Überlegungen zu Masterstudiengängen in der Statistik

Es ist Zulassungszeit für Graduiertenschulen. Ich (und viele Studenten wie ich) versuche jetzt zu entscheiden, welches Statistikprogramm ich wählen soll.

1. Was sind einige Dinge, die diejenigen von Ihnen, die mit Statistiken arbeiten, vorschlagen, die wir über Masterstudiengänge in Statistik betrachten?
2. Gibt es häufige Fallstricke oder Fehler, die die Schüler machen (möglicherweise im Hinblick auf den Ruf der Schule)?
3. Sollten wir uns bei der Beschäftigung auf angewandte Statistik oder eine Mischung aus angewandter und theoretischer Statistik konzentrieren?

Bearbeiten: Hier einige zusätzliche Informationen zu meiner persönlichen Situation: Alle Programme, die ich derzeit in Betracht ziehe, befinden sich in den USA. Einige konzentrieren sich auf die eher angewandte Seite und geben Master-Abschlüsse in "angewandter Statistik", während andere eher theoretische Studienleistungen erbringen und Abschlüsse in "Statistik" verleihen. Ich persönlich habe nicht die Absicht, in einer Branche über einer anderen zu arbeiten. Ich habe einige Programmierkenntnisse und kenne die Tech-Branche ein wenig besser als beispielsweise die Genomics- oder Bioinformatics-Branche. Ich suche aber vor allem eine Karriere mit interessanten Problemen.

Bearbeiten : Versucht, die Frage allgemeiner anwendbar zu machen.

Hier finden Sie einige allgemeine Gedanken und Empfehlungen zu Masterstudiengängen in Statistik. Ich habe nicht vor, dass sie polemisch sind, obwohl einige von ihnen so klingen mögen.

Ich gehe davon aus, dass Sie sich für einen Abschluss als Terminal-Master interessieren, um später in die Industrie zu gehen, und nicht daran interessiert sind, möglicherweise promoviert zu werden. Bitte nehmen Sie diese Antwort jedoch nicht als verbindlich.

Nachstehend einige Ratschläge aus meinen eigenen Erfahrungen. Ich habe sie sehr grob bestellt, von dem, was ich für das Wichtigste halte, bis zum Geringsten. Bei der Auswahl eines Programms können Sie jedes Programm unter Berücksichtigung der folgenden Punkte gegeneinander abwägen.

1. Versuchen Sie, die beste Wahl für Sie persönlich zu treffen . Es gibt sehr viele Faktoren, die mit einer solchen Entscheidung zusammenhängen: Geografie, persönliche Beziehungen, Arbeits- und Networking-Möglichkeiten, Studienleistungen, Kosten für Bildung und Leben usw. Das Wichtigste ist, dass Sie jede dieser Faktoren selbst abwägen und versuchen, Ihr eigenes Urteilsvermögen zu verwenden . Sie sind derjenige, der letztendlich mit den positiven und negativen Konsequenzen Ihrer Wahl lebt, und Sie sind der einzige, der in der Lage ist, Ihre gesamte Situation einzuschätzen. Handle entsprechend.

2. Lernen Sie, zusammenzuarbeiten und Ihre Zeit zu verwalten . Sie mögen mir nicht glauben, aber ein Arbeitgeber wird sich höchstwahrscheinlich mehr um Ihre Persönlichkeit, die Fähigkeit zur Zusammenarbeit mit anderen und die Fähigkeit zur effizienten Arbeit kümmern, als um Ihre rohen technischen Fähigkeiten. Eine effektive Kommunikation ist in der Statistik von entscheidender Bedeutung, insbesondere bei der Kommunikation mit Nicht-Statistikern. Es ist sehr wichtig zu wissen, wie man ein komplexes Projekt verwaltet und stetige Fortschritte erzielt. Nutzen Sie strukturierte statistische Beratungsmöglichkeiten, falls vorhanden, an Ihrer gewählten Institution.

