Kualifikasi untuk Program PhD

Yann LeCun menyebutkan dalam AMA- nya bahwa ia menganggap memiliki gelar PhD sangat penting untuk mendapatkan pekerjaan di perusahaan papan atas.

Saya memiliki master dalam statistik dan sarjana saya di bidang ekonomi dan matematika terapan, tetapi saya sekarang melihat ke dalam program ML PhD. Sebagian besar program mengatakan tidak ada kursus CS yang mutlak diperlukan; namun saya cenderung berpikir sebagian besar siswa yang diterima setidaknya memiliki latar belakang CS yang sangat kuat. Saat ini saya bekerja sebagai ilmuwan data / statistik tetapi perusahaan saya akan membayar biaya kursus. Haruskah saya mengambil kursus rekayasa perangkat lunak intro di Universitas lokal saya untuk menjadikan diri saya kandidat yang lebih kuat? Apa saran lain yang Anda miliki untuk seseorang yang mendaftar ke program PhD dari luar bidang CS?

sunting: Saya telah mengambil beberapa MOOC (Machine Learning, Recommender Systems, NLP) dan kode R / python setiap hari. Saya memiliki banyak pengalaman pengkodean dengan bahasa statistik dan menerapkan algoritma ML setiap hari. Saya lebih peduli dengan hal-hal yang bisa saya masukkan ke dalam aplikasi.

Jika saya jadi Anda, saya akan mengambil satu atau dua MOOC (misalnya, Algoritma, Bagian I , Algoritma, Bagian II , Prinsip Pemrograman Fungsional di Scala ), sebuah buku bagus tentang struktur data dan algoritma, kemudian hanya kode sebanyak mungkin. Anda dapat menerapkan beberapa statistik atau algoritma ML, misalnya; itu akan menjadi praktik yang baik untuk Anda dan bermanfaat bagi masyarakat.

Namun, untuk program PhD, saya juga akan memastikan bahwa saya terbiasa dengan jenis matematika yang mereka gunakan. Jika Anda ingin melihat bagaimana rasanya di bagian paling dalam, telusuri koran di JMLR . Itu akan memungkinkan Anda mengkalibrasi diri sendiri dalam hal teori; bisakah kamu mengikuti matematika?

Oh, dan Anda tidak perlu gelar PhD untuk bekerja di perusahaan top, kecuali jika Anda ingin bergabung dengan departemen penelitian seperti dia. Tetapi kemudian Anda akan menghabiskan lebih banyak waktu melakukan pengembangan, dan Anda akan membutuhkan keterampilan pengkodean yang baik ...

Waktu Anda mungkin akan lebih baik dihabiskan untuk Kaggle daripada di program PhD. Ketika Anda membaca cerita oleh pemenang ( blog Kaggle ) Anda akan melihat bahwa itu membutuhkan banyak latihan dan pemenangnya bukan hanya ahli dari satu metode tunggal.

Di sisi lain, menjadi aktif dan memiliki rencana dalam program PhD dapat membuat Anda memiliki koneksi yang mungkin tidak akan Anda dapatkan.

Saya kira pertanyaan sebenarnya adalah untuk Anda - apa alasan untuk menginginkan pekerjaan di perusahaan papan atas?

Anda sudah memiliki Magister Statistik, yang sangat bagus! Secara umum, saya menyarankan orang untuk mengambil statistik sebanyak mungkin, terutama Analisis Data Bayesian.

Bergantung pada apa yang ingin Anda lakukan dengan PhD Anda, Anda akan mendapat manfaat dari kursus dasar dalam disiplin (s) di bidang aplikasi Anda. Anda sudah memiliki Ekonomi tetapi jika Anda ingin melakukan Ilmu Data tentang perilaku sosial, maka kursus dalam Sosiologi akan sangat berharga. Jika Anda ingin bekerja dalam pencegahan penipuan, maka kursus perbankan dan transaksi keuangan akan bagus. Jika Anda ingin bekerja di keamanan informasi, maka mengambil beberapa kursus keamanan akan baik.

Ada orang yang berpendapat bahwa itu tidak bernilai bagi Ilmuwan Data untuk menghabiskan waktu pada kursus sosiologi atau disiplin ilmu lain. Tetapi pertimbangkan kasus terbaru dari proyek Google Pantau Flu Dunia. Dalam artikel ini metode mereka sangat dikritik karena membuat kesalahan yang bisa dihindari. Para kritikus menyebutnya "Data Big Hubris".

Ada alasan lain untuk membangun kekuatan dalam disiplin ilmu sosial: keunggulan kompetitif pribadi. Dengan terburu-buru program gelar akademik, program sertifikat, dan MOOCs, ada terburu-buru gila siswa ke bidang Ilmu Data. Sebagian besar akan keluar dengan kemampuan untuk metode dan alat Pembelajaran Mesin inti. Lulusan PhD akan memiliki pengetahuan yang lebih mendalam dan lebih teoretis, tetapi mereka semua bersaing untuk jenis pekerjaan yang sama, memberikan jenis nilai yang sama. Dengan banyaknya lulusan ini, saya berharap mereka tidak akan bisa mendapatkan gaji premium.

Tetapi jika Anda dapat membedakan diri Anda dengan kombinasi pendidikan formal dan pengalaman praktis dalam domain dan area aplikasi tertentu, maka Anda harus dapat membedakan diri Anda dari kerumunan.

(Konteks: Saya dalam program PhD dalam Ilmu Sosial Komputasi, yang memiliki fokus besar pada pemodelan, perhitungan evolusi, dan disiplin ilmu sosial, dan kurang menekankan pada ML dan topik analisis data empiris lainnya).

Saya senang Anda juga menemukan halaman AMA Yann LeCun, ini sangat berguna.

Berikut adalah pendapat saya
T: Apakah saya harus mengambil kursus rekayasa perangkat lunak intro di Universitas lokal saya untuk menjadikan diri saya kandidat yang lebih kuat?
A: Tidak, Anda perlu mengambil lebih banyak kursus matematika. Bukan hal-hal yang diterapkan yang sulit, itu hal-hal teori. Saya tidak tahu apa yang ditawarkan sekolah Anda. Ambil kursus matematika teoretis, bersama dengan beberapa kursus ilmu komputer.

T: Apa saran lain yang Anda miliki untuk seseorang yang mendaftar ke program PhD dari luar bidang CS?
A: Seberapa dekat hubungan yang Anda cari. Tanpa pertanyaan spesifik, sulit untuk memberikan jawaban spesifik.

Anda memiliki pilihan untuk bergabung dengan program PhD di sekolah bisnis dan sekolah informasi juga. Ada profesor kuantitatif dan ilmuwan data di sekolah bisnis dan sekolah informasi juga (Tentang AS, saya yakin ada banyak sekolah). Dengan cara ini Anda memenuhi syarat atau bahkan terlalu berkualitas dalam hal keterampilan kuantitatif dan teknis dan Anda dapat menghabiskan waktu Anda untuk memperkuat keterampilan lain.