Cosas a considerar sobre los programas de maestría en estadística

Es la temporada de admisión para las escuelas de posgrado. Yo (y muchos estudiantes como yo) ahora estoy tratando de decidir qué programa de estadísticas elegir.

1. ¿Cuáles son algunas de las cosas que aquellos de ustedes que trabajan con estadísticas sugieren que consideremos sobre los programas de maestría en estadística?
2. ¿Existen trampas o errores comunes que cometen los estudiantes (tal vez con respecto a la reputación de la escuela)?
3. Para el empleo, ¿deberíamos centrarnos en las estadísticas aplicadas o en una combinación de estadísticas aplicadas y teóricas?

Editar: Aquí hay información adicional sobre mi situación personal: Todos los programas que estoy considerando ahora están en los Estados Unidos. Algunos se centran en el lado más aplicado y otorgan títulos de maestría en "estadísticas aplicadas", mientras que otros tienen más cursos teóricos y otorgan títulos en "estadísticas". Personalmente, no tengo la intención de trabajar en una industria sobre otra. Tengo experiencia en programación y conozco la industria de la tecnología un poco mejor que, por ejemplo, la industria de la genómica o la bioinformática. Sin embargo, estoy buscando principalmente una carrera con problemas interesantes.

Editar : Intenté hacer la pregunta más aplicable en general.

Aquí hay una serie de ideas y recomendaciones generales sobre programas de maestría en estadística. No pretendo que sean polémicos, aunque algunos de ellos pueden sonar así.

Asumiré que está interesado en una maestría en terminales para luego ingresar a la industria y no está interesado en obtener un doctorado. Sin embargo, no tome esta respuesta como autorizada.

A continuación hay varios puntos de consejos de mis propias experiencias. Los he ordenado más o menos de lo que creo que es lo más importante. Al elegir un programa, puede sopesar cada uno de ellos teniendo en cuenta algunos de los puntos a continuación.

1. Intenta hacer la mejor elección para ti personalmente . Hay muchos factores involucrados en tal decisión: geografía, relaciones personales, oportunidades de trabajo y trabajo en red, cursos, costos de educación y vida, etc. Lo más importante es sopesar cada uno de estos y tratar de usar su propio criterio. . Usted es el que en última instancia, vive con las consecuencias de su elección, tanto positivas como negativas, y que es el único en condiciones de evaluar toda la situación. Actuar en consecuencia.

2. Aprende a colaborar y administrar tu tiempo . Puede que no me creas, pero es muy probable que un empleador se preocupe más por tu personalidad, tu capacidad de colaborar con otros y tu capacidad de trabajar eficientemente de lo que se preocupará por tus habilidades técnicas en bruto. La comunicación efectiva es crucial en las estadísticas, especialmente cuando se comunica con no estadísticos. Saber cómo administrar un proyecto complejo y hacer un progreso constante es muy importante. Aproveche las oportunidades estructuradas de consultoría estadística, si existen, en su institución elegida.

3. Aprende un área afín . La mayor debilidad que veo en muchos maestros y graduados de doctorado en estadística, tanto en la industria como en la academia, es que a menudo tienen muy poco conocimiento de la materia. El resultado es que a veces los análisis estadísticos "estándar" se utilizan debido a la falta de comprensión de los mecanismos subyacentes del problema que están tratando de analizar. Desarrollar cierta experiencia en un área afín puede, por lo tanto, ser muy enriquecedor tanto estadística como profesionalmente. Pero, el aspecto más importante de esto es el aprendizaje en sí mismo: darse cuenta de que incorporar el conocimiento de la materia puede ser vitalpara analizar correctamente un problema. Ser competente en el vocabulario y el conocimiento básico también puede ser de gran ayuda en la comunicación y mejorará la percepción que sus colegas no estadísticos tienen de usted.

4. Aprenda a trabajar con datos (grandes) . Los conjuntos de datos en prácticamente todos los campos que usan estadísticas han crecido enormemente en tamaño en los últimos 20 años. En un entorno industrial, probablemente pasará más tiempo manipulando datos que analizándolos . Aprender buenos procedimientos de gestión de datos, verificación de la cordura, etc. es crucial para un análisis válido. Cuanto más eficiente sea, más tiempo pasará haciendo las cosas "divertidas". Esto es algo muy poco subestimado y subestimado en los programas académicos. Afortunadamente, ahora hay algunos conjuntos de datos más grandes disponibles para la comunidad académica con los que uno puede jugar. Si no puede hacer esto dentro del programa en sí, dedique algo de tiempo a hacerlo fuera de él.

