Những điều cần xem xét về các chương trình thạc sĩ trong thống kê

Đây là mùa tuyển sinh cho các trường sau đại học. Tôi (và nhiều sinh viên như tôi) hiện đang cố gắng quyết định nên chọn chương trình thống kê nào.

1. Một số điều mà những người bạn làm việc với thống kê đề nghị chúng tôi xem xét về các chương trình thạc sĩ trong thống kê là gì?
2. Có những cạm bẫy hay sai lầm phổ biến mà học sinh mắc phải (có lẽ liên quan đến danh tiếng của trường)?
3. Đối với việc làm, chúng ta nên tìm cách tập trung vào thống kê ứng dụng hoặc kết hợp giữa thống kê áp dụng và lý thuyết?

Chỉnh sửa: Đây là một số thông tin bổ sung về tình hình cá nhân của tôi: Tất cả các chương trình tôi hiện đang xem xét đều ở Hoa Kỳ. Một số tập trung vào phía được áp dụng nhiều hơn và cung cấp bằng thạc sĩ về "thống kê được áp dụng" trong khi những người khác có nhiều khóa học lý thuyết hơn và cấp bằng về "thống kê". Cá nhân tôi không có ý định làm việc trong ngành này hơn ngành khác. Tôi có một số nền tảng lập trình và biết ngành công nghệ tốt hơn một chút so với ngành công nghiệp genomics hoặc tin sinh học. Tuy nhiên, tôi chủ yếu tìm kiếm một sự nghiệp với những vấn đề thú vị.

Chỉnh sửa : Đã thử để làm cho câu hỏi thường áp dụng hơn.

Dưới đây là một loạt các suy nghĩ và khuyến nghị chung về các chương trình thạc sĩ trong thống kê. Tôi không có ý định cho họ là một cuộc bút chiến, mặc dù một số trong số họ nghe có vẻ như vậy.

Tôi sẽ giả định rằng bạn quan tâm đến bằng thạc sĩ cuối cùng để sau này đi vào ngành công nghiệp và không quan tâm đến khả năng theo đuổi bằng tiến sĩ. Xin vui lòng không lấy trả lời này là có thẩm quyền, mặc dù.

Dưới đây là một số điểm lời khuyên từ kinh nghiệm của riêng tôi. Tôi đã ra lệnh cho họ rất nhiều từ những gì tôi nghĩ là quan trọng nhất đến ít nhất. Khi bạn chọn một chương trình, bạn có thể cân nhắc từng người trong số họ với nhau khi tính đến một số điểm dưới đây.

1. Hãy cố gắng đưa ra lựa chọn tốt nhất cho cá nhân bạn . Có rất nhiều yếu tố liên quan đến quyết định như vậy: địa lý, mối quan hệ cá nhân, cơ hội việc làm và kết nối mạng, khóa học, chi phí giáo dục và sinh hoạt, v.v. Điều quan trọng nhất là tự cân nhắc từng điều này và cố gắng sử dụng phán đoán tốt nhất của riêng bạn . Bạn là người cuối cùng sống với hậu quả của sự lựa chọn của bạn, cả tích cực và tiêu cực, và bạn là người duy nhất ở vị trí để đánh giá toàn bộ tình huống của bạn. Hành động phù hợp.

2. Học cách hợp tác và quản lý thời gian của bạn . Bạn có thể không tin tôi, nhưng một nhà tuyển dụng rất có thể quan tâm nhiều hơn đến tính cách của bạn, khả năng cộng tác với người khác và khả năng làm việc hiệu quả hơn họ sẽ quan tâm đến các kỹ năng kỹ thuật thô của bạn. Giao tiếp hiệu quả là rất quan trọng trong thống kê, đặc biệt là khi giao tiếp với những người không theo chủ nghĩa. Biết cách quản lý một dự án phức tạp và tiến bộ ổn định là rất quan trọng. Tận dụng các cơ hội tư vấn thống kê có cấu trúc, nếu chúng tồn tại, tại tổ chức bạn chọn.

