Qualifiche per i programmi di dottorato

Yann LeCun ha menzionato nel suo AMA che considera molto importante avere un dottorato di ricerca per ottenere un lavoro in una delle migliori aziende.

Ho un master in statistica e il mio corso di laurea in economia e matematica applicata, ma ora sto esaminando i programmi di dottorato di ricerca. La maggior parte dei programmi afferma che non ci sono corsi CS assolutamente necessari; tuttavia tendo a pensare che gli studenti più accettati abbiano almeno un background CS molto forte. Attualmente sto lavorando come data scientist / statistico, ma la mia azienda pagherà per i corsi. Dovrei seguire alcuni corsi di ingegneria del software introduttivo nella mia università locale per farmi un candidato più forte? Quali altri consigli hai per qualcuno che si applica a dottorati di ricerca al di fuori del campo CS?

modifica: ho preso alcuni MOOC (machine learning, sistemi di raccomandazione, PNL) e codice R / python su base giornaliera. Ho molta esperienza di programmazione con linguaggi statistici e implemento quotidianamente algoritmi ML. Sono più interessato alle cose che posso presentare sulle domande.

Se fossi in te prenderei un MOOC o due (ad esempio, algoritmi, parte I , algoritmi, parte II , Principi di programmazione funzionale in Scala ), un buon libro su strutture dati e algoritmi, quindi solo il codice il più possibile. È possibile implementare alcune statistiche o algoritmi ML, ad esempio; sarebbe una buona pratica per te e utile alla comunità.

Per un programma di dottorato, tuttavia, mi assicurerei anche di avere familiarità con il tipo di matematica che usano. Se vuoi vedere com'è nel profondo, sfoglia i documenti su JMLR . Ciò ti consentirà di calibrarti per quanto riguarda la teoria; puoi in qualche modo seguire la matematica?

Oh, e non hai bisogno di un dottorato di ricerca per lavorare nelle migliori aziende, a meno che tu non voglia unirti a dipartimenti di ricerca come il suo. Ma poi passerai più tempo a fare lo sviluppo e avrai bisogno di buone capacità di programmazione ...

Il tuo tempo sarebbe probabilmente meglio speso su Kaggle che in un programma di dottorato. Quando leggi le storie dei vincitori ( blog di Kaggle ) vedrai che ci vuole molta pratica e che i vincitori non sono solo esperti di un singolo metodo.

D'altra parte, essere attivi e avere un piano in un programma di dottorato può procurarti connessioni che altrimenti non avresti probabilmente.

Immagino che la vera domanda sia per te: quali sono i motivi per desiderare un lavoro presso un'azienda leader?

Hai già un Master in Statistica, il che è fantastico! In generale, suggerirei alle persone di prendere quante più statistiche possibile, in particolare l'analisi dei dati bayesiana.

A seconda di cosa vuoi fare con il tuo dottorato, trarrai beneficio da corsi di base nelle discipline nell'area di applicazione. Hai già economia, ma se vuoi fare scienza dei dati sul comportamento sociale, i corsi di sociologia sarebbero preziosi. Se vuoi lavorare nella prevenzione delle frodi, un corso di operazioni bancarie e finanziarie sarebbe buono. Se vuoi lavorare nella sicurezza delle informazioni, seguire alcuni corsi di sicurezza sarebbe positivo.

Ci sono persone che sostengono che non è utile per gli scienziati dei dati trascorrere del tempo in corsi di sociologia o altre discipline. Ma considera il recente caso del progetto Google Trend influenzali. In questo articolo i loro metodi sono stati fortemente criticati per aver fatto errori evitabili. I critici lo chiamano "Big data hubris".

C'è un altro motivo per sviluppare la forza nelle discipline delle scienze sociali: vantaggio competitivo personale. Con la corsa ai corsi di laurea, ai programmi di certificazione e ai MOOC, c'è una folle corsa di studenti nel campo della Data Science. La maggior parte uscirà con funzionalità per i metodi e gli strumenti di Machine Learning di base. I dottorandi avranno una conoscenza più approfondita e teorica, ma sono tutti in competizione per lo stesso tipo di lavoro, offrendo lo stesso tipo di valore. Con questo diluvio di laureati, mi aspetto che non saranno in grado di comandare stipendi premium.

Ma se riesci a differenziarti con una combinazione di educazione formale ed esperienza pratica in un determinato settore e area di applicazione, allora dovresti essere in grado di distinguerti dalla massa.

(Contesto: sono in un programma di dottorato in Scienze sociali computazionali, che si concentra fortemente sulla modellistica, il calcolo evolutivo e le discipline delle scienze sociali e meno enfasi su ML e altri argomenti empirici di analisi dei dati).

Sono contento che tu abbia trovato anche la pagina AMA di Yann LeCun, è molto utile.

Ecco le mie opinioni
D: Devo seguire alcuni corsi introduttivi di ingegneria del software presso la mia Università locale per farmi un candidato più forte?
A: No, devi seguire più corsi di matematica. Non è roba applicata che è difficile, è roba teorica. Non so cosa offre la tua scuola. Frequenta corsi teorici di matematica, insieme ad alcuni corsi di informatica.

D: Quali altri consigli hai per qualcuno che si applica a dottorati di ricerca al di fuori del campo CS?
A: Quanto sei imparentato da vicino. Senza una domanda specifica, è difficile dare una risposta specifica.

Hai la possibilità di iscriverti a un programma di dottorato in una business school e in una scuola di informazione. Ci sono professori quantitativi e data scientist anche nelle business school e nelle scuole di informazione (A proposito degli Stati Uniti, sono sicuro che ci sono molte scuole). In questo modo sei qualificato o anche troppo qualificato in termini di capacità quantitative e tecniche e puoi dedicare il tuo tempo a rafforzare altre competenze.