Кваліфікація докторантів

Ян Лекун зазначив у своєму AMA, що вважає, що доктор наук є дуже важливим для того, щоб влаштуватися на роботу у вищій компанії.

У мене є магістри зі статистики, і мої студенти були в галузі економіки та прикладної математики, але зараз я вивчаю докторські програми ML. Більшість програм кажуть, що немає абсолютно необхідних курсів CS; однак я схильний вважати, що більшість прийнятих студентів мають принаймні дуже сильний досвід роботи з CS. Зараз я працюю науковцем / статистиком, але моя компанія оплачуватиме курси. Чи варто проходити кілька курсів інженерної програми в моєму місцевому університеті, щоб стати сильнішим кандидатом? Які ще поради ви маєте для когось, хто претендує на докторські програми за межами області CS?

редагувати: Я щодня брав кілька MOOC (машинне навчання, системи рекомендацій, NLP) та код R / python. Я маю багато досвіду кодування зі статистичними мовами та щоденно впроваджую алгоритми ML. Мене більше хвилюють речі, які я можу наносити на додатки.

Якби я був ти, я взяв би MOOC або два (наприклад, Алгоритми, Частина I , Алгоритми, Частина II , Принципи функціонального програмування в Scala ), хорошу книгу про структури даних та алгоритми, а потім просто кодувати якомога більше. Ви можете реалізувати деякі статистичні дані або алгоритми ML, наприклад; це було б гарною практикою для вас і корисним для громади.

Щодо програми доктора наук, я б також переконався, що я ознайомлений з типом математики, яку вони використовують. Якщо ви хочете побачити, що це таке в глибокому кінці, перегляньте документи в JMLR . Це дозволить вам повірити себе щодо теорії; Ви можете якось дотримуватися математики?

О, і вам не потрібен доктор наук, щоб працювати у провідних компаніях, якщо ви не хочете приєднатися до наукових відділів, таких як його. Але тоді ви витратите більше часу на розробку, і вам знадобляться хороші навички кодування ...

Ваш час, мабуть, краще витратити на Kaggle, ніж на докторську програму. Прочитавши розповіді переможців ( блог Kaggle ), ви побачите, що це вимагає великої кількості практики, а переможці - не просто фахівці одного єдиного методу.

З іншого боку, активність та планування програми доктора філософії можуть отримати зв’язки, яких ви інакше не отримаєте.

Я думаю, що для вас справжнє питання - які причини бажати роботи у вищій компанії?

У вас вже є магістри зі статистики, що чудово! Загалом, я б запропонував людям взяти якомога більше статистики, особливо Байєсівський аналіз даних.

Залежно від того, що ви хочете зробити зі своїм доктором наук, ви отримаєте перевагу від фундаментальних курсів з дисципліни у вашій області застосування. У вас вже є економіка, але якщо ви хочете займатися науковими даними про соціальну поведінку, то курси соціології були б цінними. Якщо ви хочете працювати в галузі запобігання шахрайству, то курси банківських та фінансових операцій були б хорошими. Якщо ви хочете працювати в галузі інформаційної безпеки, то було б добре пройти кілька курсів безпеки.

Є люди, які стверджують, що науковцям даних нецінно витрачати час на курси соціології чи інших дисциплін. Але розглянемо нещодавній випадок проекту Google грипу від грипу. У цій статті їхні методи були гостро піддані критиці за те, що вони помилялися. Критики називають це "великим хабрісом даних".

Є ще одна причина для зміцнення сили в суспільствознавчих дисциплінах: особиста конкурентна перевага. З поривом програм наукових ступенів, програм сертифікатів та MOOC відбувається безумний приплив студентів у сферу Data Science. Більшість вийде з можливостями для основних методів та інструментів машинного навчання. Випускники докторських наук матимуть більшу глибину та більше теоретичних знань, але всі вони змагаються за одні й ті ж роботи, забезпечуючи однакові цінності. З цим потопом випускників я очікую, що вони не зможуть командувати преміальними зарплатами.

Але якщо ви можете розрізнити себе за допомогою поєднання формальної освіти та практичного досвіду в певній галузі та галузі застосування, то ви повинні мати можливість виділити себе окремо від натовпу.

(Контекст: Я перебуваю в докторській програмі з обчислювальної суспільної науки, яка зосереджена на моделюванні, еволюційних обчисленнях та дисциплінах суспільствознавства, і менше акцентую на ML та інші теми емпіричного аналізу даних).

Я радий, що ви також знайшли сторінку AMA Yann LeCun, це дуже корисно.

Ось моя думка
. Чи слід пройти кілька курсів інженерної програмної роботи в моєму місцевому університеті, щоб стати сильнішим кандидатом?
Відповідь: Ні, вам потрібно пройти більше математичних курсів. Це не ті застосовані речі, які важко, це теорія. Я не знаю, що пропонує ваша школа. Візьміть теоретичні курси математики разом з деякими курсами з інформатики.

З: Які ще поради ви маєте для когось, хто претендує на докторантуру за межами області CS?
A: Наскільки тісно пов'язані ви шукаєте. Без конкретного питання важко дати конкретну відповідь.

У вас є можливість приєднатися до програми доктора наук в бізнес-школі та інформаційній школі. У бізнес-школах та інформаційних школах є і кількісні професори, і науковці даних (Щодо США, я впевнений, що тут багато шкіл). Таким чином, ви кваліфіковані або навіть перекваліфіковані з точки зору кількісних та технічних навичок і можете витратити свій час на посилення інших навичок.