자기 연구 대 교육?

programmers.SE 와 비슷한 의도를 가진 질문이 있습니다 . 그 질문에는 꽤 좋은 대답이 있지만, 일반적인 주제는 자기 연구가 없으면 아무데도 가지 않는 것 같습니다.

분명히 프로그래밍과 통계에는 큰 차이가 있습니다. 프로그래밍에서는 기본 논리를 배우고 반복적으로 적용하는 것입니다. 새로운 언어는 모두 동일한 기본 개념을 사용합니다. 자가 학습을 통해보다 고급 개념을 배우고 더 효율적으로 작업 할 수 있습니다. 이런 종류의 물건은 가르치기가 매우 어렵습니다.

통계는 상당히 다릅니다. 다른 사람이 일반적으로 방법론을 배치했기 때문에 관련된 논리를 쉽게 적용 할 수 있습니다. 실제로, 방법론은 일반적으로 대학에서 가르치는 것의 대부분입니다. 그러나 통계는 그보다 훨씬 깊으며 실제로는 몇 가지 고급 개념이 포함됩니다. 배운 모든 것이 통계를 적용하는 것만으로도 이해하기는 어렵지만 이러한 개념을 찾기조차 어렵습니다. 또한 프로그래밍에 대한 자체 연구에는 새로운 개념을 소개하기 위해 많은 짧은 기사 / 블로그를 읽는 것이 포함되어 있지만 통계에 대한 액세스 가능한 기사는 거의 항상 초보자를 대상으로하므로 초보자와 같은 사람에게는 다소 쓸모가 없습니다. 자기.

따라서 문제는 : 자율 학습이 통계에있어 대학 교육보다 더 적거나 적습니까? 자체 학습을위한 어떤 방법론이 있습니까? 이전에 사람들에게 효과가 있었던 것의 어떤 예라도 환영받을 것입니다.

(이것은 아마도 커뮤니티 위키 여야하지만 확인란이 표시되지 않습니다)

나는 상당히 비슷한 장소에 있다고 생각하지만, 찌를 것입니다. 나는 사회학 대학원생으로 시작했고, 부서를 통해 이용할 수있는 모든 통계 과정을 마치고 나면 대학 통계 부서의 대학원 과정으로 들어갔다. 그것은 계시였습니다. 통계 교수들이 문제에 접근하는 방식 은 나의 교수 들과는 근본적으로 달랐습니다. 제가 전에 배운 것보다 훨씬 더 직관적이고 고무적이며, 공식적이지 않았으며, 제가 가르치지 않았거나하지 않은 많은 것들에 의존했습니다. ' 더 기초적인 과정에서 배울 수있었습니다. 나는 계속 유지하기 위해 나 자신에게 많은 것을 가르쳐야했지만, 나는 여전히 그 기본 개념을 제대로 따르지 않았다고 걱정한다.

4 년에서 5 년 사이에 블로그,이 사이트 및 일부 뛰어난 교과서가 널리 읽히는 데 많은 시간을 보냈습니다. 그러나 그 자체 학습에는 한계가 있습니다. 그 중 가장 큰 것은 제가 학교에서 강의를하지 않았던 것이 아니라 실제로 나보다 더 많은 것을 알고있는 누군가와 긴밀히 협력 한 이후 4 ~ 5 년이 지났습니다. 했다. 이 사이트는 잘못된 생각을 없애는 주요 소스입니다. 제가 올 가을에 바이오 스탯 (biostats)에서 MS 프로그램에 지원할 계획이라는 점에서 저는 두려운 과정을 수강하고자합니다.하지만 누군가가 내 아이디어를 거칠게 다루고 내가 찾은 것을 찾기를 원하기 때문입니다. 정말 배웠습니다.

대조적으로, 나는 거의 같은 기간과 같은 조건에서 R에게 나 자신을 가르치고있다. 약 1 년 반 전에 R 사용자 그룹을 찾도록 도울 때까지 내 코드에서 멍청한 구성을 지적 할 사람이 없었습니다. 그러나 프로그래밍은 궁극적으로 무언가가 작동하는지에 대한 질문으로 귀결되기 때문에 코드에 대해 거의 같은 불안감을 느끼지 않습니다. 난 거기에 도전을 줄이려고하지 않습니다-나는 진짜 소프트웨어 개발자를 위해 우아하고, 성능, 유지 보수, 적응 및 쉬운 무언가를 만드는 많은 전문 지식이 있다는 것을 알기에 충분히 오랫동안 StackOverflow에 있었다 -쓰다. 그러나 소프트웨어는 기능이 얼마나 잘 수행되는지 판단됩니다. 당신이 말한대로, 통계에는 거의 반대의 문제가 있습니다. 최신 통계 소프트웨어를 사용하면 복잡한 모델을 쉽게 찾을 수 있지만 대부분의 경우 이러한 모델이 가치가 있는지 확인하기위한 적절한 시스템을 갖추고 있지 않습니다. 많은 발표 된 분석을 재생산하는 것은 어렵고, 이전에 출판 된 연구를 처음부터 재현하는 것이 새로운 발견을하는 것만 큼 매력적이지는 않습니다 (적절한 경우 따옴표를 적용하십시오). 나는 프로그램이 언제 정크인지 거의 항상 알고 있지만, 내 모델이 좋은지 전혀 확신하지 못한다. 새로운 발견을하는 것만 큼 화려하지는 않습니다. 나는 프로그램이 언제 정크인지 거의 항상 알고 있지만, 내 모델이 좋은지 전혀 확신하지 못한다. 새로운 발견을하는 것만 큼 화려하지는 않습니다. 나는 프로그램이 언제 정크인지 거의 항상 알고 있지만, 내 모델이 좋은지 전혀 확신하지 못한다.