3. Tìm hiểu một khu vực nhận thức . Điểm yếu lớn nhất tôi thấy ở nhiều thạc sĩ và nghiên cứu sinh về thống kê, cả về công nghiệp và học thuật, là họ thường có rất ít kiến ​​thức về chủ đề. Kết quả cuối cùng là đôi khi các phân tích thống kê "tiêu chuẩn" được sử dụng do thiếu hiểu biết về các cơ chế cơ bản của vấn đề mà họ đang cố gắng phân tích. Do đó, phát triển một số chuyên môn trong một lĩnh vực nhận thức có thể rất phong phú cả về mặt thống kê và chuyên nghiệp. Nhưng, khía cạnh quan trọng nhất của việc này là việc học: Nhận ra rằng việc kết hợp kiến ​​thức môn học có thể rất quan trọngđể phân tích chính xác một vấn đề. Có khả năng về từ vựng và kiến ​​thức cơ bản cũng có thể hỗ trợ rất nhiều trong giao tiếp và sẽ cải thiện nhận thức mà các đồng nghiệp không theo chủ nghĩa của bạn có về bạn.

4. Học cách làm việc với dữ liệu (lớn) . Các bộ dữ liệu trong hầu hết mọi lĩnh vực sử dụng số liệu thống kê đã tăng rất lớn về kích thước trong 20 năm qua. Trong môi trường công nghiệp, bạn có thể sẽ mất nhiều thời gian hơn để thao tác dữ liệu hơn là bạn sẽ phân tích chúng. Học các quy trình quản lý dữ liệu tốt, kiểm tra vệ sinh, vv là rất quan trọng để phân tích hợp lệ. Bạn càng trở nên hiệu quả hơn, bạn sẽ càng dành nhiều thời gian để làm những việc "vui vẻ". Đây là một cái gì đó rất được nhấn mạnh và đánh giá thấp trong các chương trình học tập. May mắn thay, bây giờ có một số bộ dữ liệu lớn hơn có sẵn cho cộng đồng học thuật mà người ta có thể chơi với. Nếu bạn không thể làm điều này trong chính chương trình, hãy dành thời gian thực hiện bên ngoài chương trình.

5. Tìm hiểu hồi quy tuyến tính và đại số tuyến tính ứng dụng liên quan rất, rất tốt . Thật đáng ngạc nhiên khi có nhiều thạc sĩ và tiến sĩ tốt nghiệp có được bằng cấp của họ (từ các chương trình "hàng đầu"!), Nhưng không thể trả lời các câu hỏi cơ bản về hồi quy tuyến tính hoặc cách thức hoạt động. Có vật liệu này lạnh sẽ phục vụ bạn rất tốt. Nó quan trọng theo đúng nghĩa của nó và là cửa ngõ cho nhiều, nhiều kỹ thuật thống kê và máy học tiên tiến hơn.

6. Nếu có thể, làm báo cáo thạc sĩ hoặc luận án. Các chương trình thạc sĩ liên quan đến một số bộ phận thống kê hàng đầu của Hoa Kỳ (thường được đánh giá cao hơn về các chương trình tiến sĩ của họ) dường như đã tránh xa việc kết hợp một báo cáo hoặc luận án. Thực tế của vấn đề là một chương trình hoàn toàn dựa trên khóa học thường không cho sinh viên phát triển bất kỳ kiến ​​thức chuyên sâu thực sự nào trong một lĩnh vực cụ thể. Theo tôi, khu vực này không quá quan trọng, nhưng theo kinh nghiệm thì có. Sự kiên trì, quản lý thời gian, hợp tác với giảng viên, vv cần thiết để tạo ra một báo cáo thạc sĩ hoặc luận án có thể được đền đáp rất nhiều khi chuyển sang ngành công nghiệp. Ngay cả khi một chương trình không quảng cáo một chương trình, nếu bạn có hứng thú với chương trình đó, hãy gửi email đến chủ tịch tuyển sinh và hỏi về khả năng chương trình tùy chỉnh cho phép thực hiện.

7. Tham gia các khóa học thử thách nhất mà bạn có thể quản lý . Mặc dù điều quan trọng nhất là phải hiểu tài liệu cốt lõi rất, rất tốt, bạn cũng nên sử dụng thời gian và tiền bạc của mình một cách khôn ngoan bằng cách thử thách bản thân càng nhiều càng tốt. Vấn đề cụ thể mà bạn chọn học có vẻ khá "vô dụng", nhưng việc tiếp xúc với văn học và thử thách bản thân để học một cái gì đó mới và khó sẽ giúp bạn dễ dàng hơn khi bạn phải làm như vậy sau này trong ngành. Ví dụ, học một số lý thuyết đằng sau các số liệu thống kê cổ điển hóa ra khá vô dụng đối với công việc hàng ngày của nhiều nhà thống kê công nghiệp, nhưng các khái niệm được truyền đạt là vô cùnghữu ích và cung cấp hướng dẫn liên tục. Nó cũng sẽ làm cho tất cả các phương pháp thống kê khác mà bạn tiếp xúc với dường như ít bí ẩn hơn.

