He aquí una serie de reflexiones y recomendaciones de carácter general sobre los programas de máster en estadística. No pretendo que sean polémica, aunque algunas de ellas puedan parecerlo.
Voy a suponer que estás interesado en un máster de terminal para luego entrar en la industria y está no interesado en en cursar un doctorado. Por favor, no tome esta respuesta como autoritaria, sin embargo.
A continuación, se exponen varios consejos extraídos de mi propia experiencia. Los he ordenado de forma muy aproximada desde lo que creo que es más importante a menos. A la hora de elegir un programa, puede sopesar cada uno de ellos a la hora de elegir un programa, puedes sopesar cada uno de ellos teniendo en cuenta algunos de los puntos siguientes.
-
Intenta hacer la mejor elección para ti personalmente . Hay muchos muchos factores que intervienen en esa decisión: la geografía, las relaciones personales, oportunidades de trabajo y de redes, el trabajo del curso el coste de la educación y de la vida, etc. Lo más importante es es sopesar cada uno de estos factores y tratar de utilizar su propio juicio. Usted son los que en última instancia viven con el consecuencias de tu elección, tanto positivas como negativas, y usted es el único que está en condiciones de valorar toda su situación. Actúa en consecuencia.
-
Aprenda a colaborar y a gestionar su tiempo . Puede que no me crea pero es muy probable que un empleador se preocupe más por tu personalidad, la capacidad de colaborar con otros y la habilidad para de trabajar de forma eficiente que sus habilidades técnicas en bruto. técnicas. La comunicación eficaz es crucial en estadística, especialmente cuando te comunicas con personas que no son estadísticos. Saber cómo saber cómo gestionar un proyecto complejo y avanzar de forma constante es muy importante. Aproveche las oportunidades de asesoramiento estadístico estructurado, si existen, en la institución que haya elegido.
-
Aprenda un área afín . La mayor debilidad que veo en muchos graduados de maestría y doctorado en estadística, tanto en la industria como en la industria y en el mundo académico, es que a menudo tienen muy poca experiencia en la materia. conocimiento de la materia. El resultado es que, a veces, los análisis estadísticos "estándar de los análisis estadísticos "estándar" debido a la falta de comprensión de los mecanismos subyacentes del problema que se intenta analizar. Desarrollar desarrollar cierta experiencia en un área afín puede ser, por tanto, muy enriquecedor tanto desde el punto de vista estadístico como profesional. Pero, el aspecto más importante es el propio aprendizaje: La comprensión de que incorporar el conocimiento de la materia puede ser vital a analizar correctamente un problema. Ser competente en el vocabulario y conocimientos básicos también puede ayudar mucho en la comunicación y mejorará mejorará la percepción que sus colegas no estadísticos tienen de usted.
-
Aprender a trabajar con (grandes) datos . Los conjuntos de datos en prácticamente todos los campo que utiliza la estadística han crecido enormemente en tamaño en los últimos 20 años. En un entorno industrial, es probable que pasar más tiempo manipulando datos que usted analizando de los mismos. El aprendizaje de buenos procedimientos de gestión de datos, la comprobación de la sanidad, etc. es crucial para un análisis válido. Cuanto más eficiente sea en ello, más tiempo dedicarás a las cosas "divertidas". Este es algo en lo que se hace muy poco hincapié y en los programas académicos. Por suerte, ahora hay de datos más grandes disponibles para la comunidad académica con los que se puede jugar. con los que se puede jugar. Si no puedes hacerlo dentro del propio programa programa, dedica algo de tiempo a hacerlo fuera de él.
-
Aprender la regresión lineal y el álgebra lineal aplicada asociada muy, muy bien . Es sorprendente la cantidad de másteres y doctorados de doctorado obtienen sus títulos (¡de programas "superiores"!), pero no pueden responder a preguntas básicas sobre la regresión lineal o cómo funciona. Tener este material en frío le servirá increíblemente te servirá de mucho. Es importante por derecho propio y es la puerta de entrada a muchas, muchas técnicas estadísticas y de aprendizaje automático más avanzadas técnicas de aprendizaje automático.
-
Si es posible, haz un informe o una tesis de máster . Los programas de máster asociados a algunos de los principales departamentos de estadística de Estados Unidos (normalmente se miden más por sus programas de doctorado) parecen haberse alejado de la incorporación de un informe o una tesis. Lo cierto es que El hecho es que un programa puramente basado en cursos suele privar de desarrollar un verdadero conocimiento profundo en un campo de la estadística. área en particular. El área en sí no es tan importante, en mi opinión, sino la experiencia. La persistencia, la gestión del tiempo, colaboración con el profesorado, etc., necesarios para elaborar un informe o una de un máster o una tesis puede ser muy rentable en la transición a la industria. a la industria. Aunque un programa no lo anuncie, si estás Si te interesa, envía un correo electrónico al jefe de admisiones y pregunta por la posibilidad de un programa a medida. y pregunte por la posibilidad de un programa personalizado que lo permita. que lo permita.
