आंकड़ों में स्नातकोत्तर कार्यक्रमों के बारे में विचार करने के लिए चीजें


36

यह स्नातक स्कूलों के लिए प्रवेश का मौसम है। मैं और मेरे जैसे कई छात्र) अब यह तय करने की कोशिश कर रहे हैं कि कौन से आंकड़े लेने हैं।

  1. आप के साथ काम करने वाले कुछ लोग क्या सुझाव देते हैं कि हम आंकड़ों में मास्टर्स कार्यक्रमों के बारे में विचार करते हैं?
  2. क्या सामान्य नुकसान या गलतियाँ हैं जो छात्र करते हैं (शायद स्कूल की प्रतिष्ठा के संबंध में)?
  3. रोजगार के लिए, क्या हमें लागू आँकड़ों या अनुप्रयुक्त और सैद्धांतिक आँकड़ों के मिश्रण पर ध्यान देना चाहिए?

संपादित करें: यहां मेरी व्यक्तिगत स्थिति के बारे में कुछ अतिरिक्त जानकारी दी गई है: अब मैं जिन कार्यक्रमों पर विचार कर रहा हूं, वे सभी संयुक्त राज्य में हैं। कुछ लोग अधिक लागू पक्ष पर ध्यान केंद्रित करते हैं और "लागू आंकड़ों" में मास्टर्स डिग्री देते हैं, जबकि अन्य के पास "सैद्धांतिक" में अधिक सैद्धांतिक शोध और अनुदान डिग्री हैं। मैं व्यक्तिगत रूप से एक उद्योग में दूसरे पर काम करने के इरादे से नहीं हूं। मेरे पास कुछ प्रोग्रामिंग बैकग्राउंड है और टेक इंडस्ट्री को जानिए, जीनोमिक्स या बायोइनफॉरमैटिक्स इंडस्ट्री से थोड़ा बेहतर है। हालांकि, मैं मुख्य रूप से दिलचस्प समस्याओं के साथ एक कैरियर की तलाश कर रहा हूं।

संपादित करें : प्रश्न को अधिक सामान्यतः लागू करने की कोशिश की।


8
यह बहुत सारे व्यक्तिगत कारकों पर निर्भर करता है, जिससे अच्छी सलाह देना मुश्किल हो जाता है। हम नहीं जानते कि आपके कार्यक्रम दुनिया के किस हिस्से से हैं, आपके हितों पर पहले से कितना ध्यान केंद्रित है या वे क्या हैं। इस प्रश्न का उत्तर मोटे तौर पर आधिकारिक रूप से दिए जाने वाले उत्तर के रूप में दिया गया है, लेकिन इसे बंद किए जाने का खतरा भी होगा, क्योंकि यह केवल एक व्यक्ति को सलाह देने की दिशा में तैयार किया गया था। मैं कुछ और संदर्भ प्रदान करने का सुझाव देता हूं, लेकिन इसे केवल आपके विशेष मामले के लिए विशिष्ट नहीं बनाता।
कार्डिनल

1
काफी उचित। अब मैं जिन सभी कार्यक्रमों पर विचार कर रहा हूं वे संयुक्त राज्य में हैं। कुछ लोग अधिक लागू पक्ष पर ध्यान केंद्रित करते हैं और "लागू आंकड़ों" में मास्टर्स डिग्री देते हैं, जबकि अन्य के पास "सैद्धांतिक" में अधिक सैद्धांतिक शोध और अनुदान डिग्री हैं। मैं व्यक्तिगत रूप से एक उद्योग में दूसरे पर काम करने के इरादे से नहीं हूं। मेरे पास कुछ प्रोग्रामिंग पृष्ठभूमि है और तकनीक उद्योग को जीनोमिक्स या जैव सूचना विज्ञान उद्योग कहने की तुलना में थोड़ा बेहतर है। हालांकि, मैं मुख्य रूप से दिलचस्प समस्याओं के साथ एक कैरियर की तलाश कर रहा हूं।
प्रयास

