एक अध्ययन शिक्षा बनाम स्व अध्ययन?


28

प्रोग्रामर पर समान इरादे के साथ एक सवाल हैएसई । उस प्रश्न के कुछ अच्छे उत्तर हैं, लेकिन सामान्य विषय यह लगता है कि बिना आत्म अध्ययन के, आपको कोई जगह नहीं मिलती।

जाहिर है प्रोग्रामिंग और सांख्यिकी के बीच कुछ प्रमुख अंतर हैं - प्रोग्रामिंग के साथ, आप वास्तव में सिर्फ कुछ बुनियादी तर्क सीख रहे हैं, और फिर इसे बार-बार लागू कर रहे हैं। नई भाषाएँ सभी एक ही मूल अवधारणाओं का उपयोग करती हैं। स्व अध्ययन आपको अधिक उन्नत अवधारणाओं को सीखने, और अधिक कुशल बनने की अनुमति देता है। इस तरह का सामान सिखाना काफी मुश्किल है।

आंकड़े काफी अलग हैं। इसमें शामिल तर्क को लागू करना आसान है - क्योंकि किसी और ने आमतौर पर कार्यप्रणाली रखी है। दरअसल, आमतौर पर विश्वविद्यालयों में जो पढ़ाया जाता है, उसकी कार्यप्रणाली सबसे अधिक होती है। लेकिन आँकड़े वास्तव में उससे कहीं अधिक गहरे हैं, और कुछ उच्च-स्तरीय अवधारणाओं को शामिल करते हैं। यहां तक ​​कि उन अवधारणाओं के लिए भी देखना मुश्किल है, अगर आपको पढ़ाया गया है सभी आँकड़े लागू किए गए हैं, तो उन्हें समझने के लिए अकेले चलो (हालांकि मुझे आश्चर्य है कि क्षेत्र में शब्दजाल के कारण यह कितना हो सकता है)। इसके अलावा, मुझे पता चला है कि प्रोग्रामिंग में सेल्फ स्टडी में खुद को नई अवधारणाओं से परिचित कराने के लिए बहुत सारे छोटे लेख / ब्लॉग पढ़ना शामिल है, जबकि आंकड़ों के बारे में सुलभ लेख लगभग हमेशा शुरुआती लोगों के लिए लक्षित होते हैं, और इसलिए अग्रिम नौसिखियों के लिए कुछ हद तक बेकार हैं, जैसे खुद।

तो सवाल यह है: क्या सांख्यिकी के लिए आत्म अध्ययन विश्वविद्यालय की शिक्षा से कम या ज्यादा उपयुक्त है? सेल्फ स्टडी के लिए क्या तरीके हैं जो काम करते हैं? इससे पहले कि लोगों के लिए काम किया है के किसी भी उदाहरण का स्वागत किया जाएगा।

(यह शायद एक सामुदायिक विकि होना चाहिए, लेकिन मुझे कोई चेकबॉक्स नहीं दिख रहा है)



@कार्डिनल: निश्चित रूप से। आप का जवाब है उत्कृष्ट है। उम्मीद है कि यह प्रश्न पूरक होगा और उस प्रश्न का दोहराव नहीं होगा।
naught101

2
मुझे नहीं लगता कि यह कोई डुप्लिकेट है। मुझे लगता है कि सभी उत्तर वहां हैं और कई टिप्पणियां उपयोगी अंतर्दृष्टि प्रदान करती हैं। चीयर्स। :)
कार्डिनल

जवाबों:


14

मुझे लगता है कि मैं काफी समान जगह पर हूं, लेकिन मैं एक छुरा ले जाऊंगा। मैंने समाजशास्त्र स्नातक छात्र के रूप में शुरुआत की और, एक बार जब मैंने अपने विभाग के माध्यम से उपलब्ध सभी आँकड़ों के पाठ्यक्रमों को पूरा कर लिया, तो अपने विश्वविद्यालय में सांख्यिकी विभाग से कुछ ग्रेड-स्तर के पाठ्यक्रमों में भटक गया। यह एक रहस्योद्घाटन था; जिस तरह से सांख्यिकी प्राध्यापकों ने समस्याओं से संपर्क किया, वह मेरे सामाजिक प्राध्यापकों से बिल्कुल अलग था - जो मैंने पहले सीखा था उससे बहुत अधिक सहज और प्रेरक, बहुत कम सूत्र, और बहुत सारी चीजों पर निर्भर था जो या तो मुझे सिखाया नहीं गया था या नहीं टी मेरे अधिक मूलभूत पाठ्यक्रमों में सीखने में कामयाब रहे। मुझे अपने आप को फिर से बस रखने के लिए बहुत सी चीजें सिखानी थीं, और मुझे अभी भी चिंता है कि मैंने उन मूलभूत अवधारणाओं को सही मायने में नहीं पकड़ा है।