-
Haz los cursos más exigentes que puedas . Mientras que lo lo más importante es entender el material básico muy muy bien, también hay que utilizar el tiempo y el dinero sabiamente desafiándose a sí mismo tanto como sea posible. El tema concreto que elijas para aprender puede parecer bastante "inútil", pero entrar en contacto con la literatura y desafiarse a sí mismo para aprender algo nuevo y difícil. de aprender algo nuevo y difícil le facilitará la tarea cuando tenga que cuando tenga que hacerlo más adelante en la industria. Por ejemplo, aprender aprender algo de la teoría de la estadística clásica resulta ser bastante inútil en sí mismo para el trabajo diario de muchos de los estadísticos industriales, pero los conceptos que se transmiten son extremadamente útil y proporcionar una orientación continua. También hará también hará que todos los demás métodos estadísticos con los que entre en contacto le parezcan parezcan menos misteriosos.
-
La reputación de un programa sólo importa para tu primer trabajo . Se pone demasiado Se pone demasiado énfasis en la reputación de una escuela o programa. Por desgracia, se trata de una heurística que ahorra tiempo y energía a los de recursos humanos. Tenga en cuenta que los programas se juzgan mucho de investigación y los programas de doctorado que los de máster. que sus programas de máster. En muchos de estos departamentos de alto nivel, los estudiantes de máster suelen acabar de segunda clase, ya que la mayoría de los recursos se destinan a los recursos se destinan a los programas de doctorado.
Uno de los jóvenes estadísticos más brillantes colaboradores con los que he trabajado tiene un doctorado en una pequeña universidad extranjera de la que probablemente nunca hayas oído hablar. La gente puede obtener una educación maravillosa (a veces mucho mejor, sobre todo a nivel de especialmente a nivel de licenciatura y de máster) en institutos "sin que en los programas "de alto nivel". Casi está garantizado que que se puede interactuar más con el profesorado principal en las primeras.
El nombre de la escuela en la parte superior de su currículum es probablemente que te ayuden a conseguir tu primer empleo y que la gente se preocupe más por la gente se preocupará más por la procedencia de tu título más avanzado que de dónde proceden los demás. Después de ese primer trabajo, a la gente le importará mucho más la experiencia que aportes. Encontrar una escuela en la que haya muchas oportunidades de trabajo interesantes te lleguen a través de ferias profesionales, correos electrónicos que circulan, etc, puede tienen una gran recompensa y esto sucede más en los programas de alto nivel.
Un comentario personal : Personalmente, prefiero los programas más teóricos programas más teóricos que permitan un cierto contacto con los datos y un poco de cursos aplicados. El hecho es que simplemente no va a convertirse en un buen estadístico aplicado por obteniendo un máster. Eso sólo se consigue con (mucho más) tiempo y la experiencia de enfrentarse a problemas y análisis desafiantes en el día a día.
8 votos
Esto depende en gran medida de muchos factores personales, por lo que es difícil dar un buen consejo. No sabemos de qué parte del mundo son sus programas, ni cómo están enfocados sus intereses o cuáles son. La pregunta está planteada de forma demasiado amplia para poder responderla con autoridad, pero correría el riesgo de cerrarse como demasiado localizado si estuviera orientado únicamente a dar consejos a una sola persona. Te sugiero que proporciones algo más de contexto, pero que no lo hagas específico solo para tu caso particular.
1 votos
Es justo. Todos los programas que estoy considerando ahora están en Estados Unidos. Algunos se centran en la parte más aplicada y dan títulos de máster en "estadística aplicada", mientras que otros tienen cursos más teóricos y conceden títulos en "estadística". Personalmente, no tengo la intención de trabajar en un sector más que en otro. Tengo algunos conocimientos de programación y conozco la industria tecnológica un poco mejor que, por ejemplo, la industria de la genómica o la bioinformática. Sin embargo, busco principalmente una carrera con problemas interesantes.
0 votos
Gracias. Eso es muy útil. Sigo pensando que la wiki comunitaria sería lo mejor, pero esto hace posible que haya una conversación más productiva aquí. (borrando mi comentario anterior.. )