धन्यवाद। यह बहुत मददगार है। मुझे अभी भी लगता है कि सामुदायिक विकी सबसे अच्छा होगा, लेकिन इससे वहां अधिक उत्पादक बातचीत संभव है। (मेरी पिछली टिप्पणी को हटाते हुए ..)
गूँग - मोनिका

जवाबों:


47

यहां आंकड़ों में स्नातकोत्तर कार्यक्रमों पर सामान्य विचारों और सिफारिशों का कुछ हद तक स्पष्ट प्रभाव है। मैं उनके लिए बहुरूपी होने का इरादा नहीं करता, हालांकि उनमें से कुछ इस तरह लग सकते हैं।

मुझे लगता है कि आप बाद में उद्योग में जाने के लिए एक टर्मिनल मास्टर्स डिग्री में रुचि रखते हैं और संभावित रूप से एक डॉक्टरेट का पीछा करने में रुचि नहीं रखते हैं । कृपया इस उत्तर को आधिकारिक न मानें, हालांकि।

नीचे अपने स्वयं के अनुभवों से सलाह के कई बिंदु हैं। मैंने उन्हें बहुत मोटे तौर पर आदेश दिया है जो मुझे लगता है कि कम से कम सबसे महत्वपूर्ण है। जैसा कि आप एक कार्यक्रम चुनते हैं, आप उनमें से प्रत्येक को एक दूसरे के खिलाफ तौल सकते हैं, नीचे कुछ बिंदुओं को ध्यान में रखते हुए।

  1. व्यक्तिगत रूप से आपके लिए सबसे अच्छा विकल्प बनाने की कोशिश करें । इस तरह के निर्णय में बहुत सारे कारक शामिल हैं: भूगोल, व्यक्तिगत संबंध, नौकरी और नेटवर्किंग के अवसर, कोर्सवर्क, शिक्षा और जीवन की लागत, आदि। सबसे महत्वपूर्ण बात यह है कि इनमें से प्रत्येक को तौलना और अपने स्वयं के सर्वश्रेष्ठ निर्णय का उपयोग करने का प्रयास करना है। । आप एक हैं जो अंततः आपकी पसंद के परिणामों के साथ रहते हैं, दोनों सकारात्मक और नकारात्मक, और आप अपनी पूरी स्थिति को स्पष्ट करने की स्थिति में केवल एक ही हैं। उसके अनुसार ही कार्य करो।

  2. अपना समय सहयोग करना और प्रबंधित करना सीखें । आप मुझ पर विश्वास नहीं कर सकते हैं, लेकिन एक नियोक्ता आपके व्यक्तित्व, दूसरों के साथ सहयोग करने की क्षमता और कुशलता से काम करने की क्षमता के बारे में अधिक ध्यान रखेगा, क्योंकि वे आपके कच्चे तकनीकी कौशल की परवाह करेंगे। सांख्यिकी में प्रभावी संचार महत्वपूर्ण है, खासकर जब नॉनस्टैटिस्ट के साथ संवाद करते हैं। किसी जटिल परियोजना का प्रबंधन करना और स्थिर प्रगति को जानना बहुत महत्वपूर्ण है। यदि वे आपके चुने हुए संस्थान में मौजूद हैं, तो संरचित सांख्यिकीय-परामर्श के अवसरों का लाभ उठाएं।

  3. एक संज्ञानात्मक क्षेत्र जानें । मैं कई मास्टर्स और पीएचडी स्नातकों को आंकड़ों में, उद्योग और शिक्षा दोनों में, सबसे बड़ी कमजोरी के रूप में देखता हूं, यह है कि उन्हें अक्सर विषय-वस्तु का बहुत कम ज्ञान होता है। समस्या यह है कि कभी-कभी "मानक" सांख्यिकीय विश्लेषण का उपयोग उस समस्या के अंतर्निहित तंत्र की समझ की कमी के कारण किया जाता है जिसका वे विश्लेषण करने की कोशिश कर रहे हैं। इसलिए, एक संज्ञानात्मक क्षेत्र में कुछ विशेषज्ञता विकसित करना सांख्यिकीय और व्यावसायिक रूप से बहुत समृद्ध हो सकता है। लेकिन, इसका सबसे महत्वपूर्ण पहलू स्वयं सीखना है: यह समझना कि विषय वस्तु ज्ञान को शामिल करना महत्वपूर्ण हो सकता हैकिसी समस्या का सही विश्लेषण करने के लिए। शब्दावली और बुनियादी ज्ञान में सक्षम होने के नाते भी संचार में बहुत सहायता कर सकता है और इस धारणा को सुधार देगा कि आपके नॉनस्टैटिस्टियन सहयोगियों ने आपके पास है।