8. Danh tiếng của chương trình chỉ quan trọng đối với công việc đầu tiên của bạn . Quá nhiều sự nhấn mạnh được đặt vào danh tiếng của trường học hoặc chương trình. Thật không may, đây là một heuristic tiết kiệm thời gian và năng lượng cho các nhà quản lý nguồn nhân lực. Xin lưu ý rằng các chương trình được đánh giá nhiều hơn bởi các chương trình nghiên cứu và tiến sĩ của họ so với các chương trình thạc sĩ của họ. Trong nhiều khoa hàng đầu như vậy, các sinh viên MS thường cảm thấy hơi giống công dân hạng hai vì hầu hết các nguồn lực được sử dụng cho các chương trình tiến sĩ.

   Một trong những cộng tác viên thống kê trẻ tuổi nhất mà tôi từng làm việc có bằng tiến sĩ từ một trường đại học nhỏ ở nước ngoài mà bạn có thể chưa bao giờ nghe nói tới. Mọi người có thể có được một nền giáo dục tuyệt vời (đôi khi là một nền giáo dục tốt hơn nhiều, đặc biệt là ở cấp đại học và thạc sĩ!) Tại các tổ chức "không tên" so với các chương trình "hàng đầu". Họ gần như được đảm bảo để có được nhiều tương tác hơn với các giảng viên cốt lõi trước đây.

   Tên của trường ở đầu hồ sơ của bạn là khả năng để có một vai trò trong việc bạn vào cửa cho công việc và nhân dân đầu tiên của bạn sẽ quan tâm nhiều hơn về nơi bằng cấp cao nhất của bạn đến từ hơn nơi nào khác đã làm. Sau công việc đầu tiên đó, mọi người sẽ quan tâm nhiều hơn về những gì bạn mang đến cho bàn. Tìm một trường học nơi có rất nhiều cơ hội việc làm thú vị đến với bạn thông qua các hội chợ nghề nghiệp, email được lưu hành, v.v., có thể có một khoản tiền lớn và điều này xảy ra nhiều hơn ở các chương trình hàng đầu.

Một nhận xét cá nhân : Cá nhân tôi có một ưu tiên cho các chương trình lý thuyết hơn một chút mà vẫn cho phép một số liên hệ với dữ liệu và một ít các khóa học ứng dụng. Thực tế của vấn đề là bạn đơn giản sẽ không trở thành một nhà thống kê ứng dụng giỏi bằng cách lấy bằng thạc sĩ. Điều đó chỉ đến với (nhiều hơn nữa) thời gian và kinh nghiệm trong việc đấu tranh với các vấn đề và phân tích đầy thách thức hàng ngày.

Tôi sẽ khuyên bạn nên vào trường tốt nhất có thể với một thương hiệu (như MIT), hoặc thỏa thuận tổng thể tốt nhất (ví dụ như một trường công lập đàng hoàng với học phí trong bang). Tôi sẽ không lãng phí tiền vào các trường tư thục hạng hai.

Các trường thương hiệu xuất chi. Chênh lệch giá giữa một trường như MIT và các trường hạng hai như GWU không đủ lớn để chứng minh sự khác biệt về sức mạnh thương hiệu.

Mặt khác, một số trường công lập, ví dụ William và Mary, trong khi bị bẩn giá rẻ cung cấp giáo dục đàng hoàng. Một số trong số họ thậm chí có sức mạnh thương hiệu tương đương, ví dụ Berkeley so với Stanford. Do đó, do chênh lệch chi phí đáng kể, chúng là một giải pháp thay thế cho các trường tư tốt nhất.

Hãy xem Pharmacoepidemiology. Đặc biệt là liên quan đến an toàn thuốc. Đây là một lĩnh vực nghiên cứu rất mới với rất nhiều câu hỏi rất thú vị.