Autoestudio vs una educación impartida?

Hay una pregunta con una intención similar en los programadores . Esa pregunta tiene algunas respuestas bastante buenas, pero el tema general parece ser que sin auto estudio, no se llega a ninguna parte.

Obviamente, hay una gran diferencia entre la programación y las estadísticas: con la programación, en realidad solo estás aprendiendo algo de lógica básica y luego aplicándola repetidamente. Todos los idiomas nuevos usan los mismos conceptos básicos. El autoaprendizaje le permite aprender conceptos más avanzados y ser más eficiente. Este tipo de cosas es bastante difícil de enseñar.

Las estadísticas son bastante diferentes. Es fácil aplicar la lógica involucrada, porque alguien más usualmente ha presentado la metodología. De hecho, la metodología suele ser la mayor parte de lo que se enseña en las universidades. Pero las estadísticas son realmente mucho más profundas que eso e involucran algunos conceptos de alto nivel. Es difícil incluso buscar esos conceptos, si todo lo que se le ha enseñado es estadística aplicada, y mucho menos entenderlos (aunque me pregunto cuánto puede deberse a la jerga en el campo). Además, creo que el autoaprendizaje en la programación implica leer muchos artículos / blogs cortos para presentarse a nuevos conceptos, mientras que los artículos accesibles sobre estadísticas casi siempre están dirigidos al principiante total y, por lo tanto, son algo inútiles para un principiante avanzado, como mí mismo.

Entonces, la pregunta es: ¿el autoestudio es más o menos apropiado que una educación universitaria para las estadísticas? ¿Qué metodologías para el autoestudio existen que funcionen? Cualquier ejemplo de lo que ha funcionado para las personas antes sería bienvenido.

(Esto probablemente debería ser un wiki de la comunidad, pero no veo ninguna casilla de verificación)

Creo que estoy en un lugar bastante similar, pero voy a apuñalarlo. Comencé como estudiante graduado de sociología y, una vez que completé todos los cursos de estadísticas disponibles a través de mi departamento, me dirigí a algunos cursos de posgrado del departamento de estadísticas de mi universidad. Fue una revelación; La forma en que los profesores de estadísticas abordaron los problemas fue radicalmente diferente de la de mis profesores de la SOC: mucho más intuitiva e inspiradora que lo que había aprendido antes, mucho menos formulada y dependiente de muchas cosas que no me habían enseñado o no había aprendido. Logré aprender en mis cursos más básicos. Tuve que volver a enseñarme muchas cosas solo para mantenerme al día, y todavía me preocupa que realmente no haya aclarado esos conceptos fundamentales.

En los cuatro o cinco años transcurridos, pasé mucho tiempo leyendo ampliamente: los blogs, este sitio y algunos libros de texto sobresalientes han sido realmente útiles. Pero ese autoaprendizaje tiene límites, el mayor de los cuales no es que no haya asistido a algunas conferencias en la escuela, sino que han pasado cuatro o cinco años desde que trabajé estrechamente con alguien que realmente sabía más que yo hizo. Este sitio es mi fuente principal para eliminar mis nociones incorrectas. Eso me asusta, hasta el punto de que estoy planeando aplicar a los programas de MS en biostatos este otoño, tomar algunos cursos interesantes, definitivamente, pero también porque solo quiero que alguien corra por encima de mis ideas y descubra lo que he Realmente aprendido.

En contraste, me he estado enseñando a mí mismo R durante aproximadamente el mismo período y en las mismas condiciones. Hasta que ayudé a encontrar un grupo de usuarios de R hace aproximadamente un año y medio, tampoco tenía a nadie para señalar construcciones descaradamente estúpidas en mi código. Pero no siento casi la misma ansiedad por mi código, en gran parte porque la programación finalmente se reduce a la pregunta de si algo funciona. No pretendo disminuir los desafíos allí: he estado en StackOverflow el tiempo suficiente para saber que, para los desarrolladores de software reales, hay una gran cantidad de experiencia que se necesita para hacer algo elegante, eficiente, fácil de mantener, adaptable y fácil. -usar. Pero el software finalmente se juzga según cuán bien realiza su función. Como usted dice, Las estadísticas tienen casi el problema inverso: el software de estadísticas moderno hace que sea relativamente fácil crear modelos complejos, pero en muchos casos no tenemos buenos sistemas para garantizar que esos modelos valen la pena. Es difícil recrear muchos análisis publicados, y reproducir estudios publicados previamente desde cero no es tan glamoroso como hacer nuevos descubrimientos (aplique citas de miedo como mejor le parezca). Casi siempre sé cuándo mis programas son basura, pero nunca estoy completamente seguro de que mis modelos sean buenos. t tan glamoroso como hacer nuevos descubrimientos (aplique citas de miedo como mejor le parezca). Casi siempre sé cuándo mis programas son basura, pero nunca estoy completamente seguro de que mis modelos sean buenos. t tan glamoroso como hacer nuevos descubrimientos (aplique citas de miedo como mejor le parezca). Casi siempre sé cuándo mis programas son basura, pero nunca estoy completamente seguro de que mis modelos sean buenos.