चार या पाँच वर्षों के अंतराल में, मैंने व्यापक रूप से पढ़ने में बहुत समय बिताया है - ब्लॉग, यह साइट और कुछ स्टैंडआउट पाठ्यपुस्तकें वास्तव में मददगार रही हैं। लेकिन उस सेल्फ-लर्निंग की सीमाएँ हैं, जिनमें से सबसे बड़ी बात यह है कि मैं स्कूल में कुछ व्याख्यानों के माध्यम से नहीं बैठा हूँ, बल्कि यह कि मुझे चार या पाँच साल हो गए हैं जब से मैंने किसी ऐसे व्यक्ति के साथ मिलकर काम किया है जो वास्तव में मुझसे अधिक जानता था किया। यह साइट मेरी गलत धारणाओं को शूट करने का मेरा प्राथमिक स्रोत है। यह मुझे डराता है, इस बिंदु पर कि मैं बायोस्टैट्स में एमएस कार्यक्रमों के लिए आवेदन करने की योजना बना रहा हूं - कुछ दिलचस्प पाठ्यक्रम लेने के लिए, निश्चित रूप से, लेकिन यह भी क्योंकि मैं चाहता हूं कि कोई मेरे विचारों पर किसी न किसी तरह से चला जाए और मुझे पता चले कि मैं क्या कर रहा हूं वास्तव में सीखा।

इसके विपरीत, मैं अपने आप को आर को लगभग उसी अवधि और उसी परिस्थितियों में सिखा रहा हूं। जब तक मुझे एक आर उपयोगकर्ता समूह के बारे में डेढ़ साल पहले मदद मिली, तब तक मेरे पास अपने कोड में स्पष्ट रूप से बेवकूफ निर्माणों को इंगित करने के लिए कोई भी नहीं था। लेकिन मुझे अपने कोड के बारे में समान चिंता नहीं है, बड़े हिस्से में क्योंकि प्रोग्रामिंग अंततः एक सवाल के लिए नीचे आती है कि क्या कुछ काम करता है। मेरा मतलब वहां की चुनौतियों को कम करना नहीं है - मैं बहुत लंबे समय से स्टैकऑवरफ्लो पर हूं, यह जानने के लिए कि असली सॉफ्टवेयर डेवलपर्स के लिए, एक बड़ी मात्रा में विशेषज्ञता है जो कुछ ऐसा बनाने में जाता है जो सुरुचिपूर्ण, प्रदर्शनकारी, बनाए रखने योग्य, अनुकूलनीय और आसान हो। -उपयोग करने के लिए। लेकिन सॉफ्टवेयर को अंततः इस बात पर आंका जाता है कि यह अपने कार्य को कितनी अच्छी तरह से करता है। जैसा आप कहें, आंकड़ों में लगभग उल्टा समस्या है - आधुनिक सांख्यिकी सॉफ्टवेयर जटिल मॉडलों को क्रैंक करना अपेक्षाकृत आसान बनाता है, लेकिन कई मामलों में हमारे पास यह सुनिश्चित करने के लिए अच्छी व्यवस्था नहीं है कि वे मॉडल एक लानत के लायक हैं। कई प्रकाशित विश्लेषणों को फिर से बनाना मुश्किल है, और खरोंच से पहले से प्रकाशित अध्ययनों को पुन: प्रस्तुत करना नई खोजों के रूप में ग्लैमरस नहीं है (जैसा कि आप फिट देखते हैं, डरावने उद्धरण लागू करें)। मैं लगभग हमेशा जानता हूं कि मेरे कार्यक्रम कब रद्दी हैं, लेकिन मैं कभी भी पूरी तरह से निश्चित नहीं हूं कि मेरे मॉडल अच्छे हैं। नई खोजों को बनाने के रूप में ग्लैमरस के रूप में टी (के रूप में आप फिट देख डराने उद्धरण लागू करें)। मैं लगभग हमेशा जानता हूं कि मेरे कार्यक्रम कब रद्दी हैं, लेकिन मैं कभी भी पूरी तरह से निश्चित नहीं हूं कि मेरे मॉडल अच्छे हैं। नई खोजों को बनाने के रूप में ग्लैमरस के रूप में टी (के रूप में आप फिट देख डराने उद्धरण लागू करें)। मैं लगभग हमेशा जानता हूं कि मेरे कार्यक्रम कब रद्दी हैं, लेकिन मैं कभी भी पूरी तरह से निश्चित नहीं हूं कि मेरे मॉडल अच्छे हैं।

इसलिए ... प्रोग्रामिंग में, मुझे लगता है कि आत्म-शिक्षा आवश्यक है। लेकिन मुझे यह भी लगता है कि एक संरक्षक या सहकर्मी का होना बहुत महत्वपूर्ण है, जो आपके साथ विचारों के इर्दगिर्द घूमेगा, आपको नई सोच के लिए उजागर करेगा, और आवश्यक होने पर आपके गधे को लात मार देगा। औपचारिक शिक्षा उस तरह के लोगों से मिलने का एक तरीका है। क्या यह एक कुशल है जो आपकी परिस्थितियों पर अधिक निर्भर करता है ...


