Re: [心得] Genetics and Stat/Biostat 選校與感想

看板studyabroad作者 (L.Rochi)時間13年前 (2013/04/01 03:53), 編輯推噓6(6推 0噓 19→)
留言25則, 7人參與, 最新討論串2/2 (看更多)
感謝原po的經驗分享 但我想妳對於Statistics的一些發展講得不夠全面 （但妳的標題又提到Stats而不只是Biostats） 這邊我分享一下純粹Statistics的一些就業前景與心得 我目前在CMU 讀Statistics的PhD 所以觀點難免有些偏差 請大家參考參考就好 以下只談一般Statistics的情況 我對Biostatistics的狀況不太清楚 : 1. Biostat/Stat PhD的學生如何選校? 先選有獎學金的,再來選擇學校的好壞 我同意錢真的很重要 但排名我覺得不是絕對的 讀PhD更多時候看的是有沒有Faculty的研究跟你的興趣符合 另外如果學校有一組人馬在做某塊你很有興趣的領域 那就很值得考慮去念 像CMU統計就有一堆人做Mahine Learning相關的研究 跟Neuroscience、Astronomy合作的人也很多 UPenn我記得非常多Faculty做金融、經濟相關的統計模型 如果是特別有興趣的 很值得過去 學校旁邊有醫學中心的 即使是統計系 也會一堆老師和生物統計有高度合作 因此在選擇時也可以作為參考 如果對於自己興趣不明 安全起見我覺得去科系大一點的學校比較好 至少你比較有可能跟到興趣較合的老師 博士班如果選到一個自己完全沒興趣的領域 那真的是一種折磨啊... 千萬不要為了一時排名的得意 換來幾年的苦難 至於修課 我覺得並不需要修到那麼深的課程 比較重要的是Advanced Calculus, Linear Algebra再加上一些機率/統計的課就夠 進階課程絕對有加分 但非必要 推薦信我想還是關鍵 : 2. Biostat/Stat MS的學生如何選校? 選個經濟實惠然後有教SAS的學校 現在統計的出路非常非常廣 除了已經行之多年的生物方面的研究 這幾年更多了電腦科學以及科技業的合作 Machine Learning, Data Mining這幾年特別火紅 主因應該是電腦的發展使得資料儲存極度容易以及便宜 因此 高科技業、金融業、物流業、銀行業...等等 都多了一大堆統計相關的分析工作 畢竟統計分析可以直接讓他們知道更多資料的資訊 對這些產業 基本上 更多的資訊=更多的錢 自然就願意請統計學家來做 因此畢業並不只有藥廠這樣的選擇 我聽說最近一堆統計PhD都跑去高科技業上班 MS也聽到很多 之前甚至聽說有人去google工作個一年拿了4X萬鎂（含分紅等） 去這些地方工作 SAS就不是唯一的工具 只要你的coding能力不錯 並且知道如何把資料用統計模型分析 都很容易找工作 另外近幾年統計Faculty難找的原因之一是要跟CS的人競爭 因為做Machine Learning的人只要數學底子與統計底子好 和做統計的人是很能競爭的 並且他們更懂computation的問題 我今年就聽說我們學校CS的畢業生有5個都找到統計的Faculty.. 不過好消息是 我聽我們老師說這幾年越來越多學校的統計系在擴張 因此教職的開缺至少不會減少 以上一點心得分享 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 128.237.171.96
推
04/01 03:56, , 1F
YA 首推
04/01 03:56, 1F
→
04/01 04:40, , 2F
http://ppt.cc/z_E5 Data Crunchers Now the Cool Kids on
04/01 04:40, 2F
→
04/01 04:41, , 3F
Campus. By WSJ
04/01 04:41, 3F
→
04/01 04:44, , 4F
但是做data science的統計所學生千萬不要捨本逐末,統計訓練
04/01 04:44, 4F
→
04/01 04:44, , 5F
(而非coding)才是基本工
04/01 04:44, 5F
推
04/01 05:48, , 6F
推
04/01 05:48, 6F
推
04/01 06:04, , 7F
謝謝你補充關於統計部分,非常有用,如果有人願意補充我有興趣
04/01 06:04, 7F
→
04/01 06:04, , 8F
的genetics那更好了,ex:developmental geneics, comp bio,
04/01 06:04, 8F
→
04/01 06:07, , 9F
model organism,epigenetics,proteomics,molecular evolution
04/01 06:07, 9F
→
04/01 06:08, , 10F
synthetic biology, gene regulation這些領域在美國的發展
04/01 06:08, 10F
→
04/01 06:09, , 11F
還有主要的lab,這方面我可以收集更多資料跟大家分享,板上幾乎
04/01 06:09, 11F
→
04/01 06:09, , 12F
沒有跟genetics and computational biology相關的資料,請板上
04/01 06:09, 12F
→
04/01 06:09, , 13F
大大多分享吧
04/01 06:09, 13F
推
04/01 06:13, , 14F
另外g大,貴校畢業的Liu Han@Princeton做machine learning做的
04/01 06:13, 14F
→
04/01 06:14, , 15F
很好,在各個領域,data gathering and interpretation很重要
04/01 06:14, 15F
→
04/01 06:14, , 16F
就算是在biology也是，但是對於geneticist來講那畢竟只是
04/01 06:14, 16F
→
04/01 06:15, , 17F
prediction,沒有任何in vivo or in vitro study說真的都很難
04/01 06:15, 17F
→
04/01 06:16, , 18F
發在好的期刊上面
04/01 06:16, 18F
→
04/01 06:20, , 19F
另外以妳是一個statistician,我同意b大說的充實基本功是要務
04/01 06:20, 19F
→
04/01 06:38, , 20F
我覺得統計所學生的優勢就是對統計模型的理解比較深
04/01 06:38, 20F
→
04/01 06:40, , 21F
基本功是一定要有的 不然就變成數字遊戲了
04/01 06:40, 21F
→
04/01 06:43, , 22F
Machine learning的一個盲點是 有時連sigma-algebra都不
04/01 06:43, 22F
→
04/01 06:43, , 23F
知怎麼定義 卻去硬套model跑結果 這其實很有問題
04/01 06:43, 23F
推
04/01 12:16, , 24F
阿吉推
04/01 12:16, 24F
推
04/05 10:10, , 25F
推~
04/05 10:10, 25F
‣ 更多 ga014528 的文章
文章代碼(AID): #1HM9Gz1e (studyabroad)
‣ 更多 ga014528 的文章
文章代碼(AID): #1HM9Gz1e (studyabroad)