Pitanje:
Samostalno učenje u odnosu na poučeno obrazovanje?
naught101
2012-03-30 02:21:32 UTC
view on stackexchange narkive permalink

Postoji pitanje sa sličnom namjerom programera.SE. To pitanje ima prilično dobrih odgovora, ali čini se da je općenita tema da bez samostalnog proučavanja nema mjesta.

Očito je da postoje neke velike razlike između programiranja i statistike - s programiranjem zapravo tek učite neku osnovnu logiku, a zatim je više puta primjenjujete. Svi novi jezici koriste iste osnovne pojmove. Samostalno učenje vam omogućava da naučite naprednije koncepte i postanete učinkovitiji. Ovakve je stvari prilično teško naučiti.

Statistika je sasvim drugačija. Lako je primijeniti uključenu logiku - jer je netko drugi obično izložio metodologiju. Zapravo, metodologija je obično većina onoga što se predaje na sveučilištima. No statistika je zaista daleko dublja od toga i uključuje neke koncepte na visokoj razini. Teško je čak i tražiti te koncepte, ako su sve što vas podučavaju primijenjena statistika, a kamoli da ih razumijete (iako se pitam koliko je to možda posljedica žargona na terenu). Također, smatram da samostalno proučavanje programiranja uključuje čitanje puno kratkih članaka / blogova kako biste se upoznali s novim konceptima, dok su dostupni članci o statistici gotovo uvijek usmjereni na početnike i prema tome su pomalo beskorisni za napredne početnike, poput Ja sam.

Dakle, pitanje je: Je li samostalan studij više ili manje primjeren od sveučilišnog obrazovanja, za statistiku? Koje metodologije za samostudiranje djeluju? Bilo koji primjeri onoga što je prije radilo za ljude bili bi dobrodošli.

(ovo bi vjerojatno trebao biti wiki zajednice, ali ne vidim potvrdni okvir)

Povezano: http://stats.stackexchange.com/questions/6538
@cardinal: definitivno. Odgovorite da je izvrsno. Nadamo se da će ovo pitanje ispasti komplementarno, a ne kao duplikat tog pitanja.
Mislim da ovo nije duplikat. Mislim da svi tamošnji odgovori i mnogi komentari daju korisne uvide. Živjeli. :)
četiri odgovori:
Matt Parker
2012-03-30 04:16:34 UTC
view on stackexchange narkive permalink

Mislim da sam na prilično sličnom mjestu, ali ubo ću. Počeo sam kao student postdiplomskog studija sociologije i, nakon što sam završio sve tečajeve statistike koji su bili dostupni kroz moj odjel, lutao sam na neke tečajeve na fakultetu s odsjeka za statistiku na mom sveučilištu. Bilo je to otkriće; način na koji su profesori statistike pristupili problemima bio je radikalno različit od mojih soc profesora - mnogo intuitivniji i nadahnutiji od onoga što sam prije naučio, mnogo manje formuliran i ovisan o puno stvari koje ili nisam imao Nisam učio ili nisam uspio naučiti na mojim temeljnijim tečajevima. Morao sam se poučiti iznova mnogim stvarima samo da bih išao u korak, i dalje se brinem da nisam temeljito zakucao te temeljne koncepte.

U proteklih četiri ili pet godina, proveo puno vremena čitajući široko - blogovi, ova web stranica i neki istaknuti udžbenici bili su stvarno korisni. Ali to samoučenje ima ograničenja, od kojih je najveće ne to što nisam prošao neka predavanja u školi, već da je prošlo četiri ili pet godina otkako sam usko surađivao s nekim tko je zapravo znao više od mene učinio. Ova je web lokacija moj primarni izvor uklanjanja mojih netočnih predodžbi. To me plaši, do te mjere da se ove jeseni planiram prijaviti za MS programe u biostatima - definitivno pohađati neke zanimljive tečajeve, ali i zato što samo želim da netko grubo razmotri moje ideje i otkrije što sam stvarno naučio.

