Самостоятельное обучение против преподаваемого образования?

Есть вопрос с похожим умыслом на программистов . SE . На этот вопрос есть несколько неплохих ответов, но общая тема, по-видимому, заключается в том, что без самостоятельного изучения вы не получите ничего.

Очевидно, что между программированием и статистикой есть существенное различие - с программированием вы действительно просто изучаете некоторую базовую логику, а затем применяете ее многократно. Все новые языки используют одни и те же основные понятия. Самостоятельная работа позволяет вам выучить более сложные концепции и стать более эффективными. Такому виду вещей довольно сложно научить.

Статистика совсем другая. Легко применить логику, потому что обычно кто-то другой изложил методологию. Действительно, методология обычно является большей частью того, что преподается в университетах. Но статистика действительно намного глубже и включает в себя некоторые действительно высокоуровневые концепции. Трудно даже взглянуть на эти концепции, если все, чему вас учат, - это прикладная статистика, не говоря уже о том, чтобы ее понять (хотя мне интересно, насколько это может быть связано с жаргоном на местах). Кроме того, я считаю, что самообучение в программировании включает в себя чтение множества коротких статей / блогов, чтобы познакомить себя с новыми концепциями, в то время как доступные статьи о статистике почти всегда нацелены на начинающего пользователя и поэтому несколько бесполезны для начинающего новичка, такого как себя.

Таким образом, возникает вопрос: является ли самообучение более или менее подходящим, чем университетское образование, для статистики? Какие методики для самостоятельного изучения есть эта работа? Любые примеры того, что работало для людей раньше, будут приветствоваться.

(вероятно, это должна быть вики сообщества, но я не вижу флажка)

Я думаю, что я нахожусь в довольно похожем месте, но я сделаю удар. Я начинал как аспирант по социологии, и, как только я закончил все курсы по статистике, доступные через мой факультет, я начал изучать курсы повышения квалификации на факультете статистики в моем университете. Это было откровение; То, как преподаватели статистики подходили к решению проблем, радикально отличалось от моих социальных преподавателей - гораздо более интуитивно и вдохновляюще, чем то, чему я научился раньше, гораздо менее формально, и зависело от многих вещей, которым меня не учили или не учили ». Мне удалось учиться на моих более базовых курсах Мне пришлось снова и снова учить себя многим вещам, чтобы не отставать, и я все еще волнуюсь, что я действительно не прибил эти основополагающие концепции.

За прошедшие четыре или пять лет я провел много времени, читая широко - блоги, этот сайт и некоторые выдающиеся учебники были очень полезны. Но у этого самообучения есть пределы, самое большое из которых состоит не в том, что я не читал лекций в школе, а в том, что прошло четыре или пять лет с тех пор, как я работал в тесном контакте с кем-то, кто на самом деле знал больше, чем я. сделал. Этот сайт - мой основной источник сбивания моих неверных представлений. Это пугает меня настолько, что я планирую подать заявку на программы MS в биостатах этой осенью - конечно, чтобы пройти несколько интересных курсов, но также потому, что я просто хочу, чтобы кто-то опроверг мои идеи и узнал, что я имею в виду. действительно узнал.

Напротив, я учил себя R примерно в течение того же периода и в тех же условиях. Пока я не помог найти группу пользователей R около полутора лет назад, у меня также не было никого, кто мог бы указать на явно глупые конструкции в моем коде. Но я не испытываю почти такого же беспокойства по поводу своего кода, во многом потому, что программирование в конечном итоге сводится к вопросу о том, работает ли что-то. Я не собираюсь уменьшать количество проблем, возникающих там - я уже достаточно давно на StackOverflow, чтобы знать, что для настоящих разработчиков программного обеспечения существует огромный опыт, который позволяет сделать что-то элегантное, производительное, легко обслуживаемое, адаптируемое и простое. -использовать. Но программное обеспечение в конечном итоге судят о том, насколько хорошо оно выполняет свою функцию. Как ты говоришь, У статистики почти обратная проблема - современное программное обеспечение для статистики позволяет относительно легко создавать сложные модели, но во многих случаях у нас нет хороших систем для обеспечения того, чтобы эти модели стоили чёрта. Трудно воссоздать многие опубликованные анализы, и воспроизведение ранее опубликованных исследований с нуля не так гламурно, как создание новых открытий (применяйте страшные цитаты, как считаете нужным). Я почти всегда знаю, когда мои программы являются ненужными, но я никогда не уверен, что мои модели хороши. Это так же гламурно, как и делать новые открытия (применять кавычки, как считаете нужным). Я почти всегда знаю, когда мои программы являются ненужными, но я никогда не уверен, что мои модели хороши. Это так же гламурно, как и делать новые открытия (применять кавычки, как считаете нужным). Я почти всегда знаю, когда мои программы являются ненужными, но я никогда не уверен, что мои модели хороши.

