पीएचडी कार्यक्रमों के लिए योग्यता


10

यान लेकन ने अपने एएमए में उल्लेख किया कि वह एक शीर्ष कंपनी में नौकरी पाने के लिए पीएचडी को बहुत महत्वपूर्ण मानता है।

मेरे पास सांख्यिकी में स्नातकोत्तर है और मेरा अंडरग्रेजुएट अर्थशास्त्र और अनुप्रयुक्त गणित में था, लेकिन मैं अब एमएल पीएचडी कार्यक्रमों में देख रहा हूं। अधिकांश कार्यक्रमों का कहना है कि सीएस पाठ्यक्रम बिल्कुल जरूरी नहीं हैं; हालाँकि, मुझे लगता है कि अधिकांश स्वीकृत छात्रों के पास कम से कम बहुत मजबूत सीएस पृष्ठभूमि है। मैं वर्तमान में एक डेटा वैज्ञानिक / सांख्यिकीविद् के रूप में काम कर रहा हूं, लेकिन मेरी कंपनी पाठ्यक्रमों के लिए भुगतान करेगी। क्या मुझे खुद को मजबूत उम्मीदवार बनाने के लिए अपने स्थानीय विश्वविद्यालय में कुछ इंट्रो सॉफ्टवेयर इंजीनियरिंग पाठ्यक्रम लेने चाहिए? सीएस क्षेत्र के बाहर से पीएचडी कार्यक्रमों में आवेदन करने वाले किसी व्यक्ति के लिए आपके पास और क्या सलाह है?

संपादित करें: मैंने दैनिक आधार पर कुछ MOOCs (मशीन लर्निंग, अनुशंसित सिस्टम, एनएलपी) और कोड आर / पायथन लिया है। मुझे सांख्यिकीय भाषाओं के साथ कोडिंग का बहुत अनुभव है और प्रतिदिन एमएल एल्गोरिदम को लागू करना है। मैं उन चीजों से अधिक चिंतित हूं जो मैं अनुप्रयोगों पर रख सकता हूं।


2
उन्होंने कहा कि यह विशेष रूप से अनुसंधान नौकरी के बारे में हालांकि।
अर्टि

जवाबों:


10

अगर मैं आप होते तो मैं एक MOOC या दो (जैसे, एल्गोरिथम, भाग I , एल्गोरिथम, भाग II , स्काला में कार्यात्मक प्रोग्रामिंग सिद्धांत ) ले लेता , डेटा संरचनाओं और एल्गोरिदम पर एक अच्छी किताब, तो बस जितना संभव हो उतना कोड। आप उदाहरण के लिए कुछ आँकड़े या एमएल एल्गोरिदम लागू कर सकते हैं; यह आपके लिए अच्छा व्यवहार होगा और समुदाय के लिए उपयोगी होगा।

एक पीएचडी कार्यक्रम के लिए, हालांकि, मैं यह भी सुनिश्चित करूंगा कि मैं उनके द्वारा उपयोग किए जाने वाले गणित के प्रकार से परिचित हूं। यदि आप यह देखना चाहते हैं कि गहरे अंत में ऐसा क्या है, तो JMLR पर पेपर ब्राउज़ करें । यह आपको सिद्धांत के संबंध में अपने आप को जांचने देगा; क्या आप मैथ्स को फॉलो कर सकते हैं?

ओह, और आपको शीर्ष कंपनियों में काम करने के लिए पीएचडी की आवश्यकता नहीं है, जब तक कि आप उसकी तरह अनुसंधान विभागों में शामिल नहीं होना चाहते। लेकिन फिर आप विकास करने में अधिक समय बिताएंगे, और आपको अच्छे कोडिंग कौशल की आवश्यकता होगी ...


धन्यवाद, मेरा संपादन देखें मुझे बहुत सारे कोडिंग का अनुभव है और मैंने एमओओसी लिया है। मेरे पास सांख्यिकी में स्नातकोत्तर और लागू गणित में एक मामूली है, मैं गणित को अपनी सबसे बड़ी ताकत मानूंगा। मैं वास्तव में पीएचडी आवेदन पर रखने के लिए चीजों की तलाश कर रहा हूं।
bstockton

2
फिर कुछ कागजात लिखें और उन्हें एक अच्छे सम्मेलन में प्रकाशित करें: यह सबसे अच्छा संकेत है कि आप अनुसंधान के लिए फिट हैं - और एक पीएचडी कार्यक्रम। हो सकता है कि आप मल्टी-एजेंट लर्निंग पर एक पेपर लिखने के लिए अपनी अर्थशास्त्र पृष्ठभूमि का उपयोग कर सकें । एक बार स्वीकृत होने के बाद आपको उसी विषय पर टिकने की ज़रूरत नहीं है; यह सिर्फ अपनी क्षमता का प्रदर्शन करने के लिए है।
एमरे