  4. (बड़े) डेटा के साथ काम करना सीखें । लगभग हर क्षेत्र में आँकड़ों का उपयोग करने वाले डेटा सेट पिछले 20 वर्षों में आकार में जबरदस्त रूप से बढ़ रहे हैं। एक औद्योगिक सेटिंग में, आप संभवतः डेटा का हेरफेर करने में अधिक समय व्यतीत करेंगे, जितना कि आप उनका विश्लेषण करेंगे। मान्य विश्लेषण के लिए अच्छे डेटा-प्रबंधन प्रक्रियाओं, स्वच्छता की जाँच आदि सीखना महत्वपूर्ण है। जितना अधिक कुशल आप इस पर बनेंगे, उतना ही अधिक समय आप "मज़ेदार" सामान बनाने में व्यतीत करेंगे। यह कुछ ऐसा है जो अकादमिक कार्यक्रमों में बहुत अधिक कमज़ोर और कमज़ोर है। सौभाग्य से, अब शैक्षणिक समुदाय के लिए कुछ बड़े डेटा सेट उपलब्ध हैं, जिनके साथ खेल सकते हैं। यदि आप प्रोग्राम के भीतर ऐसा नहीं कर सकते हैं, तो इसके बाहर कुछ समय बिताएं।

  5. रैखिक प्रतिगमन और संबंधित लागू रैखिक बीजगणित को बहुत अच्छी तरह से जानें । यह आश्चर्य की बात है कि कितने स्वामी और पीएचडी स्नातक अपनी डिग्री ("शीर्ष" कार्यक्रमों से) प्राप्त करते हैं, लेकिन रैखिक प्रतिगमन पर बुनियादी सवालों के जवाब नहीं दे सकते हैं या यह कैसे काम करता है। इस सामग्री के ठंडे होने से आप अविश्वसनीय रूप से अच्छी तरह से काम करेंगे। यह अपने आप में महत्वपूर्ण है और कई, कई अधिक उन्नत सांख्यिकीय और मशीन-लर्निंग तकनीकों का प्रवेश द्वार है।

  6. यदि संभव हो, तो मास्टर्स रिपोर्ट या थीसिस करें। कुछ शीर्ष अमेरिकी सांख्यिकी विभागों (आमतौर पर उनके डॉक्टरेट कार्यक्रमों पर अधिक अनुमान लगाया गया) से जुड़े स्वामी कार्यक्रम एक रिपोर्ट या एक थीसिस को शामिल करने से दूर चले गए हैं। इस तथ्य का तथ्य यह है कि एक विशुद्ध रूप से पाठ्यक्रम आधारित कार्यक्रम आमतौर पर किसी विशेष क्षेत्र में ज्ञान की किसी भी वास्तविक गहराई को विकसित करने से वंचित करता है। मेरे विचार में यह क्षेत्र इतना महत्वपूर्ण नहीं है, लेकिन अनुभव यह है। मास्टर रिपोर्ट या थीसिस का उत्पादन करने के लिए आवश्यक दृढ़ता, समय-प्रबंधन, संकाय के साथ सहयोग आदि, उद्योग में संक्रमण होने पर बहुत भुगतान कर सकते हैं। यहां तक ​​कि अगर कोई कार्यक्रम किसी को विज्ञापित नहीं करता है, यदि आप अन्यथा इसमें रुचि रखते हैं, तो प्रवेश कुर्सी के लिए एक ईमेल भेजें और एक अनुकूलित कार्यक्रम की संभावना के बारे में पूछें जो इसके लिए अनुमति देता है।

