Квалификация для докторских программ

10

Ян Лекун упомянул в своей АМА, что он считает, что иметь докторскую степень очень важно, чтобы получить работу в топ-компании.

У меня есть степень магистра в области статистики, мой студент изучал экономику и прикладную математику, но сейчас я изучаю программы ML PhD. Большинство программ говорят, что нет абсолютно необходимых курсов по КС; однако я склонен думать, что большинство принятых студентов имеют, по крайней мере, очень сильный опыт работы в CS. В настоящее время я работаю специалистом по данным / статистике, но моя компания будет платить за курсы. Должен ли я пройти несколько вводных курсов по разработке программного обеспечения в моем местном университете, чтобы стать сильным кандидатом? Какой еще совет вы можете подать в аспирантуру за пределами области CS?

редактировать: я взял несколько MOOC (Машинное обучение, Recommender Systems, NLP) и код R / python на ежедневной основе. У меня большой опыт программирования на статистических языках и я ежедневно применяю алгоритмы ML. Меня больше волнуют вещи, которые я могу поставить на приложения.

bstockton
источник
2
Он сказал это конкретно об исследовательской работе, хотя.
Арти

Ответы:

10

Если бы я был тобой, я бы взял MOOC или две (например, Алгоритмы, Часть I , Алгоритмы, Часть II , Принципы функционального программирования в Scala ), хорошую книгу о структурах данных и алгоритмах, а затем просто написал как можно больше кода. Например, вы могли бы реализовать некоторые алгоритмы статистики или ML; это было бы хорошей практикой для вас и полезно для сообщества.

Однако, для программы PhD я также должен быть знаком с типом математики, которую они используют. Если вы хотите увидеть, как это выглядит в глубине, просмотрите статьи в JMLR . Это позволит вам откалибровать себя в отношении теории; Вы можете как-то следовать математике?

О, и вам не нужен доктор философии, чтобы работать в ведущих компаниях, если вы не хотите присоединяться к исследовательским отделам, подобным его. Но тогда вы потратите больше времени на разработку, и вам понадобятся хорошие навыки кодирования ...

Эмре
источник
Спасибо, смотрите мои правки. У меня большой опыт программирования, и я взял MOOC. У меня есть магистр статистики и младший по прикладной математике, я бы считал математику своей самой большой силой. Я действительно ищу вещи, чтобы поставить на докторскую заявку.
bstockton
2
Затем напишите несколько статей и опубликуйте их на хорошей конференции: это лучший сигнал, который вам подходит для исследований - и докторская программа. Может быть, вы можете использовать свой экономический опыт, чтобы написать статью о многоагентном обучении . Вы не должны придерживаться той же темы, как только вас приняли; это просто чтобы продемонстрировать свои способности.
Эмре
7

Ваше время, вероятно, будет лучше потрачено на Kaggle, чем на программу PhD. Когда вы прочитаете рассказы победителей ( блог Kaggle ), вы увидите, что для этого требуется много практики, а победители - не просто эксперты одного метода.

С другой стороны, будучи активным и имея план в программе PhD, вы можете получить соединения, которые вы иначе, вероятно, не получили бы.

Я думаю, что реальный вопрос для вас - каковы причины, по которым вы хотите получить работу в топ-компании?

LauriK
источник
7

У вас уже есть магистр статистики, и это здорово! В целом, я бы посоветовал людям взять как можно больше статистики, особенно байесовский анализ данных.

В зависимости от того, что вы хотите сделать со своей докторской степенью, вы можете воспользоваться базовыми курсами по дисциплинам в вашей области применения. У вас уже есть экономика, но если вы хотите заняться наукой о социальном поведении, то курсы по социологии были бы полезны. Если вы хотите работать в сфере предотвращения мошенничества, тогда вам подойдут курсы по банковским и финансовым операциям. Если вы хотите работать в области информационной безопасности, тогда вам следует пройти несколько курсов по безопасности.

