Ini adalah musim penerimaan untuk sekolah pascasarjana. Saya (dan banyak siswa seperti saya) sekarang mencoba memutuskan program statistik mana yang akan dipilih.
- Apa sajakah hal-hal di antara Anda yang bekerja dengan statistik menyarankan kami pertimbangkan tentang program master dalam statistik?
- Adakah kesalahan atau kesalahan umum yang dilakukan siswa (mungkin terkait dengan reputasi sekolah)?
- Untuk pekerjaan, haruskah kita fokus pada statistik terapan atau gabungan statistik terapan dan teoritis?
Sunting: Berikut adalah beberapa informasi tambahan tentang situasi pribadi saya: Semua program yang saya pertimbangkan saat ini berada di Amerika Serikat. Beberapa fokus pada sisi yang lebih terapan dan memberikan gelar master dalam "statistik terapan" sementara yang lain memiliki kursus teoretis dan memberikan gelar dalam "statistik". Saya pribadi tidak bermaksud bekerja di satu industri di atas yang lain. Saya memiliki latar belakang pemrograman dan mengetahui industri teknologi sedikit lebih baik daripada, katakanlah, industri genomik atau bioinformatika. Namun, saya terutama mencari karier dengan masalah menarik.
Sunting : Mencoba membuat pertanyaan lebih umum berlaku.
sumber
Jawaban:
Berikut ini adalah kumpulan pemikiran dan rekomendasi umum yang agak tumpul tentang program master dalam statistik. Saya tidak ingin mereka menjadi polemik, meskipun beberapa dari mereka mungkin terdengar seperti itu.
Saya akan berasumsi bahwa Anda tertarik pada gelar master terminal untuk kemudian masuk ke industri dan tidak tertarik untuk berpotensi mengejar gelar doktor. Tolong, jangan menganggap balasan ini sebagai otoritatif.
Di bawah ini adalah beberapa saran dari pengalaman saya sendiri. Saya telah memesannya dengan sangat kasar dari apa yang menurut saya paling penting. Saat Anda memilih suatu program, Anda dapat mempertimbangkan masing-masing dari mereka terhadap satu sama lain dengan mempertimbangkan beberapa poin di bawah ini.
Cobalah untuk membuat pilihan terbaik untuk Anda secara pribadi . Ada banyak faktor yang terlibat dalam keputusan seperti itu: geografi, hubungan pribadi, peluang kerja dan jaringan, kursus, biaya pendidikan dan kehidupan, dll. Yang paling penting adalah menimbang masing-masing sendiri dan mencoba menggunakan penilaian terbaik Anda sendiri. . Anda adalah orang yang pada akhirnya hidup dengan konsekuensi pilihan Anda, baik positif maupun negatif, dan Anda adalah satu-satunya yang mampu menilai seluruh situasi Anda. Bertindak sesuai.
Belajarlah untuk berkolaborasi dan mengelola waktu Anda . Anda mungkin tidak mempercayai saya, tetapi seorang majikan kemungkinan besar akan lebih peduli tentang kepribadian Anda, kemampuan untuk berkolaborasi dengan orang lain dan kemampuan untuk bekerja secara efisien daripada mereka akan peduli dengan keterampilan teknis mentah Anda. Komunikasi yang efektif sangat penting dalam statistik, terutama ketika berkomunikasi dengan nonstatisticians. Mengetahui cara mengelola proyek yang rumit dan membuat kemajuan yang stabil sangat penting. Manfaatkan peluang konsultasi statistik terstruktur, jika ada, di institusi pilihan Anda.
Pelajari area kognitif . Kelemahan terbesar yang saya lihat dalam banyak lulusan magister dan doktoral dalam statistik, baik di industri maupun di dunia akademis, adalah bahwa mereka sering memiliki sedikit pengetahuan tentang materi pelajaran. Hasilnya adalah bahwa kadang-kadang analisis statistik "standar" digunakan karena kurangnya pemahaman tentang mekanisme yang mendasari masalah yang mereka coba analisis. Oleh karena itu, mengembangkan keahlian dalam bidang yang sama dapat sangat memperkaya secara statistik dan profesional. Tetapi, aspek yang paling penting dari ini adalah pembelajaran itu sendiri: Menyadari bahwa menggabungkan pengetahuan materi pelajaran bisa sangat pentinguntuk menganalisis masalah dengan benar. Menjadi kompeten dalam kosa kata dan pengetahuan dasar juga dapat sangat membantu dalam komunikasi dan akan meningkatkan persepsi yang dimiliki rekan-rekan nonstatistik Anda tentang Anda.
Belajar bekerja dengan data (besar) . Kumpulan data di hampir setiap bidang yang menggunakan statistik telah tumbuh sangat besar selama 20 tahun terakhir. Dalam pengaturan industri, Anda mungkin akan menghabiskan lebih banyak waktu memanipulasi data daripada menganalisisnya . Mempelajari prosedur pengelolaan data yang baik, memeriksa kewarasan, dll. Sangat penting untuk analisis yang valid. Semakin efisien Anda dalam melakukannya, semakin banyak waktu yang Anda habiskan untuk melakukan hal-hal yang "menyenangkan". Ini adalah sesuatu yang sangat ditekankan dan kurang dihargai dalam program akademik. Untungnya, sekarang ada beberapa set data yang lebih besar tersedia untuk komunitas akademik yang dapat dimainkan. Jika Anda tidak dapat melakukan ini di dalam program itu sendiri, luangkan waktu untuk melakukannya di luar itu.