그래서 ... 프로그래밍에서와 같이, 나는 자기 학습이 필수적이라고 생각합니다. 그러나 나는 또한 당신과 함께 아이디어를 발굴하고, 새로운 생각에 당신을 노출시키고, 필요할 때 엉덩이를 걷어차는 멘토 나 동료를 두는 것이 매우 중요하다고 생각합니다. 공식 교육은 그런 사람들을 만나는 한 가지 방법입니다. 효율적인지 여부는 상황에 따라 다릅니다 ...

좋은 질문은 +1입니다. 장기적으로는 항상 어떤 형태로든 자율 학습에 의존해야한다고 생각합니다. 기본 사항에 불편 함을 느끼면 공식 수업이 좋습니다. 예를 들어, 적용된 통계는 견고하지만 기본 수학에 대해 이해하고 있지 않다고 생각되는 경우 수학 통계 수업을받는 것이 좋습니다. 그럼에도 불구하고, 대학원 학교는 궁극적으로 자신의 분야를 탐색하는 법을 배우는 것입니다.

이 기회에 CV의 찬사를 부르고 싶습니다. 솔직히이 사이트가 귀하의 우려에 대한 답변이 될 것이라고 생각합니다. 적절한 수준 (너무 높거나 낮음)을 목표로하지 않고 필요한 것을 찾기가 어려운 많은 리소스가 있다는 것이 사실입니다. 내 생각 엔 책이 더 자주 당신에게 가장 적합한 수준에있게 될 것입니다. 그것들은 더 포괄적이 될 것이며, 어떤 주제에 대해서도 거의 수학이없는 것에서부터 사이에 많은 그라데이션을 가진 순전히 이론적 인 논문까지의 것들이있을 것입니다. 아래에서 이력서를 검색 할 수 있습니다책에서옳은 것을 찾지 못하면 새로운 질문을하십시오. 일반적으로 특정 개념에 대해 잘 모르면 질문하십시오. 사이트를 둘러보고 링크를 따라가는 것만으로도 유익한 정보를 얻을 수 있습니다. 사이트에서 활동 한 이후로 배운 내용이 놀랍습니다.

자율 학습에 도움이되는 구체적인 전략과 관련하여 두 가지가 가장 도움이되었습니다. 먼저 통계를 적용하면 프로그래밍과 동일하거나 Carnegie Hall에 도착하는 것과 실제로 동일 합니다.. 가능한 경우 실제 데이터 세트를 찾아서 탐색하십시오. 데이터를보고, 진행될 수있는 일에 대해 생각하고, 일부 모델을 맞추고, 합당한 지 확인하십시오. 더 많은 일을할수록 더 나아질 것입니다. 다양한 기술의 기초가되는 이론적 개념을 이해하려면 시뮬레이션이 저에게 효과적입니다. 내가 무언가에 대해 읽고 그것이 특정 방식으로 작동하거나 특정 조건에서 분해 될 것이라고 말하면, 나는 종종 그러한 조건을 생성하고 해당 프로세스에서 데이터를 생성하는 작은 코드를 작성한 다음 모델을 맞추고 관련된 지표를 저장합니다. 루프에 중첩하고 함께 재생하십시오. 이것이 제가 거의 모든 것을 이해하게 된 방법입니다. 나는 무언가에 대해 읽을 수 있고, 완전히 명확하게 할 수 있습니다.내가 그것을 생성하고 실제로 볼 수 있을 때까지 가져옵니다 .

통계의 이론적 근거는 너무 깊어서 책상에 떨어지는 문제에 대한 작업을 통해 주제를 잘 이해할 수 없습니다. 내가 본 가장 큰 통계적 실패는 프로그래밍 또는 수학적 배경을 가진 사람들로부터 나 왔으며 확률을 코딩하거나 해결하는 방법을 아는 것은 통계를 아는 것과 동일하다고 생각했다.

All the same, there's no reason why a well thought-out programme of self-study shouldn't do the job. And it does, for some people at least: see the Royal Statistical Society's Graduate Diploma. There's no shortage of textbooks to read (& written by the likes of Cox, Berger, Tukey, Nelder, & Efron!), excellent free software (R) to try things out in, & of course Cross Validated to resolve doubts.

For programming I agree that self-study is the way to go. I taught myself R over a period of a few months as I work as a statistician. I then took a Coursera course in R programming to see if I could learn anything new, and as I had a solid background I aced it and was invited to be teaching assistant on the course.

As for self learning statistics, that depends, but on the side of caution I would say no. Most jobs for a statistician need at least an MSc in stats just to get your foot in the door and for a reason. Experienced statisticians usually have PhDs.

의사가 특정 치료 (내가 작업 한 것)에 대한 선택 프로그램을 설계하도록 요청한다고 상상해보십시오. 통계 책을 새로 고쳐 작업을 시작하십시오. 수학적 오류가 발생하거나 숨어있는 일부 변수를 인식하지 못하고 잘못된 사람이 선택되었습니다. 쾅! 친척들은 태만으로 기소되고 /거나 당신은 살인죄로 감옥에 있습니다.

따라서 프로그래밍을 통해 자율 학습은 갈 수있는 유일한 방법이지만 자격을 갖춘 숙련 된 통계 전문가의 멘토링없이 통계를 알고 있거나 통계 프로젝트를 수행한다고 말하거나 최소한 결과가 무엇을 사용해야하는지 먼저 묻습니다.