@ naught101 रेट्रोस्पेक्ट में, मुझे एक तरह का महसूस होता है, जैसा मैंने अभी कहा था। आशा है कि यह पूरी तरह से मामला नहीं है ...
मैट पार्कर

थोड़ा सा रिहैश, लेकिन कुछ दिलचस्प बिंदुओं के साथ :) आप मेंटरशिप टिप्पणी मुझे याद दिलाते हैं, पिछले साल के लिए मैंने एक प्रोग्रामिंग मेंटर (गैर-विज्ञान से संबंधित, एक अनौपचारिक जीएसओसी की तरह ) किया था। यह एक बहुत ही उपयोगी प्रक्रिया थी, और मेरे लिए फायदेमंद नहीं थी, क्योंकि इसने कुछ व्यापक रूप से उपयोगी ओपन सोर्स वेब फ्रेमवर्क कोड के विकास को आगे बढ़ाया। दुर्भाग्य से, मुझे यह देखने में कठिनाई होती है कि इस तरह के एक पारस्परिक रूप से लाभप्रद मेंटरशिप आंकड़ों में कैसे हो सकती है, हालांकि मेरी वर्तमान परियोजना अपेक्षाकृत नए मॉडल संयोजन पद्धति का परीक्षण करने में मदद करेगी।
naught101

13

एक महान प्रश्न के लिए +1। मुझे लगता है कि लंबे समय तक आप हमेशा एक या दूसरे रूप में स्व-अध्ययन पर निर्भर रहना चाहते हैं। यदि आप बुनियादी बातों से असहज महसूस करते हैं, तो औपचारिक कक्षाएं बहुत अच्छी होंगी। उदाहरण के लिए, यदि आप लागू आँकड़ों पर ठोस महसूस करते हैं, लेकिन ऐसा महसूस नहीं करते हैं कि आपके पास अंतर्निहित गणित की समझ है, तो गणितीय सांख्यिकी कक्षाएं लेने का तरीका जाने वाला है। हालांकि, हालांकि, स्नातक स्कूल अंततः अपने दम पर क्षेत्र को नेविगेट करने के बारे में सीखने वाला है।

मैं इस अवसर को सीवी की प्रशंसा गाने के लिए लेना चाहता हूं। मैं ईमानदारी से सोचता हूं कि यह साइट आपकी चिंताओं का जवाब देने वाली है। यह सच है कि वहाँ बहुत सारे संसाधन हैं जो उचित स्तर (या तो बहुत अधिक या बहुत कम) के उद्देश्य से नहीं हैं और यह कि आपको जो भी चाहिए उसे ढूंढना मुश्किल है। मेरा अनुमान है कि किताबें अधिक बार उस स्तर पर होने जा रही हैं जो आपके लिए सबसे अच्छा है; वे अधिक व्यापक होने जा रहे हैं, और किसी भी विषय के लिए लगभग गणित के बिना विशुद्ध रूप से सैद्धांतिक ग्रंथों के बीच में कई उन्नयन के साथ वाले होंगे। आप तहत CV खोज सकते और यदि आपको ऐसा कुछ नहीं मिलता है, जो काफी सही है, तो एक नया सवाल पूछें। सामान्य तौर पर, यदि आप कुछ विशिष्ट अवधारणा के बारे में अनिश्चित हैं, तो बस इसके बारे में पूछें। यहां तक ​​कि साइट पर चारों ओर पढ़ना और लिंक का अनुसरण करना अविश्वसनीय रूप से जानकारीपूर्ण है - मैं इस बात से हैरान हूं कि मैंने साइट पर सक्रिय होने के बाद से कितना सीखा है।