7

आपका समय शायद पीएचडी कार्यक्रम की तुलना में कागल पर बेहतर ढंग से व्यतीत होगा। जब आप विजेताओं ( काग्ले ब्लॉग ) की कहानियों को पढ़ते हैं तो आप देखेंगे कि इसमें बड़ी मात्रा में अभ्यास होता है और विजेता केवल एक ही तरीके के विशेषज्ञ नहीं होते हैं।

दूसरी ओर, पीएचडी कार्यक्रम में सक्रिय होने और एक योजना होने से आपको ऐसे कनेक्शन मिल सकते हैं जो आपको अन्यथा नहीं मिलेंगे।

मुझे लगता है कि असली सवाल आपके लिए है - एक शीर्ष कंपनी में नौकरी करने के क्या कारण हैं?


7

आपके पास पहले से ही सांख्यिकी में मास्टर्स है, जो बहुत अच्छा है! सामान्य तौर पर, मैं लोगों को सुझाव दूंगा कि वे अधिक से अधिक आंकड़े लें, विशेषकर बायेसियन डेटा विश्लेषण।

आप अपने पीएचडी के साथ क्या करना चाहते हैं, इस पर निर्भर करते हुए, आप अपने आवेदन क्षेत्र में अनुशासन के पाठ्यक्रम से लाभान्वित होंगे। आपके पास पहले से ही अर्थशास्त्र है, लेकिन यदि आप सामाजिक व्यवहार पर डेटा विज्ञान करना चाहते हैं, तो समाजशास्त्र में पाठ्यक्रम मूल्यवान होगा। यदि आप धोखाधड़ी की रोकथाम में काम करना चाहते हैं, तो बैंकिंग और वित्तीय लेनदेन में एक पाठ्यक्रम अच्छा होगा। यदि आप सूचना सुरक्षा में काम करना चाहते हैं, तो कुछ सुरक्षा पाठ्यक्रम लेना अच्छा होगा।

ऐसे लोग हैं जो तर्क देते हैं कि समाजशास्त्र या अन्य विषयों में पाठ्यक्रमों पर समय बिताने के लिए डेटा वैज्ञानिकों के लिए यह मूल्यवान नहीं है। लेकिन Google फ़्लू रुझान परियोजना के हालिया मामले पर विचार करें। में इस लेख उनके तरीकों दृढ़ता से परिहार्य गलतियों के लिए आलोचना की गई। आलोचक इसे "बिग डेटा हब्रीस" कहते हैं।

सामाजिक विज्ञान विषयों में ताकत बनाने का एक और कारण है: व्यक्तिगत प्रतिस्पर्धात्मक लाभ। शैक्षणिक डिग्री कार्यक्रमों, प्रमाणपत्र कार्यक्रमों और MOOCs की भीड़ के साथ, डेटा साइंस क्षेत्र में छात्रों की एक पागल भीड़ है। अधिकांश कोर मशीन लर्निंग के तरीकों और उपकरणों के लिए क्षमताओं के साथ सामने आएंगे। पीएचडी स्नातकों के पास अधिक गहराई और अधिक सैद्धांतिक ज्ञान होगा, लेकिन वे सभी एक ही प्रकार की नौकरियों के लिए प्रतिस्पर्धा कर रहे हैं, एक ही प्रकार के मूल्य प्रदान करते हैं। स्नातकों की इस बाढ़ के साथ, मुझे उम्मीद है कि वे प्रीमियम वेतन का आदेश नहीं दे पाएंगे।

लेकिन अगर आप किसी विशेष डोमेन और एप्लिकेशन क्षेत्र में औपचारिक शिक्षा और व्यावहारिक अनुभव के संयोजन के साथ खुद को अलग कर सकते हैं, तो आपको भीड़ से खुद को अलग करने में सक्षम होना चाहिए।

(संदर्भ: मैं कम्प्यूटेशनल सोशल साइंस में एक पीएचडी कार्यक्रम में हूं, जिसमें मॉडलिंग, विकासवादी संगणना और सामाजिक विज्ञान विषयों पर भारी ध्यान दिया गया है, और एमएल और अन्य अनुभवजन्य डेटा विश्लेषण विषयों पर कम जोर दिया गया है)।