Есть люди, которые утверждают, что ученым по данным не стоит тратить время на курсы по социологии или другим дисциплинам. Но рассмотрим недавний случай проекта Google Flu Trends. В этой статье их методы были подвергнуты резкой критике за то, что они допустили ошибки, которых можно избежать. Критики называют это «большими данными высокомерия».

Есть еще одна причина для укрепления сил в дисциплинах социальных наук: личное конкурентное преимущество. С наплывом программ академических степеней, программ сертификатов и MOOC, сумасшедший поток студентов в области науки о данных. Большинство из них получат возможности для основных методов и инструментов машинного обучения. Выпускники PhD будут иметь больше глубины и больше теоретических знаний, но все они конкурируют за одни и те же рабочие места, обеспечивая одинаковую ценность. Я ожидаю, что с этим потоком выпускников они не смогут получать премиальные зарплаты.

Но если вы можете отличить себя сочетанием формального образования и практического опыта в определенной области и области применения, тогда вы сможете выделиться из толпы.

(Контекст: я учусь в аспирантуре в области компьютерных социальных наук, в которой основное внимание уделяется моделированию, эволюционным вычислениям и дисциплинам социальных наук, и меньше внимания уделяется ОД и другим темам анализа эмпирических данных).

MrMeritology
источник
5

Я рад, что вы также нашли страницу AMA Янна ЛеКуна, это очень полезно.

Вот мое мнение В
: Должен ли я пройти несколько вводных курсов по разработке программного обеспечения в моем местном университете, чтобы стать сильным кандидатом?
A: Нет, вам нужно пройти больше курсов по математике. Трудно не прикладное, а теоретическое. Я не знаю, что предлагает ваша школа. Пройдите теоретические курсы по математике, а также курсы по информатике.

Вопрос: Какие еще советы вы можете дать людям, подающим заявки на программы PhD за пределами области CS?
A: Насколько тесно связаны вы ищете. Без конкретного вопроса сложно дать конкретный ответ.

user13985
источник
Спасибо за ответ. У меня есть несовершеннолетний в области прикладной математики и магистр в области статистики. Последние два года я учусь на выпускных курсах по математике, как и мои магистры по статистике. Есть ли какие-то конкретные занятия, которые я должен взять? Я взял мою последовательность вычислений, линейную алгебру, дифференциальные уравнения, анализ Фурье, случайные процессы, опережающую вероятность, статистический вывод, байесовский анализ, временные ряды и некоторые другие. Любые другие, в частности
bstockton
Статистика MS / MA предлагается повсеместно в эти дни, они не помогают вам попасть в стат PhD. Stat PhD ищет надежных математиков: реальный анализ, оптимизация, численный анализ. CS PhD ищет бакалавра и бакалавра. Почему бы вам не продолжить экономику?
user13985
Когда я покинул старшекурсник, мне не хватило 12 кредитных часов по математике. После того, как я закончил MS по статистике, я мог бы получить степень доктора наук, где получил степень MS (30 лучших школ), однако меня больше интересует ML. Я действительно не думаю, что мой математический фон будет проблемой, так как я чувствую, что он очень сильный. Я оставил экономику и пошел в чистую статистику в аспирантуре, потому что экономика больше не интересовала меня, так что это определенно вышло. Так ты думаешь я должен попытаться закончить математику? Это заняло бы меньше двух семестров
bstockton
Нет, вы не должны задним ходом изучать эту математику, а проходите курсы, которые вам нужны, такие как реальный анализ и оптимизация. Я знаю, что эти курсы звучат неуместно, но программы PhD хотят видеть их, пожалуйста, их. Они хотят знать, у вас есть теории внизу. Они не беспокоятся, если вы плохо понимаете нейронную сеть. Как сказал профессор ЛеКун, пройдите как можно больше математических курсов.
user13985
2

У вас есть возможность присоединиться к программе PhD в бизнес-школе и информационной школе. В бизнес-школах и информационных школах также есть количественные профессора и специалисты по данным (о США, я уверен, что школ много). Таким образом, вы квалифицированы или даже чрезмерно квалифицированы с точки зрения количественных и технических навыков, и вы можете тратить свое время на укрепление других навыков.

Hamideh
источник