3. Lerne einen verwandten Bereich . Die größte Schwäche, die ich bei vielen Meistern und Doktoranden der Statistik sowohl in der Industrie als auch in der Wissenschaft sehe, ist, dass sie oft nur sehr wenig Fachwissen haben. Das Ergebnis ist, dass manchmal statistische "Standard" -Analysen verwendet werden, weil die zugrunde liegenden Mechanismen des Problems, das analysiert werden soll, nicht verstanden wurden. Das Entwickeln von Fachwissen in einem verwandten Bereich kann daher sowohl statistisch als auch beruflich sehr bereichernd sein. Aber der wichtigste Aspekt ist das Lernen selbst: Die Erkenntnis , dass Gegenstand Wissen enthalten sein kann lebenswichtigein Problem richtig analysieren. Kompetente Kenntnisse in Wortschatz und Grundkenntnissen können auch die Kommunikation erheblich verbessern und die Wahrnehmung verbessern, die Ihre nicht-statistischen Kollegen von Ihnen haben.

4. Lernen Sie mit (großen) Daten zu arbeiten . In nahezu allen Bereichen, in denen Statistiken verwendet werden, haben die Datenmengen in den letzten 20 Jahren enorm zugenommen. In einer industriellen Umgebung werden Sie wahrscheinlich mehr Zeit mit der Bearbeitung von Daten verbringen als mit deren Analyse . Das Erlernen guter Datenverwaltungsverfahren, der Überprüfung der Integrität usw. ist für eine gültige Analyse von entscheidender Bedeutung. Je effizienter Sie dabei werden, desto mehr Zeit verbringen Sie mit dem "lustigen" Zeug. Dies ist etwas, das in akademischen Programmen sehr stark unterbetont und unterschätzt wird. Glücklicherweise stehen der akademischen Gemeinschaft nun einige größere Datensätze zur Verfügung, mit denen man spielen kann. Wenn Sie dies nicht innerhalb des Programms selbst tun können, verbringen Sie etwas Zeit damit, dies außerhalb des Programms zu tun.

5. Lernen Sie die lineare Regression und die damit verbundene angewandte lineare Algebra sehr, sehr gut . Es ist überraschend, wie viele Master und Doktoranden ihre Abschlüsse (aus "Top" -Programmen!) Erhalten, aber grundlegende Fragen zur linearen Regression oder deren Funktionsweise nicht beantworten können. Wenn Sie dieses Material kalt stellen, können Sie es unglaublich gut gebrauchen. Es ist für sich genommen wichtig und das Tor zu vielen, viel fortgeschritteneren statistischen und maschinellen Lerntechniken.

6. Wenn möglich, machen Sie einen Masterbericht oder eine Abschlussarbeit. Die Masterstudiengänge, die mit einigen der wichtigsten US-amerikanischen Statistikabteilungen verbunden sind (in der Regel mehr an ihren Promotionsprogrammen gemessen), scheinen sich von der Aufnahme eines Berichts oder einer Abschlussarbeit entfernt zu haben. Tatsache ist, dass ein rein kursbasiertes Programm den Studierenden in der Regel die Möglichkeit nimmt, in einem bestimmten Bereich wirklich fundierte Kenntnisse zu erwerben. Die Gegend selbst ist aus meiner Sicht nicht so wichtig, aber die Erfahrung ist es. Die Beharrlichkeit, das Zeitmanagement, die Zusammenarbeit mit der Fakultät usw., die für die Erstellung eines Masterberichts oder einer Abschlussarbeit erforderlich sind, können sich beim Übergang in die Industrie sehr auszahlen. Auch wenn ein Programm keine Werbung für ein Programm macht, senden Sie eine E-Mail an die Zulassungsstelle und erkundigen Sie sich nach der Möglichkeit eines benutzerdefinierten Programms, das dies zulässt.