Так что ... как и в программировании, я думаю, что самообучение необходимо. Но я также думаю, что очень важно иметь наставника или коллегу, которые будут обмениваться идеями с вами, открывать для вас новое мышление и надрать задницу, когда это необходимо. Формальное образование - один из способов встретить таких людей. Будет ли это эффективным, зависит больше от ваших обстоятельств ...

+1 за отличный вопрос. Я думаю, что в конечном итоге вам всегда придется полагаться на самообучение в той или иной форме. Если вы чувствуете себя неловко с основами, классные занятия будут отличными. Например, если вы хорошо разбираетесь в прикладной статистике, но не чувствуете, что понимаете основную математику, лучше всего использовать классы математической статистики. Даже там, тем не менее, аспирантура в конечном итоге собирается научиться ориентироваться в поле самостоятельно.

Я хочу воспользоваться этой возможностью, чтобы петь похвалы CV. Я искренне думаю, что этот сайт станет ответом на ваши вопросы. Это правда, что есть много ресурсов, которые не нацелены на соответствующий уровень (либо слишком высокий, либо слишком низкий), и что трудно найти то, что вам нужно. Я предполагаю, что книги чаще всего будут на том уровне, который лучше для вас; они будут более всесторонними, и для любой темы будут темы от почти без математики до чисто теоретических трактатов со многими градациями между ними. Вы можете искать резюме по книгами если вы не найдете ничего правильного, задайте новый вопрос. В общем, если вы не уверены в какой-то конкретной концепции, просто спросите об этом. Даже просто читать на сайте и переходить по ссылкам невероятно информативно - я поражен тем, как много я узнал с тех пор, как стал активным на сайте.

С точки зрения конкретных стратегий, которые помогают с самообучением, две вещи помогли мне больше всего. Во-первых, с прикладной статистикой, это действительно то же самое, что и с программированием, или с тренировкой в Карнеги-Холл., Попробуйте найти наборы данных (в реальных условиях, если это возможно) и изучить их; посмотрите на данные, подумайте о том, что может происходить, подгоните некоторые модели и проверьте, насколько они разумны и т. д. Чем больше вы можете сделать это, тем лучше для вас. Для понимания теоретических концепций, лежащих в основе различных методов, мне подходит моделирование. Когда я читаю о чем-то, и он говорит, что это работает определенным образом или сломается при каких-то условиях, я часто пишу небольшой код для создания этих условий и генерирования данных из этого процесса, затем подгоняю модель и сохраняю любой индикатор , вложите это в петлю и поиграйте с ней. Это действительно то, как я понял почти все. Я могу читать о чем-то, и это может быть совершенно ясно - я могу даже обернуться и объяснить это - но я не совсемполучите это, пока я не смогу произвести это и видеть это в действии.

Теоретическая основа статистики слишком глубока, чтобы можно было получить хорошее представление о предмете, просто работая над проблемами, которые случайно попадают на ваш стол. Некоторые из самых больших статистических ошибок, которые я видел, были от людей с опытом программирования или математики, которые беспечно предполагали, что знание того, как кодировать или определять вероятности, было таким же, как знание статистики.

Тем не менее, нет причин, по которым хорошо продуманная программа самообучения не должна выполнять эту работу. И это, по крайней мере, для некоторых людей: см. Диплом выпускника Королевского статистического общества . Там нет недостатка в учебниках для чтения (и написанных такими, как Кокс, Бергер, Тьюки, Нелдер и Эфрон!), Отличного бесплатного программного обеспечения (R), чтобы попробовать что-то, и, конечно, Cross Validated, чтобы разрешить сомнения.

Для программирования я согласен, что самообучение - это путь. Я учил себя R в течение нескольких месяцев, работая статистиком. Затем я прошел курс Coursera по R-программированию, чтобы узнать, смогу ли я узнать что-то новое, и, поскольку у меня был солидный опыт, я получил его и был приглашен ассистентом на курс.

Что касается статистики самообучения, это зависит, но с осторожностью я бы сказал нет. Большинству вакансий для статистиков требуется, по крайней мере, степень магистра в области статистики, чтобы просто войти в дверь и по какой-то причине. Опытные статистики обычно имеют докторскую степень.

Представьте себе доктора, который просит вас разработать программу отбора для конкретного лечения (над чем я работал). Вы берете свои статистические книги для повышения квалификации и начинаете работу. Вы делаете некоторые математические ошибки или не можете распознать скрывающиеся переменные, и выбираются не те люди. Взрыв! Родственники преследуют по суду за халатность и / или вы оказались в тюрьме за непредумышленное убийство.

Так что с программированием, самообучение - это единственный путь, но никогда не говорите, что знаете статистику или работаете над статистическим проектом без наставничества со стороны квалифицированного и опытного статистика или, по крайней мере, сначала спросите, для чего будут использоваться результаты.