5. Aprenda la regresión lineal y el álgebra lineal aplicada asociada muy, muy bien . Es sorprendente cuántos maestros y graduados de doctorado obtienen sus títulos (de los "mejores" programas), pero no pueden responder preguntas básicas sobre regresión lineal o cómo funciona. Tener este material en frío te servirá increíblemente bien. Es importante por derecho propio y es la puerta de entrada a muchas, muchas más técnicas avanzadas de estadística y aprendizaje automático.

6. Si es posible, haga un informe de maestría o tesis. Los programas de maestría asociados con algunos de los principales departamentos de estadística de los Estados Unidos (generalmente evaluados más en sus programas de doctorado) parecen haberse alejado de incorporar un informe o una tesis. El hecho es que un programa puramente basado en un curso generalmente priva al estudiante de desarrollar cualquier conocimiento real en un área en particular. El área en sí no es tan importante, en mi opinión, pero la experiencia sí lo es. La persistencia, la gestión del tiempo, la colaboración con el profesorado, etc. requerida para producir un informe de maestría o tesis puede ser muy rentable cuando se hace la transición a la industria. Incluso si un programa no anuncia uno, si está interesado en él, envíe un correo electrónico al presidente de admisiones y pregunte sobre la posibilidad de un programa personalizado que lo permita.

7. Tome los cursos más desafiantes que pueda administrar . Si bien lo más importante es comprender muy bien el material básico, también debe usar su tiempo y dinero sabiamente desafiándose lo más posible. El tema particular que elige aprender puede parecer bastante "inútil", pero tener un poco de contacto con la literatura y desafiarse a sí mismo para aprender algo nuevo y difícil lo hará más fácil cuando tenga que hacerlo más adelante en la industria. Por ejemplo, aprender algo de la teoría detrás de las estadísticas clásicas resulta ser bastante inútil en sí mismo para el trabajo diario de muchos estadísticos industriales, pero los conceptos transmitidos son extremadamenteútil y proporcionar orientación continua. También hará que todos los demás métodos estadísticos con los que entre en contacto parezcan menos misteriosos.

8. La reputación de un programa solo es importante para su primer trabajo . Se pone demasiado énfasis en la reputación de una escuela o programa. Desafortunadamente, esta es una heurística que ahorra tiempo y energía para los gerentes de recursos humanos. Tenga en cuenta que los programas son juzgados mucho más por sus programas de investigación y doctorado que sus programas de maestría. En muchos de estos departamentos superiores, los estudiantes de MS a menudo terminan sintiéndose un poco como ciudadanos de segunda clase ya que la mayoría de los recursos se gastan en los programas de doctorado.

   Uno de los jóvenes colaboradores estadísticos más brillantes con los que he trabajado tiene un doctorado de una pequeña universidad extranjera de la que probablemente nunca hayas oído hablar. Las personas pueden obtener una educación maravillosa (¡a veces mucho mejor, especialmente a nivel de pregrado y maestría!) En instituciones "sin nombre" que en programas "superiores". Están casi garantizados para obtener más interacción con los profesores principales en la primera.

   Es probable que el nombre de la escuela que aparece en la parte superior de su currículum tenga un papel importante para ayudarlo a obtener su primer trabajo y las personas se preocuparán más por el origen de su título más avanzado que por el de cualquier otro. Después de ese primer trabajo, las personas se preocuparán mucho más por la experiencia que traiga a la mesa. Encontrar una escuela donde muchas oportunidades de trabajo interesantes lleguen a usted a través de ferias profesionales, correos electrónicos circulados, etc., puede tener una gran recompensa y esto sucede más en los mejores programas.

Una observación personal : Personalmente, prefiero programas un poco más teóricos que aún permitan cierto contacto con los datos y algunos cursos aplicados. El hecho es que simplemente no se convertirá en un buen estadístico aplicado al obtener una maestría. Eso viene solo con (mucho más) tiempo y experiencia en la lucha diaria con problemas desafiantes y análisis.

Aconsejaría ingresar a la mejor escuela posible con una marca (como MIT), o el mejor trato general (por ejemplo, una escuela pública decente con matrícula en el estado). No gastaría dinero en escuelas privadas de segunda categoría.

El beneficio de las escuelas de marca. La diferencia de precio entre una escuela como MIT y escuelas de segundo nivel como GWU no es lo suficientemente grande como para justificar la diferencia en el poder de la marca.

Por otro lado, algunas escuelas públicas, por ejemplo, William y Mary, aunque son muy baratas, ofrecen una educación decente. Algunos de ellos incluso tienen un poder de marca comparable, por ejemplo, Berkeley vs. Stanford. Por lo tanto, debido a la importante diferencia de costos, son una alternativa a las mejores escuelas privadas.

Echa un vistazo a la farmacoepidemiología. En particular en lo que se refiere a la seguridad de los medicamentos. Esta es un área de investigación muy nueva con muchas preguntas muy interesantes.