  7. सबसे चुनौतीपूर्ण कोर्सवर्क करें जिसे आप प्रबंधित कर सकते हैं । जबकि सबसे महत्वपूर्ण बात यह है कि कोर सामग्री को बहुत अच्छी तरह से समझना चाहिए, आपको अपने समय और धन का उपयोग अपने आप को यथासंभव चुनौती देकर समझदारी से करना चाहिए। आपके द्वारा सीखने के लिए चुने गए विशेष विषय काफी "बेकार" प्रतीत हो सकते हैं, लेकिन साहित्य के साथ कुछ संपर्क प्राप्त करना और कुछ नया और कठिन सीखने के लिए खुद को चुनौती देना आसान हो जाएगा, जब आपको उद्योग में बाद में ऐसा करना होगा। उदाहरण के लिए, शास्त्रीय आंकड़ों के पीछे के कुछ सिद्धांत सीखना कई औद्योगिक सांख्यिकीविदों के दैनिक कार्य के लिए अपने आप में काफी बेकार हो जाता है, लेकिन जिन अवधारणाओं से अवगत कराया गया है, वे अत्यंत महत्वपूर्ण हैंउपयोगी और नित्य मार्गदर्शन प्रदान करते हैं। यह उन सभी अन्य सांख्यिकीय तरीकों को भी बना देगा जिनके संपर्क में आप कम रहस्यमय प्रतीत होते हैं।

  8. एक कार्यक्रम की प्रतिष्ठा केवल आपकी पहली नौकरी के लिए मायने रखती है । एक स्कूल या कार्यक्रम की प्रतिष्ठा पर बहुत अधिक जोर दिया जाता है। दुर्भाग्य से, यह मानव संसाधन प्रबंधकों के लिए एक समय- और ऊर्जा की बचत करने वाला है। ज्ञात हो कि कार्यक्रमों को उनके स्वामी की तुलना में उनके शोध और डॉक्टरेट कार्यक्रमों द्वारा बहुत अधिक आंका जाता है। ऐसे कई शीर्ष विभागों में, एमएस छात्र अक्सर द्वितीय श्रेणी के नागरिकों की तरह महसूस करते हैं, क्योंकि अधिकांश संसाधन चिकित्सक कार्यक्रमों पर खर्च किए जाते हैं।

    मेरे साथ काम करने वाले प्रतिभाशाली युवा सांख्यिकीय सहयोगियों में से एक ने एक छोटे विदेशी विश्वविद्यालय से डॉक्टरेट किया है, जिसके बारे में आपने शायद कभी नहीं सुना होगा। लोग "शीर्ष" कार्यक्रमों की तुलना में "नो-नाम" संस्थानों में एक अद्भुत शिक्षा प्राप्त कर सकते हैं (कभी-कभी बहुत बेहतर एक, विशेष रूप से स्नातक और परास्नातक स्तर पर!)। वे पूर्व में कोर संकाय के साथ अधिक इंटरैक्शन प्राप्त करने की गारंटी देते हैं।

    अपने को फिर से शुरू के शीर्ष पर स्कूल का नाम है आपकी पहली नौकरी और लोगों के लिए दरवाजे में आप करने के बारे में है, जहां आपके सबसे उन्नत डिग्री की तुलना में जहां किसी भी अन्य किया से आया अधिक परवाह करेगा में एक भूमिका है की संभावना है। उस पहली नौकरी के बाद, लोग इस बात की अधिक परवाह करेंगे कि आप टेबल पर क्या अनुभव लाएंगे। एक स्कूल जहां दिलचस्प रोजगार के अवसरों के बहुत सारे कैरियर मेलों के माध्यम से तुम्हारे पास आया ढूँढना, ईमेल परिचालित, आदि, कर सकते हैं एक बड़ी अदायगी है और इस शीर्ष कार्यक्रमों में अधिक होता है।

