Belajar mandiri vs pendidikan yang diajarkan?

Ada pertanyaan dengan maksud yang sama pada programmer.SE . Pertanyaan itu memiliki beberapa jawaban yang cukup bagus, tetapi tema umumnya adalah bahwa tanpa belajar sendiri, Anda tidak dapat kemana-mana.

Jelas ada beberapa perbedaan utama antara pemrograman dan statistik - dengan pemrograman, Anda benar-benar hanya belajar beberapa logika dasar, dan kemudian menerapkannya berulang kali. Semua bahasa baru menggunakan konsep dasar yang sama. Belajar mandiri memungkinkan Anda mempelajari konsep yang lebih maju, dan menjadi lebih efisien. Hal-hal semacam ini cukup sulit untuk diajarkan.

Statistik sangat berbeda. Sangat mudah untuk menerapkan logika yang terlibat - karena orang lain biasanya telah meletakkan metodologi. Memang, metodologi biasanya sebagian besar dari apa yang diajarkan di universitas. Tetapi statistik benar-benar jauh lebih dalam dari itu, dan melibatkan beberapa konsep tingkat tinggi. Sulit bahkan untuk mencari konsep-konsep itu, jika semua yang telah diajarkan kepada Anda adalah statistik terapan, apalagi untuk memahaminya (walaupun saya bertanya-tanya berapa banyak ini mungkin karena jargon di lapangan). Juga, saya menemukan bahwa belajar mandiri dalam pemrograman melibatkan membaca banyak artikel / blog pendek untuk memperkenalkan diri Anda dengan konsep baru, sedangkan artikel yang mudah diakses tentang statistik hampir selalu ditujukan untuk pemula total, dan karena itu agak tidak berguna untuk pemula yang maju, seperti diri.

Jadi pertanyaannya adalah: Apakah belajar mandiri lebih atau kurang sesuai daripada pendidikan universitas, untuk statistik? Metodologi apa untuk belajar mandiri yang berhasil? Contoh apa pun yang berhasil bagi orang-orang sebelumnya akan diterima.

(ini mungkin seharusnya merupakan wiki komunitas, tapi saya tidak melihat kotak centang)

Saya pikir saya berada di tempat yang cukup mirip, tetapi saya akan mengambil bacokan. Saya mulai sebagai mahasiswa pascasarjana sosiologi dan, setelah saya menyelesaikan semua program statistik yang tersedia melalui departemen saya, berjalan ke beberapa program tingkat sarjana dari departemen statistik di universitas saya. Itu adalah wahyu; cara para profesor statistik mendekati masalah secara radikal berbeda dari profesor soc saya - jauh lebih intuitif dan menginspirasi daripada apa yang telah saya pelajari sebelumnya, apalagi formula, dan tergantung pada banyak hal yang saya tidak pernah diajarkan atau hadapi. Saya tidak berhasil belajar dalam kursus yang lebih mendasar. Saya harus mengajari diri saya sendiri banyak hal lagi hanya untuk mengikutinya, dan saya masih khawatir bahwa saya belum benar-benar menerapkan konsep dasar itu.

Dalam empat atau lima tahun intervensi, saya telah menghabiskan banyak waktu membaca secara luas - blog, situs ini, dan beberapa buku teks yang menonjol sangat membantu. Tetapi belajar mandiri itu memiliki batas, yang terbesar di antaranya bukanlah bahwa saya belum pernah mengikuti beberapa kuliah di sekolah tetapi lebih karena sudah empat atau lima tahun sejak saya bekerja sama dengan seseorang yang benar-benar tahu lebih banyak daripada saya melakukan. Situs ini adalah sumber utama saya untuk mendapatkan gagasan salah saya ditembak jatuh. Itu membuatku takut, sampai-sampai aku berencana melamar program MS di biostats pada musim gugur ini - tentu saja, untuk mengambil kursus yang menarik, tetapi juga karena aku hanya ingin seseorang menjalankan ide-ide kasarku dan mencari tahu apa yang telah kulakukan. benar-benar belajar.