स्व-अध्ययन में मदद करने वाली विशिष्ट रणनीतियों के संदर्भ में, दो चीजों ने मुझे सबसे अधिक मदद की है। सबसे पहले, लागू आँकड़ों के साथ, यह वास्तव में प्रोग्रामिंग के साथ ही है, या कार्नेगी हॉल के लिए हो रहा है, अभ्यास करें। डेटा सेट (वास्तविक दुनिया, यदि संभव हो) खोजने की कोशिश करें, और उनका पता लगाएं; डेटा को देखें, इस बारे में सोचें कि संभवतः क्या हो सकता है, कुछ मॉडल फिट करें और यह देखने के लिए जांचें कि क्या वे उचित हैं, आदि जितना अधिक आप यह कर सकते हैं, उतना ही बेहतर होगा। विभिन्न तकनीकों को समझने वाली सैद्धांतिक अवधारणाओं को समझने के लिए, अनुकरण करना मेरे लिए काम करता है। जब मैं किसी चीज़ के बारे में पढ़ता हूं, और यह कहता है कि यह एक विशेष तरीके से काम करता है या किसी शर्त के तहत टूट जाएगा, तो मैं अक्सर उन परिस्थितियों को बनाने और उस प्रक्रिया से डेटा उत्पन्न करने के लिए थोड़ा कोड लिखता हूं, फिर मॉडल को फिट करता हूं और जो भी संकेतक प्रासंगिक है उसे स्टोर करता है , घोंसला है कि एक पाश में, और इसके साथ खेलते हैं। यह वास्तव में है कि मैं बहुत कुछ कैसे समझ आया हूँ। मैं किसी चीज के बारे में पढ़ सकता हूं, और यह पूरी तरह से स्पष्ट हो सकता है - मैं भी इसे घुमा सकता हूं और समझा सकता हूं - लेकिन मैं वास्तव में नहीं हूंइसे तब तक प्राप्त करें जब तक मैं इसे उत्पन्न नहीं कर सकता और इसे कार्रवाई में देख सकता हूं।


2

आंकड़ों का सैद्धांतिक आधार बहुत गहरा है, जो कि आपकी डेस्क पर आने वाली समस्याओं पर काम करने से लेकर विषय की अच्छी समझ पाने में सक्षम है। मैंने देखा है कि सबसे बड़ी सांख्यिकीय प्रैट-फॉल्स में से कुछ प्रोग्रामिंग या गणितीय पृष्ठभूमि वाले लोगों से हुए हैं जिन्होंने यह माना है कि संभाव्यता को कोड या वर्क आउट करने के तरीके को जानना समान है।

सभी समान, कोई कारण नहीं है कि स्व-अध्ययन के एक सुविचारित कार्यक्रम को काम नहीं करना चाहिए। और यह कम से कम कुछ लोगों के लिए करता है: रॉयल स्टैटिस्टिकल सोसायटी के ग्रेजुएट डिप्लोमा देखें । पढ़ने के लिए पाठ्यपुस्तकों की कोई कमी नहीं है (और कॉक्स, बर्जर, टुके, नेल्डर, और एफ्रॉन की पसंद से लिखी गई!), चीजों को आज़माने के लिए उत्कृष्ट निशुल्क सॉफ़्टवेयर (आर), और निश्चित रूप से संदेह को हल करने के लिए मान्य है।


1

प्रोग्रामिंग के लिए मैं सहमत हूं कि स्व-अध्ययन जाने का रास्ता है। मैंने खुद को कुछ महीनों की अवधि में आर सिखाया है क्योंकि मैं एक सांख्यिकीविद् के रूप में काम करता हूं। फिर मैंने आर प्रोग्रामिंग में एक कर्टसेरा कोर्स लिया, यह देखने के लिए कि क्या मैं कुछ नया सीख सकता हूं, और जैसा कि मेरे पास एक ठोस पृष्ठभूमि थी, मैंने इसे स्वीकार किया और पाठ्यक्रम में सहायक के रूप में पढ़ाने के लिए आमंत्रित किया गया था।

स्वयं सीखने के आंकड़ों के लिए, यह निर्भर करता है, लेकिन सावधानी के पक्ष में मैं नहीं कहूंगा। एक सांख्यिकीविद् के लिए अधिकांश नौकरियों में कम से कम एक एमएससी की आवश्यकता होती है, जो आपके दरवाजे पर और एक कारण के लिए प्राप्त करने के लिए है। अनुभवी सांख्यिकीविदों के पास आमतौर पर पीएचडी होते हैं।

एक डॉक्टर की कल्पना करें कि आप किसी विशेष उपचार के लिए चयन कार्यक्रम डिजाइन करने के लिए कह रहे हैं (कुछ मैंने काम किया है)। आप एक रिफ्रेशर के लिए अपनी सांख्यिकी पुस्तकें पकड़ लेते हैं और काम शुरू कर देते हैं। आप कुछ गणितीय त्रुटियां करते हैं या आप कुछ गुप्त चरों को पहचानने में विफल होते हैं और गलत लोगों का चयन किया जाता है। बैंग! रिश्तेदार लापरवाही के लिए मुकदमा चलाते हैं और / या आप हत्या के आरोप में जेल में हैं।

इसलिए प्रोग्रामिंग के साथ, सेल्फ स्टडी केवल जाने का एकमात्र तरीका है, लेकिन कभी भी यह मत कहो कि आप किसी योग्य और अनुभवी सांख्यिकीविद् से सलाह के बिना सांख्यिकी परियोजना पर काम करते हैं या काम करते हैं या कम से कम पहले पूछते हैं कि परिणाम क्या 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.