Auto-estudo vs uma educação ensinada?

Há uma pergunta com intenção semelhante em programadores.SE . Essa pergunta tem algumas respostas muito boas, mas o tema geral parece ser que, sem auto-estudo, você não chega aonde.

Obviamente, há uma grande diferença entre programação e estatística - com a programação, você está apenas aprendendo alguma lógica básica e aplicando-a repetidamente. Todos os novos idiomas usam os mesmos conceitos básicos. O auto-estudo permite que você aprenda conceitos mais avançados e se torne mais eficiente. Esse tipo de coisa é bastante difícil de ensinar.

As estatísticas são bem diferentes. É fácil aplicar a lógica envolvida - porque outra pessoa geralmente expôs a metodologia. De fato, a metodologia geralmente é a maior parte do que é ensinado nas universidades. Mas a estatística é muito mais profunda do que isso e envolve alguns conceitos realmente de alto nível. É difícil até procurar esses conceitos, se tudo o que você aprendeu são estatísticas aplicadas e muito menos compreendê-las (embora eu me pergunte o quanto isso pode ser devido ao jargão no campo). Além disso, acho que o auto-estudo em programação envolve a leitura de muitos artigos / blogs curtos para se apresentar a novos conceitos, enquanto artigos acessíveis sobre estatísticas são quase sempre voltados para o iniciante total e, portanto, são um tanto inúteis para um iniciante, como Eu mesmo.

Portanto, a pergunta é: o auto-estudo é mais ou menos apropriado do que uma educação universitária, para estatística? Quais são as metodologias para auto-estudo que funcionam? Quaisquer exemplos do que funcionou antes para as pessoas seriam bem-vindos.

(provavelmente deve ser um wiki da comunidade, mas não vejo caixa de seleção)

Acho que estou em um lugar bastante semelhante, mas vou dar uma facada. Comecei como estudante de sociologia e, depois de concluir todos os cursos de estatística disponíveis no meu departamento, entrei em alguns cursos de graduação do departamento de estatísticas da minha universidade. Foi uma revelação; a maneira como os professores de estatística abordavam os problemas era radicalmente diferente dos meus professores de soc - muito mais intuitivos e inspiradores do que eu havia aprendido antes, muito menos elaborados e dependentes de muitas coisas que eu não tinha aprendido ou não tinha aprendido ' Não consegui aprender nos meus cursos mais fundamentais. Eu tive que me ensinar muitas coisas novamente apenas para acompanhar, e ainda me preocupo por não ter realmente pregado esses conceitos fundamentais.

Nos quatro ou cinco anos seguintes, passei bastante tempo lendo amplamente - blogs, este site e alguns livros didáticos de destaque foram realmente úteis. Mas essa auto-aprendizagem tem limites, o maior dos quais não é que eu não assisti a algumas palestras na escola, mas que faz quatro ou cinco anos desde que trabalhei em estreita colaboração com alguém que realmente sabia mais do que eu. fez. Este site é minha principal fonte de abatimento de minhas noções incorretas. Isso me assusta, a ponto de estar planejando me inscrever em programas de MS em biostáticos neste outono - fazer alguns cursos interessantes, definitivamente, mas também porque eu só quero que alguém repasse minhas idéias e descubra o que eu tenho. realmente aprendi.

Por outro lado, eu tenho me ensinado R aproximadamente no mesmo período e nas mesmas condições. Até ajudar a fundar um grupo de usuários R há cerca de um ano e meio, eu também não tinha ninguém para apontar construções flagrantemente estúpidas no meu código. Mas não sinto a mesma ansiedade em relação ao meu código, em grande parte porque a programação se resume a uma questão de saber se algo funciona. Não pretendo diminuir os desafios existentes - estou no StackOverflow há tempo suficiente para saber que, para desenvolvedores de software reais, há uma enorme quantidade de experiência necessária para criar algo que seja elegante, eficiente, sustentável, adaptável e fácil -usar. Mas o software é julgado em última análise pelo desempenho de sua função. Como você diz, As estatísticas têm quase o problema inverso - o software estatístico moderno torna relativamente fácil acionar modelos complexos, mas em muitos casos não temos bons sistemas para garantir que esses modelos valham a pena. É difícil recriar muitas análises publicadas, e a reprodução de estudos publicados anteriormente do zero não é tão fascinante quanto fazer novas descobertas (aplique aspas assustadoras como achar melhor). Quase sempre sei quando meus programas são indesejados, mas nunca tenho certeza absoluta de que meus modelos são bons. • glamouroso como fazer novas descobertas (aplique citações assustadoras como achar melhor). Quase sempre sei quando meus programas são indesejados, mas nunca tenho certeza absoluta de que meus modelos são bons. • glamouroso como fazer novas descobertas (aplique citações assustadoras como achar melhor). Quase sempre sei quando meus programas são indesejados, mas nunca tenho certeza absoluta de que meus modelos são bons.

