystycznych i uczenia maszynowego.

6. Jeśli to możliwe, zrób raport magisterski lub pracę magisterską. Programy magisterskie związane z niektórymi z najlepszych amerykańskich wydziałów statystycznych (zwykle ocenianymi bardziej w swoich programach doktoranckich) wydają się odejść od włączenia raportu lub pracy magisterskiej. Faktem jest, że program oparty wyłącznie na kursach zwykle pozbawia studenta rozwijania jakiejkolwiek rzeczywistej głębi wiedzy w danym obszarze. Moim zdaniem sam obszar nie jest tak ważny, ale doświadczenie jest. Wytrwałość, zarządzanie czasem, współpraca z wykładowcami itp. Wymagana do sporządzenia raportu magisterskiego lub pracy magisterskiej może się bardzo opłacić przy przejściu do branży. Nawet jeśli program go nie reklamuje, jeśli jesteś zainteresowany, wyślij wiadomość e-mail do biura rekrutacyjnego i zapytaj o możliwość dostosowania programu, który na to pozwala.

7. Podejmij najbardziej wymagające zajęcia, którymi możesz zarządzać . Najważniejsze jest, aby bardzo dobrze zrozumieć podstawowy materiał, ale powinieneś również mądrze wykorzystywać swój czas i pieniądze, stawiając sobie jak najwięcej wyzwań. Konkretna kwestia, którą wybierzesz do nauki, może wydawać się dość „bezużyteczna”, ale nawiązanie kontaktu z literaturą i rzucenie wyzwania, aby nauczyć się czegoś nowego i trudnego, ułatwi ci to, gdy będziesz musiał to zrobić później w branży. Na przykład poznanie niektórych teorii leżących u podstaw statystyki klasycznej okazuje się dość bezużyteczne w codziennej pracy wielu statystyków przemysłowych, ale przekazywane pojęcia są niezwykleprzydatne i zapewniają ciągłe wskazówki. Sprawi również, że wszystkie inne metody statystyczne, z którymi się zetkniesz, będą mniej tajemnicze.

8. Reputacja programu ma znaczenie tylko przy pierwszej pracy . Zbyt duży nacisk kładzie się na reputację szkoły lub programu. Niestety jest to energooszczędna heurystyka dla menedżerów zasobów ludzkich. Pamiętaj, że programy są oceniane znacznie bardziej na podstawie badań i programów doktoranckich niż programów magisterskich. W wielu takich wydziałach studenci MS często czują się trochę jak obywatele drugiej kategorii, ponieważ większość zasobów jest wydawana na programy doktoranckie.

   Jeden z najzdolniejszych młodych współpracowników statystycznych, z którym współpracowałem, ma doktorat z małego zagranicznego uniwersytetu, o którym prawdopodobnie nigdy nie słyszałeś. Ludzie mogą uzyskać wspaniałe wykształcenie (czasem o wiele lepsze, zwłaszcza na poziomie licencjackim i magisterskim!) W instytucjach „no-name” niż w programach „top”. Są prawie gwarantowane, że uzyskają więcej interakcji z wydziałem podstawowym na tym pierwszym.

   Nazwa szkoły na górze CV jest prawdopodobne, aby odgrywać rolę w pozyskiwaniu w drzwiach do pierwszej pracy i ludzie będą bardziej dbać o gdzie najbardziej zaawansowany stopień pochodzi niż gdzie wszelkie inne nie. Po tej pierwszej pracy ludzie będą bardziej dbać o to, jakie doświadczenie przyniesiesz do stołu. Znalezienie szkoły, w której można znaleźć wiele interesujących ofert pracy poprzez targi kariery, rozesłane e-maile itp., Może przynieść duże korzyści, a dzieje się to częściej w najlepszych programach.

Osobista uwaga : osobiście preferuję nieco bardziej teoretyczne programy, które nadal umożliwiają pewien kontakt z danymi i odrobinę stosowanych kursów. Faktem jest, że po prostu nie staniesz się dobrym statystykiem stosowanym, zdobywając tytuł magistra. Daje to tylko (znacznie więcej) czasu i doświadczenia w codziennym zmaganiu się z trudnymi problemami i analizami.

Radziłbym albo dostać się do najlepszej możliwej szkoły z marką (jak MIT), albo najlepszą ogólną ofertę (np. Przyzwoitą szkołę publiczną z czesnymi w kraju). Nie marnowałbym pieniędzy na szkoły prywatne drugiej kategorii.

Markowa wypłata szkół. Różnica cen między szkołą taką jak MIT a szkołami drugiego poziomu, takimi jak GWU, nie jest wystarczająco duża, aby uzasadnić różnicę w sile marki.

Z drugiej strony niektóre szkoły publiczne, np. William i Mary, choć są tanie, oferują przyzwoitą edukację. Niektóre z nich mają nawet porównywalną siłę marki, np. Berkeley vs. Stanford. Dlatego ze względu na znaczną różnicę kosztów stanowią alternatywę dla najlepszych szkół prywatnych.

Spójrz na farmakoepidemiologię. W szczególności dotyczy bezpieczeństwa narkotyków. To bardzo nowy obszar badań z wieloma bardzo zainteresowanymi pytaniami.