Trình độ chuyên môn cho các chương trình tiến sĩ

Yann LeCun đã đề cập trong AMA của mình rằng ông coi việc có bằng tiến sĩ là rất quan trọng để có được một công việc tại một công ty hàng đầu.

Tôi có bằng thạc sĩ về thống kê và sinh viên đại học của tôi là về kinh tế và toán ứng dụng, nhưng bây giờ tôi đang xem xét các chương trình tiến sĩ ML. Hầu hết các chương trình nói rằng không có các khóa học CS hoàn toàn cần thiết; tuy nhiên tôi có xu hướng nghĩ rằng hầu hết các sinh viên được chấp nhận có ít nhất một nền tảng CS rất mạnh. Tôi hiện đang làm việc như một nhà khoa học / nhà thống kê dữ liệu nhưng công ty của tôi sẽ trả tiền cho các khóa học. Tôi có nên tham gia một số khóa học kỹ thuật phần mềm giới thiệu tại Đại học địa phương để biến mình thành một ứng cử viên mạnh hơn không? Bạn có lời khuyên nào khác cho ai đó áp dụng cho các chương trình tiến sĩ từ bên ngoài lĩnh vực CS?

chỉnh sửa: Tôi đã thực hiện một vài MOOCs (Machine Learning, recommender Systems, NLP) và mã R / python hàng ngày. Tôi có nhiều kinh nghiệm mã hóa với các ngôn ngữ thống kê và thực hiện các thuật toán ML hàng ngày. Tôi quan tâm nhiều hơn đến những thứ mà tôi có thể đưa vào ứng dụng.

Nếu tôi là bạn, tôi sẽ lấy một MOOC hoặc hai (ví dụ: Thuật toán, Phần I , Thuật toán, Phần II , Nguyên tắc lập trình chức năng trong Scala ), một cuốn sách hay về cấu trúc dữ liệu và thuật toán, sau đó chỉ cần viết mã càng nhiều càng tốt. Bạn có thể thực hiện một số thống kê hoặc thuật toán ML, ví dụ; đó sẽ là thực hành tốt cho bạn và hữu ích cho cộng đồng.

Tuy nhiên, đối với chương trình tiến sĩ, tôi cũng sẽ đảm bảo rằng mình quen thuộc với loại toán họ sử dụng. Nếu bạn muốn xem nó như thế nào ở cuối sâu, hãy duyệt các bài báo tại JMLR . Điều đó sẽ cho phép bạn hiệu chỉnh bản thân liên quan đến lý thuyết; bạn có thể sắp xếp theo môn toán không?

Ồ, và bạn không cần bằng tiến sĩ để làm việc tại các công ty hàng đầu, trừ khi bạn muốn tham gia các bộ phận nghiên cứu như của mình. Nhưng sau đó, bạn sẽ dành nhiều thời gian hơn cho việc phát triển và bạn sẽ cần các kỹ năng mã hóa tốt ...

Thời gian của bạn có lẽ sẽ được dành cho Kaggle tốt hơn trong chương trình tiến sĩ. Khi bạn đọc những câu chuyện của những người chiến thắng ( blog Kaggle ), bạn sẽ thấy rằng nó cần một lượng lớn thực hành và những người chiến thắng không chỉ là chuyên gia của một phương pháp duy nhất.

Mặt khác, việc tích cực và có kế hoạch trong chương trình tiến sĩ có thể giúp bạn có được những kết nối mà nếu không bạn có thể sẽ không nhận được.

Tôi đoán câu hỏi thực sự là dành cho bạn - những lý do để bạn muốn có một công việc tại một công ty hàng đầu là gì?

Bạn đã có bằng Thạc sĩ Thống kê, thật tuyệt! Nói chung, tôi đề nghị mọi người nên lấy số liệu thống kê nhiều nhất có thể, đặc biệt là Phân tích dữ liệu Bayes.