Sebaliknya, saya telah belajar sendiri R selama periode yang sama dan dalam kondisi yang sama. Sampai saya membantu menemukan grup pengguna R sekitar satu setengah tahun yang lalu, saya juga tidak benar-benar memiliki siapa pun untuk menunjukkan konstruksi bodoh secara terang-terangan dalam kode saya. Tetapi saya tidak merasakan kecemasan yang hampir sama tentang kode saya, sebagian besar karena pemrograman pada akhirnya bermuara pada pertanyaan apakah sesuatu berfungsi. Saya tidak bermaksud mengurangi tantangan di sana - saya sudah cukup lama di StackOverflow untuk mengetahui bahwa, bagi pengembang perangkat lunak nyata, ada sejumlah besar keahlian yang digunakan untuk membuat sesuatu yang elegan, berkinerja, dapat dipelihara, mudah beradaptasi, dan mudah -menggunakan. Tetapi perangkat lunak pada akhirnya dinilai dari seberapa baik ia menjalankan fungsinya. Seperti yang Anda katakan, statistik memiliki masalah yang hampir terbalik - perangkat lunak statistik modern membuatnya relatif mudah untuk menghidupkan model yang rumit, tetapi dalam banyak kasus kami tidak memiliki sistem yang baik untuk memastikan bahwa model-model itu sangat berharga. Sulit untuk menciptakan kembali banyak analisis yang diterbitkan, dan mereproduksi studi yang telah diterbitkan sebelumnya dari awal tidak semewah membuat penemuan baru (terapkan kutipan menakut-nakuti yang Anda inginkan). Saya hampir selalu tahu kapan program saya sampah, tetapi saya tidak pernah sepenuhnya yakin bahwa model saya bagus. t glamor seperti membuat penemuan baru (terapkan kutipan menakut-nakuti yang Anda inginkan). Saya hampir selalu tahu kapan program saya sampah, tetapi saya tidak pernah sepenuhnya yakin bahwa model saya bagus. t glamor seperti membuat penemuan baru (terapkan kutipan menakut-nakuti yang Anda inginkan). Saya hampir selalu tahu kapan program saya sampah, tetapi saya tidak pernah sepenuhnya yakin bahwa model saya bagus.

Jadi ... seperti dalam pemrograman, saya pikir belajar mandiri itu penting. Tetapi saya juga berpikir sangat penting untuk memiliki seorang mentor atau rekan kerja di sekitar yang akan menendang ide-ide dengan Anda, membuat Anda berpikir baru, dan menendang pantat Anda saat diperlukan. Pendidikan formal adalah salah satu cara untuk bertemu orang-orang seperti itu. Apakah itu efisien tergantung pada keadaan Anda ...

+1 untuk pertanyaan yang bagus. Saya pikir dalam jangka panjang Anda hanya akan selalu harus bergantung pada belajar mandiri dalam satu atau lain bentuk. Jika Anda merasa tidak nyaman dengan dasar-dasarnya, kelas formal akan bagus. Sebagai contoh, jika Anda merasa solid pada statistik terapan, tetapi tidak merasa seperti Anda memiliki pemahaman tentang matematika yang mendasarinya, mengambil kelas statistik matematika akan menjadi cara untuk maju. Bahkan di sana, sekolah pascasarjana pada akhirnya akan menjadi tentang belajar menavigasi bidang Anda sendiri.

Saya ingin mengambil kesempatan ini untuk menyanyikan pujian CV. Sejujurnya saya berpikir bahwa situs ini akan menjadi jawaban atas keprihatinan Anda. Memang benar bahwa ada banyak sumber daya di luar sana yang tidak ditujukan pada tingkat yang sesuai (baik terlalu tinggi atau terlalu rendah) dan sulit untuk menemukan apa yang Anda butuhkan. Dugaan saya adalah bahwa buku lebih sering berada pada level yang terbaik untuk Anda; mereka akan menjadi lebih komprehensif, dan untuk topik apa pun akan ada yang dari hampir tanpa matematika hingga risalah teoretis murni dengan banyak gradasi di antaranya. Anda dapat mencari CV di bawah bukudan jika Anda tidak menemukan sesuatu yang benar, ajukan pertanyaan baru. Secara umum, jika Anda tidak yakin tentang konsep tertentu, tanyakan saja tentang itu. Bahkan hanya membaca-baca di situs dan mengikuti tautannya sangat informatif - saya kagum pada seberapa banyak yang telah saya pelajari sejak saya menjadi aktif di situs.