5

मुझे खुशी है कि आपको यान लेकन का एएमए पेज भी मिला, यह बहुत उपयोगी है।

यहाँ मेरे विचार हैं
प्रश्न: क्या मुझे अपने आप को मजबूत उम्मीदवार बनाने के लिए अपने स्थानीय विश्वविद्यालय में कुछ इंट्रो सॉफ्टवेयर इंजीनियरिंग पाठ्यक्रम लेने चाहिए?
A: नहीं, आपको अधिक गणित पाठ्यक्रम लेने की आवश्यकता है। यह लागू सामग्री नहीं है जो कठिन है, यह सिद्धांत सामग्री है। मुझे नहीं पता कि आपका स्कूल क्या पेशकश करता है। कुछ कंप्यूटर विज्ञान पाठ्यक्रमों के साथ सैद्धांतिक गणित पाठ्यक्रम लें।

प्रश्न: सीएस क्षेत्र के बाहर से पीएचडी कार्यक्रमों में आवेदन करने वाले किसी व्यक्ति के लिए आपके पास और क्या सलाह है?
एक: आप कितनी बारीकी से संबंधित हैं। एक विशिष्ट प्रश्न के बिना, एक विशिष्ट उत्तर देना कठिन है।


जवाब के लिए धन्यवाद। मैं लागू गणित में एक मामूली है और आंकड़ों में एक स्वामी है। मैं पिछले दो वर्षों से स्नातक गणित पाठ्यक्रम ले रहा हूं, जैसा कि मैंने आंकड़ों में अपने स्वामी के रूप में किया है। क्या मुझे कोई विशिष्ट कक्षाएं लेनी चाहिए? मैंने अपने कैल्क सीक्वेंस, लीनियर अलजेब्रा, डिफरेंशियल इक्वेशन, फॉयर एनालिसिस, स्टोचैस्टिक प्रोसेस, एडवांस्ड प्रायिकता, स्टैटिस्टिक इन्वेंशन, बायेसियन एनालिसिस, टाइम सीरीज और कुछ अन्य को लिया है। विशेष रूप से कोई भी
bstockton

सांख्यिकी एमएस / एमए इन दिनों हर जगह की पेशकश की जाती है, वे आपको स्टेटमेंट पीएचडी में लाने में मदद नहीं करते हैं। स्टेट पीएचडी ठोस गणित की तलाश में है: वास्तविक विश्लेषण, अनुकूलन, संख्यात्मक विश्लेषण। सीएस पीएचडी सीएस और गणित अंडरग्रेजुएट की तलाश में है। आप अर्थशास्त्र पर क्यों नहीं चलते?
user13985

जब मैंने अंडरग्राउंड छोड़ दिया तो मैं एक गणित प्रमुख से 12 क्रेडिट घंटे कम था। जब मैंने अपने MS को आँकड़ों में समाप्त कर लिया, तो मैं पीएचडी कर सकता था जहाँ मुझे मेरा MS (टॉप 30 स्कूल) मिला, हालाँकि मुझे ML में अधिक दिलचस्पी है। मुझे नहीं लगता कि मेरी गणित की पृष्ठभूमि एक समस्या होगी, क्योंकि मुझे लगता है कि यह बहुत मजबूत है। मैंने अर्थशास्त्र को छोड़ दिया और स्नातक विद्यालय में शुद्ध आँकड़ों के लिए गया क्योंकि अर्थशास्त्र में अब मेरी दिलचस्पी नहीं है, इसलिए यह निश्चित रूप से बाहर है। तो क्या आपको लगता है कि मुझे गणित के अंडरग्रेजुएट को खत्म करने की कोशिश करनी चाहिए? यह दो सेमेस्टर से कम लगेगा
bstockton

नहीं, आपको उस गणित के प्रमुख के लिए खुदाई नहीं करनी चाहिए, लेकिन ऐसे पाठ्यक्रम लें जिनकी आपको वास्तविक विश्लेषण, और अनुकूलन जैसी आवश्यकता हो। मुझे पता है कि ये पाठ्यक्रम अप्रासंगिक हैं, लेकिन पीएचडी कार्यक्रम इसे देखना चाहते हैं, कृपया उन्हें। वे जानना चाहते हैं कि क्या आपके पास सिद्धांत हैं। यदि आप तंत्रिका नेटवर्क को अच्छी तरह से नहीं समझते हैं तो वे चिंता नहीं करते हैं। जैसा कि प्रो। लेकुन ने कहा, जितना हो सके गणित के पाठ्यक्रम लें।
user13985

2

आपके पास बिजनेस स्कूल और सूचना स्कूल में पीएचडी कार्यक्रम में शामिल होने का विकल्प है। बिजनेस स्कूलों और सूचना स्कूलों में मात्रात्मक प्रोफेसर और डेटा वैज्ञानिक भी हैं (यूएस के बारे में, मुझे यकीन है कि बहुत सारे स्कूल हैं)। इस तरह आप मात्रात्मक या तकनीकी कौशल के मामले में योग्य या अधिक योग्य हैं और आप अन्य कौशल को मजबूत करने पर अपना समय व्यतीत कर सकते हैं।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.