7. Nehmen Sie an den schwierigsten Kursen teil, die Sie bewältigen können . Während es am wichtigsten ist, das Kernmaterial sehr, sehr gut zu verstehen, sollten Sie Ihre Zeit und Ihr Geld auch mit Bedacht einsetzen, indem Sie sich so weit wie möglich herausfordern. Das spezielle Thema, das Sie lernen möchten, scheint ziemlich "nutzlos" zu sein. Wenn Sie jedoch Kontakt mit der Literatur aufnehmen und sich herausfordern, etwas Neues und Schwieriges zu lernen, wird es einfacher, wenn Sie dies später in der Industrie tun müssen. Das Erlernen eines Teils der Theorie hinter der klassischen Statistik erweist sich beispielsweise für die tägliche Arbeit vieler Industriestatistiker als ziemlich nutzlos, die vermittelten Konzepte sind jedoch extremnützlich und bieten kontinuierliche Anleitung. Dadurch werden auch alle anderen statistischen Methoden, mit denen Sie in Kontakt kommen, weniger rätselhaft.

8. Der Ruf eines Programms ist nur für Ihren ersten Job von Bedeutung . Der Ruf einer Schule oder eines Programms wird viel zu sehr betont. Leider ist dies eine zeit- und energiesparende Heuristik für Personalmanager. Seien Sie sich bewusst, dass Programme viel mehr nach ihren Forschungs- und Promotionsprogrammen beurteilt werden als nach denen ihrer Master. In vielen dieser Top-Abteilungen fühlen sich die MS-Studenten häufig wie Bürger zweiter Klasse, da die meisten Ressourcen für die Promotionsprogramme aufgewendet werden.

   Einer der besten jungen statistischen Mitarbeiter, mit denen ich zusammengearbeitet habe, hat an einer kleinen ausländischen Universität promoviert, von der Sie wahrscheinlich noch nie gehört haben. Menschen können eine wunderbare Ausbildung erhalten (manchmal eine viel bessere, insbesondere auf der Ebene der Bachelor- und Masterstudiengänge!) An "No-Name" -Institutionen als an "Top" -Programmen. Es ist fast garantiert, dass sie mehr Interaktion mit der Kernfakultät der ersteren bekommen.

   Der Name der Schule an der Spitze Ihres Lebenslaufs spielt wahrscheinlich eine Rolle, wenn es darum geht, Sie für Ihren ersten Job in die Tür zu bekommen, und die Leute werden sich mehr darum kümmern, woher Ihr höchster Abschluss kam als von wo andere. Nach diesem ersten Job kümmern sich die Leute wesentlich mehr darum, welche Erfahrungen Sie mitbringen. Die Suche nach einer Schule, an der Sie durch Karrieremessen, verteilte E-Mails usw. viele interessante Beschäftigungsmöglichkeiten finden, kann sich auszahlen, und dies geschieht eher bei Top-Programmen.

Eine persönliche Bemerkung : Ich persönlich bevorzuge eher theoretische Programme, die immer noch einen gewissen Kontakt mit Daten und ein bisschen angewandte Kurse ermöglichen. Tatsache ist, dass Sie mit einem Master-Abschluss einfach kein guter angewandter Statistiker werden. Das geht nur mit (viel mehr) Zeit und Erfahrung im täglichen Umgang mit herausfordernden Problemen und Analysen.

Ich würde empfehlen, entweder die bestmögliche Schule mit einem Markennamen (wie MIT) oder das beste Gesamtangebot (z. B. eine anständige öffentliche Schule mit staatlichem Unterricht) zu erhalten. Ich würde kein Geld für zweitklassige Privatschulen verschwenden.

Der Markenname Schulen auszahlen. Der Preisunterschied zwischen einer Schule wie MIT und einer Schule der zweiten Klasse wie der GWU ist nicht groß genug, um den Unterschied in der Markenkraft zu rechtfertigen.

Andererseits bieten einige öffentliche Schulen, z. B. William und Mary, eine anständige Ausbildung an, obwohl sie spottbillig sind. Einige von ihnen haben sogar eine vergleichbare Markenstärke, z. B. Berkeley vs. Stanford. Aufgrund der erheblichen Kostenunterschiede sind sie daher eine Alternative zu den besten Privatschulen.

Schauen Sie sich die Pharmakoepidemiologie an. Insbesondere in Bezug auf die Arzneimittelsicherheit. Dies ist ein sehr neues Forschungsgebiet mit vielen sehr interessanten Fragen.