Entonces ... como en la programación, creo que el autoaprendizaje es esencial. Pero también creo que es críticamente importante tener un mentor o un compañero que te dé ideas, te expondrá a nuevas ideas y te pateará el trasero cuando sea necesario. La educación formal es una forma de conocer gente así. Si es eficiente depende más de sus circunstancias ...

+1 para una gran pregunta. Creo que a la larga siempre tendrás que confiar en el autoestudio de una forma u otra. Si te sientes incómodo con los fundamentos, las clases formales serán geniales. Por ejemplo, si te sientes sólido en las estadísticas aplicadas, pero no sientes que entiendes las matemáticas subyacentes, tomar clases de estadística matemática será el camino a seguir. Sin embargo, incluso allí, la escuela de posgrado finalmente se tratará de aprender a navegar por el campo por su cuenta.

Quiero aprovechar esta oportunidad para cantar las alabanzas de CV. Sinceramente, creo que este sitio será la respuesta a sus inquietudes. Es cierto que existen muchos recursos que no están dirigidos al nivel apropiado (ya sea demasiado alto o demasiado bajo) y que es difícil encontrar lo que necesita. Supongo que los libros estarán más a menudo en el nivel que sea mejor para usted; van a ser más completos, y para cualquier tema habrá desde casi sin matemática hasta tratados puramente teóricos con muchas gradaciones intermedias. Puedes buscar CV en librosy si no encuentra nada correcto, haga una nueva pregunta. En general, si no está seguro acerca de algún concepto específico, simplemente pregúntelo. Incluso solo leer en el sitio y seguir los enlaces es increíblemente informativo: estoy sorprendido de lo mucho que he aprendido desde que me volví activo en el sitio.

En términos de estrategias específicas que ayudan con el autoestudio, dos cosas me han ayudado más. Primero, con las estadísticas aplicadas, esto es realmente lo mismo que con la programación, o llegar al Carnegie Hall, practicar. Intente encontrar conjuntos de datos (en el mundo real, si es posible) y expórtelos; mire los datos, piense en lo que podría estar pasando, ajuste algunos modelos y verifique si son razonables, etc. Cuanto más pueda hacer esto, mejor estará. Para comprender los conceptos teóricos que subyacen a varias técnicas, simular es lo que funciona para mí. Cuando leo sobre algo, y dice que funciona de una manera particular o se descompondrá bajo alguna condición, a menudo escribo un pequeño código para crear esas condiciones y generar datos de ese proceso, luego ajustar el modelo y almacenar cualquier indicador que sea relevante , anida eso en un bucle y juega con él. Así es realmente como he llegado a entender casi cualquier cosa. Puedo leer sobre algo, y puede quedar perfectamente claro, incluso puedo dar la vuelta y explicarlo, pero realmente noConsíguelo hasta que pueda generarlo y verlo en acción.

La base teórica de las estadísticas es demasiado profunda para poder comprender bien el tema simplemente trabajando en los problemas que suceden en su escritorio. Algunos de los mayores errores estadísticos que he visto han sido de personas con experiencia en programación o matemática que asumieron alegremente que saber cómo codificar o resolver las probabilidades era lo mismo que conocer las estadísticas.

De todos modos, no hay ninguna razón por la cual un programa bien pensado de autoestudio no debería hacer el trabajo. Y lo hace, al menos para algunas personas: ver el Diploma de Posgrado de la Royal Statistical Society . No faltan libros de texto para leer (¡y escritos por personas como Cox, Berger, Tukey, Nelder y Efron!), Un excelente software gratuito (R) para probar cosas y, por supuesto, validado en forma cruzada para resolver dudas.

Para la programación, estoy de acuerdo en que el autoaprendizaje es el camino a seguir. Me enseñé a mí mismo R durante unos meses mientras trabajaba como estadístico. Luego tomé un curso de Coursera en programación R para ver si podía aprender algo nuevo, y como tenía una sólida formación, lo acepté y me invitaron a ser asistente de enseñanza en el curso.

En cuanto a las estadísticas de autoaprendizaje, eso depende, pero por el lado de la precaución, diría que no. La mayoría de los trabajos para un estadístico necesitan al menos una maestría en estadísticas solo para poner el pie en la puerta y por alguna razón. Los estadísticos experimentados generalmente tienen doctorados.

Imagine un médico que le pide que diseñe un programa de selección para un tratamiento en particular (algo en lo que he trabajado). Usted toma sus libros de estadísticas para actualizarse y comenzar a trabajar. Comete algunos errores matemáticos o no reconoce algunas variables que acechan y se seleccionan las personas equivocadas. ¡Explosión! Los familiares procesan por negligencia y / o estás en la cárcel por homicidio involuntario.

Entonces, con la programación, el autoestudio es el único camino a seguir, pero nunca digas que conoces estadísticas o trabajas en un proyecto estadístico sin la tutoría de un estadístico calificado y experimentado o al menos pregunta primero para qué se utilizarán los resultados.