Suprotno tome, predavao sam sebe R otprilike u istom razdoblju i pod istim uvjetima. Sve dok nisam pomogao u osnivanju R korisničke grupe prije otprilike godinu i pol, također nisam imao nikoga tko bi ukazao na otvoreno glupe konstrukcije u mom kodu. Ali ne osjećam gotovo istu tjeskobu zbog svog koda, velikim dijelom zato što se programiranje na kraju svodi na pitanje funkcionira li nešto. Ne mislim umanjiti izazove tamo - na StackOverflowu sam dovoljno dugo da znam da za stvarne programere softvera postoji ogromna stručnost koja se ulaže u stvaranje nečega što je elegantno, izvedljivo, održivo, prilagodljivo i jednostavno -koristiti. No, na kraju se procjenjuje koliko dobro izvršava svoju funkciju. Kao što kažete, statistika ima gotovo obrnuti problem - moderni softver za statistiku relativno je lako otvoriti složene modele, ali u mnogim slučajevima nemamo dobre sustave koji bi osigurali da ti modeli vrijede prokleto. Teško je ponovno stvoriti mnoge objavljene analize, a reprodukcija prethodno objavljenih studija ispočetka nije tako glamurozna kao otvaranje novih otkrića (primijenite citate za zastrašivanje kako smatrate potrebnim). Gotovo uvijek znam kad su moji programi smeće, ali nikad nisam potpuno siguran da su moji modeli dobri.

Dakle ... kao i u programiranju, mislim da je samo-učenje neophodno. Ali isto tako mislim da je presudno važno imati mentora ili vršnjaka koji će s vama pokretati ideje, izlagati vas novom razmišljanju i šutirati kad je to potrebno. Formalno obrazovanje jedan je od načina da se takvi ljudi upoznaju. Hoće li biti učinkovit, više ovisi o vašim okolnostima ...

@naught101 U retrospektivi nekako se osjećam kao da sam upravo ponovio ono što si rekao. Nadam se da to nije u potpunosti slučaj ...
Malo preispitivanja, ali i nekih zanimljivih stvari :) Podsjećate me na komentar mentorstva, dio prošle godine imao sam mentora iz programiranja (koji nije vezan za znanost, nešto poput neformalnog [GSOC] (http://code.google. com / soc /)). To je bio izuzetno koristan proces i koristan ne samo za mene, jer je potaknuo razvoj nekih široko korisnih kodova otvorenog koda web okvira. Nažalost, teško vidim kako bi se u statistikama moglo dogoditi tako obostrano korisno mentorstvo, iako će moj trenutni projekt pomoći u testiranju relativno nove metodologije kombinacije modela.
gung - Reinstate Monica
2012-03-31 04:55:20 UTC
view on stackexchange narkive permalink

+1 za izvrsno pitanje. Mislim da ćete se dugoročno jednostavno uvijek morati pouzdati u samostudiranje u jednom ili drugom obliku. Ako se osjećate neugodno s osnovama, formalna nastava bit će izvrsna. Na primjer, ako se osjećate solidno u primijenjenoj statistici, ali ne osjećate se kao da razumijete osnovnu matematiku, pohađanje nastave matematičke statistike bit će pravi put. Pa ipak, čak i tamo, na kraju će se u gradskoj školi učiti samostalno kretanje po terenu.

Želim iskoristiti ovu priliku i otpjevati pohvale životopisa. Iskreno mislim da će ova stranica biti odgovor na vaše nedoumice. Istina je da postoji puno resursa koji nisu usmjereni na odgovarajuću razinu (bilo previsoku ili prenisku) i da je teško pronaći ono što vam treba. Pretpostavljam da će knjige češće biti na razini koja najbolje odgovara vama; oni će biti sveobuhvatniji i za bilo koju temu naći će se one od gotovo bez ikakve matematike do čisto teoretskih rasprava s mnogo stupnjeva između. CV možete pretraživati ​​u i ako ne pronađete ništa što je sasvim u redu, postavite novo pitanje. Općenito, ako niste sigurni u neki određeni koncept, samo ga pitajte. Čak je i samo čitanje na web mjestu i praćenje poveznica nevjerojatno informativno - zadivljen sam koliko sam naučio otkako sam postao aktivan na web mjestu.