एक व्यक्तिगत टिप्पणी : मैं व्यक्तिगत रूप से कुछ अधिक सैद्धांतिक कार्यक्रमों के लिए प्राथमिकता रखता हूं जो अभी भी डेटा के साथ कुछ संपर्क और लागू पाठ्यक्रमों के एक चापलूसी की अनुमति देते हैं। इस तथ्य का तथ्य यह है कि आप केवल मास्टर्स डिग्री प्राप्त करके एक अच्छे लागू सांख्यिकीविद् नहीं बनने जा रहे हैं । यह केवल (बहुत अधिक) समय के साथ आता है और चुनौतीपूर्ण समस्याओं और दैनिक आधार पर विश्लेषण करने में संघर्ष करता है।


13
+1। कभी-कभी, यहाँ के रूप में, एक अच्छा जवाब एक प्रश्न को रखने लायक बनाता है।
whuber

4
मुझे पता है कि यह एक बहुत ही व्यक्तिगत निर्णय है। हालाँकि, आपका विचारशील उत्तर बहुत मदद करता है। यह देखना विशेष रूप से दिलचस्प है कि आपने एक संज्ञानात्मक क्षेत्र को सीखने में कितना स्थान दिया है। कुछ कार्यक्रम मुझे अन्य विभागों में पाठ्यक्रम लेने की अनुमति देते हैं। मैं अब यह सोचना शुरू कर रहा हूं कि चौड़ाई कार्यक्रम की विशेष रूप से मूल्यवान विशेषता है।
प्रयास किया गया

(+1) बहुत अच्छी प्रतिक्रिया। मुझे विशेष रूप से प्वाइंट ३ पसंद आया
chl

2
@AttemptedStudent: परंपरागत रूप से, मुझे लगता है कि आंकड़ों में अधिकांश स्नातक छात्र (पीएचडी, विशेष रूप से) में स्नातक गणित की पृष्ठभूमि है और उनका वास्तविक अनुप्रयुक्त समस्याओं के साथ बहुत कम संपर्क है, जिन्हें सांख्यिकीय अवधारणाओं और सोच की आवश्यकता होती है। यह कारण हो सकता है कि मेरी सूची में एक उच्च कोटि का संज्ञानात्मक क्षेत्र सीखने का कारण हो। लेकिन, जैसा कि मैंने शरीर में उल्लेख किया है, आदेश थोड़ा कठिन है। :)
कार्डिनल

1
+1, अच्छा जवाब। मुझे 3-5 अंक पसंद थे। डेटा हेरफेर पर अवलोकन हाजिर है।
14

1

मैं या तो एक ब्रांड नाम (जैसे एमआईटी) के साथ सबसे अच्छा स्कूल में प्राप्त करने की सलाह दूंगा, या सबसे अच्छा समग्र सौदा (जैसे राज्य में ट्यूशन के साथ एक सभ्य पब्लिक स्कूल)। मैं दूसरी दर निजी स्कूलों पर पैसा बर्बाद नहीं करूंगा।

ब्रांड नाम स्कूलों का भुगतान। एक स्कूल जैसे MIT और GWU जैसे दूसरे स्तरीय स्कूलों के बीच का अंतर ब्रांड मूल्य में अंतर को सही ठहराने के लिए पर्याप्त नहीं है।

दूसरी ओर, कुछ पब्लिक स्कूल, जैसे विलियम और मैरी, सस्ती शिक्षा प्रदान करते समय गंदगी करते हैं। उनमें से कुछ के पास तुलनीय ब्रांड पावर भी है, जैसे बर्कले बनाम स्टैनफोर्ड। इस प्रकार महत्वपूर्ण लागत अंतर के कारण, वे सर्वश्रेष्ठ निजी स्कूलों के लिए एक विकल्प हैं।


-5

फार्माकोएपिडेमियोलॉजी पर एक नज़र डालें। विशेष रूप से यह ड्रग सुरक्षा से संबंधित है। यह बहुत ही दिलचस्पी के सवालों के साथ अनुसंधान का एक बहुत नया क्षेत्र है।


1
क्या यह गलती से गलत जगह पर पोस्ट कर दिया गया था?
मैक्रों
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.