这是关于统计学硕士课程的一套较为平淡的一般思想和建议。我不希望他们吵架,尽管其中有些听起来像那样。
我将假设您对终端硕士学位感兴趣,以后再进入行业,并且对潜在的博士学位不感兴趣。不过,请不要将此回复视为权威。
以下是我个人经验的几点建议。从我认为最重要到最不重要的方面,我已经对它们进行了大致的排序。在选择程序时,您可能会考虑以下一些要点,相互权衡。
尝试亲自为您做出最佳选择。做出这样的决定涉及很多因素:地理位置,人际关系,工作和社交机会,课程工作,教育和生活费用等。最重要的是权衡这些因素,并尝试使用自己的最佳判断。您是最终会承受选择的结果(积极和消极)的人,并且
您是唯一能够评估整体情况的人。按指示行动。
学习协作和管理您的时间。您可能不相信我,但是与雇主关心您的原始技术技能相比,雇主很可能会更在乎您的个性,与他人合作的能力和高效工作的能力。有效的沟通对统计至关重要,尤其是在与非统计人员进行沟通时。知道如何管理一个复杂的项目并取得稳定的进展非常重要。利用您选择的机构中结构化的统计咨询机会(如果有)。
学习一个相关的领域。我在工业界和学术界的许多统计学硕士和博士学位毕业生中看到的最大弱点是,他们通常很少具有主题知识。结果是有时由于缺乏对他们试图分析的问题的潜在机制的理解而使用“标准”统计分析。因此,在同一个领域发展一些专业知识可以在统计学和专业上都非常丰富。但是,这最重要的方面是学习本身:认识到纳入主题知识可能至关重要正确分析问题。精通词汇和基础知识还可以极大地帮助您进行交流,并且可以改善您的非统计学家同事对您的看法。
学习使用(大)数据。在过去的20年中,几乎每个使用统计数据的领域的数据集都在急剧增长。在工业环境中,与分析数据相比,您可能会花费更多的时间来处理数据
。学习良好的数据管理程序,完整性检查等对于有效分析至关重要。您获得的效率越高,您花在做“有趣”事情上的时间就越多。在学术课程中,这是非常容易被忽视和忽视的东西。幸运的是,现在学术界可以使用一些更大的数据集。如果您无法在程序本身中执行此操作,请花一些时间在程序外部进行操作。
非常好地学习线性回归和相关的应用线性代数。令人惊讶的是,有多少硕士和博士学位毕业生(通过“顶尖”课程获得学位),却无法回答有关线性回归或线性回归的基本问题。使这种材料耐寒会为您带来难以置信的好。它本身很重要,并且是通往许多许多高级统计和机器学习技术的门户。
如果可能的话,做一份硕士报告或论文。与美国某些顶级统计部门相关的硕士课程(通常在其博士学位课程上得到更多的评估)似乎已不再合并报告或论文。事实是,纯粹基于课程的程序通常会使学生失去在特定领域的任何真正的知识深度。在我看来,该区域本身并不那么重要,但是经验很重要。在过渡到行业时,产生硕士学位报告或论文所需的坚持性,时间管理,与教师的协作等可以带来很大的回报。即使某个程序不做广告,如果您对它不感兴趣,也可以向招生主席发送电子邮件,并询问是否有允许该程序的定制程序。
采取您可以管理的最具挑战性的课程。尽管最重要的是非常非常好地了解核心材料,但是您还应该通过尽可能多地挑战自己来明智地利用自己的时间和金钱。您选择学习的特定主题似乎似乎“毫无用处”,但是与文献接触并挑战自己学习新的和困难的知识将使您在以后的行业中更容易进行学习。例如,学习古典统计学背后的一些理论对于许多工业统计学家的日常工作而言,其本身并没有多大用处,但所传达的概念却
极为复杂。有用并提供持续的指导。这也将使您接触到的所有其他统计方法显得不太神秘。
程序的声誉仅对您的第一份工作很重要。过多强调学校或课程的声誉。不幸的是,对于人力资源经理来说,这是一种节省时间和能源的启发式方法。请注意,与他们的硕士课程相比,课程的研究和博士学位课程对他们的评价要高得多。在许多这样的高层部门中,MS学生通常最终感觉有点像二等公民,因为大部分资源都花在了博士课程上。
与我合作过的最聪明的年轻统计合作者之一,是一所您可能从未听说过的外国小型大学的博士学位。人们可以在“无名”院校获得比“顶尖”课程更好的教育(有时更好,尤其是在本科和硕士水平!)。几乎可以保证他们会与前者的核心教师进行更多的互动。
在你的简历上学校的名字是可能在让你在门第一份工作,人们会更关心您的最先进的程度从并非任何其他人却来了个角色。在完成第一份工作后,人们会更加在乎您带来的经验。找到一所学校,通过职业展览会,散发的电子邮件等为您找到许多有趣的工作机会,这可以带来很大的回报,而这在顶级课程中更常见。
个人评论:我个人更喜欢一些理论性更高的程序,这些程序仍允许与数据进行一些接触并提供一些应用课程。事实是,您不会通过获得硕士学位而成为一名优秀的应用统计学家。每天只有更多(更多)的时间和经验来应对具有挑战性的问题和分析。