Tùy thuộc vào những gì bạn muốn làm với tiến sĩ của bạn, bạn sẽ được hưởng lợi từ các khóa học nền tảng trong (các) ngành học trong lĩnh vực ứng dụng của bạn. Bạn đã có Kinh tế nhưng nếu bạn muốn làm Khoa học dữ liệu về hành vi xã hội, thì các khóa học về Xã hội học sẽ có giá trị. Nếu bạn muốn làm việc trong phòng chống gian lận, thì một khóa học về giao dịch tài chính và ngân hàng sẽ tốt. Nếu bạn muốn làm việc trong lĩnh vực bảo mật thông tin, thì tham gia một vài khóa học bảo mật sẽ tốt.

Có những người cho rằng việc các nhà khoa học dữ liệu dành thời gian cho các khóa học về xã hội học hoặc các chuyên ngành khác là không có giá trị. Nhưng hãy xem xét trường hợp gần đây của dự án Google Xu hướng dịch cúm. Trong bài viết này, phương pháp của họ đã bị chỉ trích mạnh mẽ vì đã phạm phải những sai lầm có thể tránh được. Các nhà phê bình gọi nó là "Sự kiêu ngạo dữ liệu lớn".

Có một lý do khác để xây dựng sức mạnh trong các ngành khoa học xã hội: lợi thế cạnh tranh cá nhân. Với sự vội vã của các chương trình cấp bằng học thuật, chương trình chứng chỉ và MOOCs, có rất nhiều sinh viên điên cuồng vào lĩnh vực Khoa học dữ liệu. Hầu hết sẽ xuất hiện với các khả năng cho các phương pháp và công cụ Machine Learning cốt lõi. Sinh viên tốt nghiệp tiến sĩ sẽ có chiều sâu và kiến ​​thức lý thuyết nhiều hơn, nhưng tất cả họ đang cạnh tranh cho cùng một loại công việc, mang lại cùng một loại giá trị. Với lũ sinh viên tốt nghiệp này, tôi hy vọng rằng họ sẽ không thể chỉ huy mức lương cao.

Nhưng nếu bạn có thể phân biệt bản thân với sự kết hợp giữa giáo dục chính quy và kinh nghiệm thực tế trong một lĩnh vực ứng dụng và lĩnh vực cụ thể, thì bạn sẽ có thể tạo sự khác biệt với đám đông.

(Bối cảnh: Tôi đang tham gia chương trình tiến sĩ về Khoa học xã hội tính toán, tập trung nhiều vào mô hình hóa, tính toán tiến hóa và các ngành khoa học xã hội và ít chú trọng đến ML và các chủ đề phân tích dữ liệu thực nghiệm khác).

Tôi rất vui vì bạn cũng đã tìm thấy trang AMA của Yann LeCun, nó rất hữu ích.

Dưới đây là ý kiến ​​của tôi
Q: Tôi có nên tham gia một số khóa học kỹ thuật phần mềm giới thiệu tại Đại học địa phương để biến mình thành một ứng cử viên mạnh hơn không?
A: Không, bạn cần tham gia nhiều khóa học toán hơn. Đó không phải là thứ được áp dụng khó, đó là thứ lý thuyết. Tôi không biết trường bạn cung cấp những gì. Tham gia các khóa học lý thuyết, cùng với một số khóa học về khoa học máy tính.

Q: Bạn có lời khuyên nào khác cho ai đó áp dụng cho các chương trình tiến sĩ từ bên ngoài lĩnh vực CS?
A: Làm thế nào liên quan chặt chẽ mà bạn đang tìm kiếm. Nếu không có một câu hỏi cụ thể, thật khó để đưa ra một câu trả lời cụ thể.

Bạn có tùy chọn tham gia chương trình tiến sĩ tại trường kinh doanh và trường thông tin. Có những giáo sư định lượng và nhà khoa học dữ liệu trong các trường kinh doanh và trường thông tin cũng vậy (Về Mỹ, tôi chắc chắn có rất nhiều trường học). Bằng cách này, bạn có trình độ hoặc thậm chí quá mức về các kỹ năng định lượng và kỹ thuật và bạn có thể dành thời gian của mình để củng cố các kỹ năng khác.