Pelajari regresi linier dan aljabar linier terapan yang terkait dengan sangat baik . Sungguh mengejutkan berapa banyak lulusan S2 dan S3 yang mendapatkan gelar mereka (dari program "top"!), Tetapi tidak dapat menjawab pertanyaan dasar tentang regresi linier atau cara kerjanya. Memiliki bahan ini dingin akan sangat membantu Anda. Hal ini penting dalam dirinya sendiri dan merupakan pintu gerbang ke banyak, banyak teknik statistik dan pembelajaran mesin yang lebih maju.
Jika memungkinkan, lakukan laporan master atau tesis. Program master yang terkait dengan beberapa departemen statistik AS teratas (biasanya lebih banyak diukur pada program doktor mereka) tampaknya telah pindah dari memasukkan laporan atau tesis. Fakta dari masalah ini adalah bahwa program murni berbasis kursus biasanya menghalangi siswa untuk mengembangkan pengetahuan mendalam yang sebenarnya di bidang tertentu. Area itu sendiri tidak begitu penting, dalam pandangan saya, tetapi pengalaman itu. Kegigihan, manajemen waktu, kolaborasi dengan fakultas, dll. Yang dibutuhkan untuk menghasilkan laporan master atau tesis dapat memberi hasil besar ketika transisi ke industri. Bahkan jika suatu program tidak mengiklankannya, jika Anda tertarik, kirim email ke kursi penerimaan dan tanyakan tentang kemungkinan program yang disesuaikan yang memungkinkan untuk itu.
Ambil kursus yang paling menantang yang bisa Anda kelola . Meskipun hal yang paling penting adalah memahami materi inti dengan sangat baik, Anda juga harus menggunakan waktu dan uang Anda dengan bijak dengan menantang diri sendiri sebanyak mungkin. Topik topik tertentu yang Anda pilih untuk belajar mungkin tampak "tidak berguna", tetapi melakukan kontak dengan literatur dan menantang diri sendiri untuk mempelajari sesuatu yang baru dan sulit akan membuatnya lebih mudah ketika Anda harus melakukannya nanti di industri. Sebagai contoh, mempelajari beberapa teori di balik statistik klasik ternyata tidak berguna untuk pekerjaan sehari-hari banyak ahli statistik industri, tetapi konsep yang disampaikan sangatberguna dan memberikan panduan berkelanjutan. Ini juga akan membuat semua metode statistik lain yang Anda hubungi tampak kurang misterius.
Reputasi suatu program hanya penting untuk pekerjaan pertama Anda . Terlalu banyak penekanan diberikan pada reputasi sekolah atau program. Sayangnya, ini adalah heuristik hemat waktu dan energi untuk manajer sumber daya manusia. Sadarilah bahwa program dinilai lebih banyak oleh penelitian dan program doktor mereka daripada yang master mereka. Di banyak departemen top seperti itu, siswa MS sering merasa sedikit seperti warga negara kelas dua karena sebagian besar sumber daya dihabiskan untuk program doktor.
Salah satu kolaborator statistik muda paling cemerlang yang pernah bekerja dengan saya memiliki gelar doktor dari universitas asing kecil yang mungkin belum pernah Anda dengar. Orang-orang bisa mendapatkan pendidikan yang luar biasa (kadang-kadang jauh lebih baik, terutama di tingkat sarjana dan magister!) Di institusi "tanpa nama" daripada di program "top". Mereka hampir dijamin untuk mendapatkan lebih banyak interaksi dengan fakultas inti di yang pertama.
Nama sekolah di bagian atas resume Anda adalah mungkin untuk memiliki peran dalam mendapatkan Anda di pintu untuk pekerjaan pertama Anda dan orang-orang akan lebih peduli di mana gelar Anda yang paling canggih berasal dari dari mana pun orang lain lakukan. Setelah pekerjaan pertama itu, orang akan lebih peduli tentang pengalaman apa yang Anda bawa ke meja. Menemukan sekolah di mana banyak peluang kerja menarik datang kepada Anda melalui pameran karier, email yang diedarkan, dll., Dapat memiliki hasil besar dan ini terjadi lebih banyak di program-program top.
Sebuah komentar pribadi : Saya pribadi memiliki preferensi untuk program yang agak lebih teoretis yang masih memungkinkan beberapa kontak dengan data dan segelintir program terapan. Faktanya adalah bahwa Anda tidak akan menjadi ahli statistik terapan yang baik dengan memperoleh gelar master. Itu datang hanya dengan (lebih banyak) waktu dan pengalaman dalam berjuang dengan masalah dan analisis yang menantang setiap hari.
sumber
Saya akan menyarankan untuk mendapatkan sekolah terbaik dengan nama merek (seperti MIT), atau kesepakatan keseluruhan terbaik (misalnya sekolah negeri yang layak dengan biaya kuliah di negara bagian). Saya tidak akan membuang uang untuk sekolah swasta kelas dua.
Imbalan sekolah nama merek. Perbedaan harga antara sekolah seperti MIT dan sekolah tingkat kedua seperti GWU tidak cukup besar untuk membenarkan perbedaan dalam kekuatan merek.
Di sisi lain, beberapa sekolah umum, misalnya William dan Mary, sementara menjadi murah menawarkan pendidikan yang layak. Beberapa dari mereka bahkan memiliki kekuatan merek yang sebanding, misalnya Berkeley vs Stanford. Jadi karena perbedaan biaya yang signifikan, mereka menjadi alternatif untuk sekolah swasta terbaik.
sumber
Lihatlah Pharmacoepidemiology. Khususnya berkaitan dengan keamanan Narkoba. Ini adalah bidang penelitian yang sangat baru dengan banyak pertanyaan yang sangat menarik.
sumber