Então ... como na programação, acho que a auto-aprendizagem é essencial. Mas eu também acho que é extremamente importante ter um mentor ou um colega que dê idéias com você, exponha você a novos pensamentos e dê um chute no traseiro quando necessário. A educação formal é uma maneira de conhecer pessoas assim. Se é eficiente, depende mais de suas circunstâncias ...

+1 para uma ótima pergunta. Acho que, a longo prazo, você sempre terá que confiar no auto-estudo de uma forma ou de outra. Se você se sentir desconfortável com os fundamentos, as aulas formais serão ótimas. Por exemplo, se você se sentir sólido em relação às estatísticas aplicadas, mas não entender a matemática subjacente, as aulas de estatística matemática serão o caminho a seguir. Mesmo lá, porém, a pós-graduação será sobre aprender a navegar no campo por conta própria.

Quero aproveitar esta oportunidade para cantar os louvores do currículo. Sinceramente, acho que este site será a resposta para suas preocupações. É verdade que existem muitos recursos por aí que não são direcionados para o nível apropriado (alto ou baixo demais) e que é difícil encontrar o que você precisa. Meu palpite é que os livros estarão mais frequentemente no nível mais adequado para você; elas serão mais abrangentes e, para qualquer tópico, existirão desde quase sem matemática até tratados puramente teóricos com muitas gradações no meio. Você pode pesquisar CV em livrose se você não encontrar algo correto, faça uma nova pergunta. Em geral, se você não tiver certeza sobre algum conceito específico, basta perguntar sobre ele. Mesmo lendo o site e seguindo os links é incrivelmente informativo - fico impressionado com o quanto aprendi desde que me tornei ativo no site.

Em termos de estratégias específicas que ajudam no auto-estudo, duas coisas me ajudaram mais. Primeiro, com estatísticas aplicadas, isso é realmente o mesmo que com programação ou, ao chegar ao Carnegie Hall, praticar. Tente encontrar conjuntos de dados (no mundo real, se possível) e explore-os; observe os dados, pense no que poderia estar acontecendo, ajuste alguns modelos e verifique se eles são razoáveis ​​etc. Quanto mais você puder fazer isso, melhor será. Para entender conceitos teóricos subjacentes a várias técnicas, simular é o que funciona para mim. Quando leio sobre algo, e ele diz que funciona de uma maneira específica ou que quebra sob alguma condição, costumo escrever um pequeno código para criar essas condições e gerar dados a partir desse processo, depois ajusto o modelo e armazeno o indicador relevante , aninhe isso em um loop e brinque com ele. Foi assim que eu entendi praticamente qualquer coisa. Eu posso ler sobre algo, e pode ficar perfeitamente claro - eu posso até me virar e explicar - mas eu realmente nãoobtê-lo até que eu possa gerá-lo e vê-lo em ação.

A base teórica da estatística é profunda demais para que você possa entender bem o assunto apenas trabalhando nos problemas que caem sobre sua mesa. Algumas das maiores falhas estatísticas que já vi foram de pessoas com formação em matemática ou programação que assumiram alegremente que saber como codificar ou calcular probabilidades era o mesmo que saber estatística.

Mesmo assim, não há razão para que um programa de auto-estudo bem pensado não faça o trabalho. E sim, para algumas pessoas: veja o Diploma de Graduação da Royal Statistical Society . Não faltam livros didáticos para leitura (escritos por Cox, Berger, Tukey, Nelder e Efron!), Excelente software livre (R) para experimentar e, claro, Cross Validated para solucionar dúvidas.

Para a programação, concordo que o auto-estudo é o caminho a percorrer. Eu me ensinei R durante um período de alguns meses, enquanto trabalho como estatístico. Depois, fiz um curso Coursera em programação R para ver se conseguia aprender algo novo e, como tinha uma sólida formação, fiz o curso e fui convidado para ser professor assistente no curso.

Quanto às estatísticas de autoaprendizagem, isso depende, mas por precaução eu diria que não. A maioria dos trabalhos para um estatístico precisa de pelo menos um mestrado em estatística apenas para colocar seu pé na porta e por um motivo. Estatísticos experientes geralmente têm doutorado.

Imagine um médico pedindo que você crie um programa de seleção para um tratamento específico (algo em que trabalhei). Você pega seus livros de estatística para uma atualização e começa a trabalhar. Você comete alguns erros matemáticos ou falha em reconhecer algumas variáveis ​​ocultas e as pessoas erradas são selecionadas. Bang! Os parentes processam por negligência e / ou você está preso por homicídio culposo.

Portanto, com a programação, o auto-estudo é o único caminho a percorrer, mas nunca diga que você conhece estatísticas ou trabalha em um projeto estatístico sem a orientação de um estatístico qualificado e experiente ou, pelo menos, pergunte primeiro para que servem os resultados.