如果我是你，我会选择一两个 MOOC（例如，算法，第一部分，算法，第二部分，Scala 中的函数式编程原理），一本关于数据结构和算法的好书，然后尽可能多地编写代码。例如，您可以实现一些统计数据或 ML 算法；这对您来说是一种很好的做法，对社区也很有用。

然而，对于博士课程，我也会确保我熟悉他们使用的数学类型。如果您想深入了解它的情况，请浏览JMLR上的论文。这会让你在理论方面校准自己；你能跟上数学吗？

哦，你不需要博士学位就可以在顶级公司工作，除非你想加入像他这样的研究部门。但是随后您将花费更多时间进行开发，并且您将需要良好的编码技能...

你的时间可能会花在 Kaggle 上，而不是在博士项目上。当你阅读获胜者的故事（Kaggle 博客）时，你会发现这需要大量的练习，而且获胜者不仅仅是一种方法的专家。

另一方面，积极主动并在博士课程中制定计划可以让您获得您可能无法获得的联系。

我想真正的问题是给你的——想要在顶级公司工作的原因是什么？

您已经拥有统计学硕士学位，这很棒！一般来说，我建议人们尽可能多地进行统计，尤其是贝叶斯数据分析。

根据您想用博士学位做什么，您将受益于您应用领域学科的基础课程。你已经有经济学，但如果你想研究社会行为的数据科学，那么社会学课程会很有价值。如果您想从事欺诈预防工作，那么银行和金融交易课程会很好。如果您想从事信息安全工作，那么参加一些安全课程会很好。

有些人认为，数据科学家花时间学习社会学或其他学科的课程没有价值。但请考虑最近的谷歌流感趋势项目案例。在这篇文章中，他们的方法因犯了可避免的错误而受到强烈批评。批评者称其为“大数据狂妄自大”。

在社会科学学科中建立实力还有另一个原因：个人竞争优势。随着学位课程、证书课程和 MOOC 的涌现，学生们疯狂地涌入数据科学领域。大多数将提供核心机器学习方法和工具的功能。博士毕业生将拥有更多的深度和更多的理论知识，但他们都在竞争相同的工作，提供相同的价值。随着毕业生的涌现，我预计他们将无法获得高薪。

但是，如果您可以通过结合正规教育和特定领域和应用领域的实践经验来区分自己，那么您应该能够让自己与众不同。

（背景：我正在攻读计算社会科学的博士项目，该项目主要关注建模、进化计算和社会科学学科，不太重视 ML 和其他实证数据分析主题）。

我很高兴您还找到了 Yann LeCun 的 AMA 页面，它非常有用。

以下是我的意见
问：我是否应该在当地大学参加一些软件工程入门课程，以使自己成为更强大的候选人？
A: 不，你需要学习更多的数学课程。难的不是应用的东西，而是理论的东西。不知道你们学校提供什么。参加理论数学课程，以及一些计算机科学课程。

问：对于那些从 CS 领域以外申请博士课程的人，您有什么其他建议？
答：您要寻找的亲缘关系有多密切。没有具体的问题，很难给出具体的答案。