U pogledu specifičnih strategija koje pomažu u samostalnom učenju, dvije stvari su mi najviše pomogle. Prvo, s primijenjenom statistikom ovo je zapravo isto kao s programiranjem ili dolaskom u Carnegie Hall, vježba . Pokušajte pronaći skupove podataka (iz stvarnog svijeta, ako je moguće) i istražite ih; pogledajte podatke, razmislite o tome što bi se moglo događati, uklopite neke modele i provjerite jesu li razumni itd. Što više to možete učiniti, bit će vam bolje. Za razumijevanje teorijskih koncepata koji leže u osnovi različitih tehnika, simuliranje je ono što mi odgovara. Kad čitam o nečemu i kaže da to djeluje na određeni način ili će se pokvariti pod nekim uvjetom, često napišem mali kôd za stvaranje tih uvjeta i generiranje podataka iz tog procesa, a zatim uklopim model i spremim bilo koji relevantni pokazatelj , ugnijezdi to u petlju i igraj se s tim. Stvarno sam tako shvatio gotovo sve. Mogu čitati o nečemu, i to može biti savršeno jasno - mogu se čak okrenuti i objasniti - ali zapravo ne razumijem dok to ne uspijem generirati i vidjeti na djelu.

Scortchi - Reinstate Monica
2013-04-25 02:54:13 UTC
view on stackexchange narkive permalink

Teoretska osnova statistike preduboka je da biste je mogli dobro razumjeti samo iz rada na problemima koji vam padnu na stol. Neki od najvećih statističkih padova koje sam vidio bili su od ljudi s programskim ili matematičkim podrijetlom koji su pretjerano pretpostavljali da je znanje kodiranja ili obrađivanja vjerojatnosti isto što i poznavanje statistike.

Sve isto , nema razloga zašto dobro promišljeni program samo-studija ne bi obavio posao. I ima, barem za neke ljude: pogledajte Diplomsku diplomu Kraljevskog statističkog društva. Ne nedostaje udžbenika za čitanje (& su napisali poput Coxa, Bergera, Tukeyja, Neldera, & Efron!), Izvrsnog besplatnog softvera (R) za isprobavanje, & je naravno provjeren kako bi razriješio nedoumice.

Andrew
2013-04-24 19:21:58 UTC
view on stackexchange narkive permalink

Za programiranje se slažem da je put do samostalnog učenja. Naučio sam sebe R kroz nekoliko mjeseci dok radim kao statističar. Zatim sam pohađao tečaj Coursere iz programiranja R da vidim mogu li naučiti nešto novo, a budući da sam imao solidnu pozadinu, pripremio sam se i pozvan da budem asistent u nastavi.

Što se tiče samoučenja statistika, to ovisi, ali na oprez bih rekao ne. Za većinu poslova statističara potreban je barem MSc u statistici samo da bi vam zakoračio u vrata i to s razlogom. Iskusni statističari obično imaju doktorate.

Zamislite doktora da vas pita da osmislite program odabira za određeni tretman (nešto na čemu sam radio). Uzimate knjige statistika za osvježavanje i započinjete s radom. Napravite neke matematičke pogreške ili ne prepoznate neke skrivene varijable i odabrani su pogrešni ljudi. Prasak! Rođaci gone zbog nemara i / ili ste u zatvoru zbog nenamjernog ubojstva.

Dakle, programiranje je jedini način da se ide, ali nikad ne recite da znate statistiku ili radite na statističkom projektu bez mentorstva od strane kvalificiranog i iskusnog statističara ili barem prvo pitajte za što se koriste rezultati.



Ova pitanja su automatski prevedena s engleskog jezika.Izvorni sadržaj dostupan je na stackexchange-u, što zahvaljujemo na cc by-sa 3.0 licenci pod kojom se distribuira.
Loading...