Dalam hal strategi khusus yang membantu belajar mandiri, ada dua hal yang paling membantu saya. Pertama, dengan statistik terapan, ini benar-benar sama dengan pemrograman, atau sampai ke Carnegie Hall, berlatih. Cobalah untuk menemukan kumpulan data (dunia nyata, jika mungkin), dan jelajahi; lihat data, pikirkan tentang apa yang mungkin terjadi, paskan beberapa model dan periksa untuk melihat apakah itu masuk akal, dll. Semakin banyak Anda dapat melakukan ini, semakin baik keadaan Anda. Untuk memahami konsep-konsep teoretis yang mendasari berbagai teknik, simulasi adalah yang berhasil bagi saya. Ketika saya membaca tentang sesuatu, dan dikatakan bahwa itu bekerja dengan cara tertentu atau akan rusak dalam kondisi tertentu, saya sering menulis kode kecil untuk membuat kondisi tersebut dan menghasilkan data dari proses itu, kemudian menyesuaikan model dan menyimpan indikator apa pun yang relevan , bersarang dalam satu lingkaran, dan bermain dengannya. Ini benar-benar bagaimana saya memahami cukup banyak hal. Saya bisa membaca tentang sesuatu, dan itu bisa sangat jelas - saya bahkan bisa berbalik dan menjelaskannya - tetapi saya tidak begitudapatkan sampai saya bisa menghasilkannya dan melihatnya beraksi.

Dasar teori statistik terlalu dalam untuk bisa mendapatkan pemahaman yang baik tentang subjek hanya dari bekerja pada masalah yang terjadi pada meja Anda. Beberapa prat-falls statistik terbesar yang pernah saya lihat berasal dari orang-orang dengan latar belakang pemrograman atau matematika yang dengan blak-blakan berasumsi bahwa mengetahui cara membuat kode atau menghitung probabilitas sama dengan mengetahui statistik.

Semua sama, tidak ada alasan mengapa program belajar mandiri yang dipikirkan dengan matang tidak boleh melakukan pekerjaan itu. Dan setidaknya, bagi sebagian orang: lihat Lulusan Diploma Royal Statistics Society . Tidak ada kekurangan buku teks untuk dibaca (& ditulis oleh orang-orang seperti Cox, Berger, Tukey, Nelder, & Efron!), Perangkat lunak gratis (R) yang sangat baik untuk mencoba berbagai hal, & tentu saja Cross Validated untuk menyelesaikan keraguan.

Untuk pemrograman saya setuju bahwa belajar mandiri adalah jalan yang harus ditempuh. Saya belajar sendiri selama beberapa bulan ketika saya bekerja sebagai ahli statistik. Saya kemudian mengambil kursus Coursera dalam pemrograman R untuk melihat apakah saya dapat mempelajari sesuatu yang baru, dan karena saya memiliki latar belakang yang kuat, saya menyelesaikannya dan diundang untuk menjadi asisten pengajar pada kursus tersebut.

Adapun statistik belajar mandiri, itu tergantung, tetapi di sisi hati-hati saya akan mengatakan tidak. Sebagian besar pekerjaan untuk seorang ahli statistik membutuhkan setidaknya gelar MSc dalam statistik hanya untuk mendapatkan apa yang Anda inginkan. Ahli statistik berpengalaman biasanya memiliki gelar PhD.

Bayangkan seorang dokter meminta Anda untuk merancang program seleksi untuk perawatan tertentu (sesuatu yang telah saya kerjakan). Anda mengambil buku statistik Anda untuk penyegaran dan mulai bekerja. Anda membuat beberapa kesalahan matematika atau Anda gagal mengenali beberapa variabel yang mengintai dan orang yang salah dipilih. Bang! Kerabat menuntut karena kelalaian dan / atau Anda berada di penjara karena pembunuhan.

Jadi dengan pemrograman, belajar mandiri adalah satu-satunya cara untuk pergi tetapi tidak pernah mengatakan Anda tahu statistik atau bekerja pada proyek statistik tanpa bimbingan dari ahli statistik yang berkualitas dan berpengalaman atau setidaknya bertanya dulu apa hasilnya akan digunakan.