现在是研究生院的入学季节。我（和许多像我一样的学生）现在正试图决定选择哪个统计程序。
编辑：这里有一些关于我个人情况的附加信息：我现在考虑的所有项目都在美国。有些人专注于更多的应用方面，并授予“应用统计学”硕士学位，而另一些人则拥有更多的理论课程并授予“统计学”学位。我个人并不打算在一个行业工作而不是另一个行业。我有一些编程背景，并且比基因组学或生物信息学行业更了解科技行业。然而，我主要是在寻找一个有有趣问题的职业。
编辑：试图使问题更普遍适用。
这是关于统计学硕士课程的一些比较生硬的一般想法和建议。我不打算让他们成为争论的焦点，尽管他们中的一些人可能听起来像那样。
我将假设您对以后进入行业的终端硕士学位感兴趣，并且对潜在的攻读博士学位不感兴趣。不过，请不要将此回复视为权威。
以下是我个人经验的几点建议。我已经非常粗略地从我认为最重要到最不重要的顺序订购了它们。当您选择一个程序时，您可能会在考虑以下几点的情况下对它们中的每一个进行权衡。
尽量为您个人做出最佳选择。做出这样的决定涉及很多因素：地理、人际关系、工作和社交机会、课程、教育和生活成本等。最重要的是自己权衡这些因素并尝试使用自己的最佳判断. 你是最终承受你选择的后果的人，无论是积极的还是消极的， 你是唯一能够评估你的整体情况的人。按指示行动。
学习协作和管理您的时间。你可能不相信我，但雇主很可能更关心你的个性、与他人合作的能力和高效工作的能力，而不是他们关心你的原始技术技能。有效的沟通在统计学中至关重要，尤其是在与非统计学家沟通时。知道如何管理一个复杂的项目并取得稳步进展是非常重要的。在您选择的机构中利用结构化统计咨询机会（如果存在）。
学习同源领域。我在工业界和学术界的许多统计学硕士和博士研究生中看到的最大弱点是他们通常对主题知识知之甚少。结果是，有时由于对他们试图分析的问题的潜在机制缺乏了解，使用了“标准”统计分析。因此，在相关领域发展一些专业知识可以在统计和专业方面都非常丰富。但是，最重要的方面是学习本身：意识到结合主题知识可能是至关重要的正确分析问题。掌握词汇和基本知识也可以极大地帮助沟通，并会改善你的非统计学同事对你的看法。
学习使用（大）数据。在过去的 20 年中，几乎每个使用统计数据的领域的数据集都在规模上大幅增长。在工业环境中，您可能会花费更多时间来处理数据而不是分析 它们。学习良好的数据管理程序、完整性检查等对于有效分析至关重要。你越有效率，你就会花更多的时间做“有趣”的事情。这是在学术课程中被严重低估和低估的东西。幸运的是，现在有一些更大的数据集可供学术界使用。如果您无法在程序本身内执行此操作，请花一些时间在程序之外执行此操作。
非常非常好地学习线性回归和相关的应用线性代数。令人惊讶的是，有多少硕士和博士毕业生获得了学位（来自“顶级”课程！），但无法回答有关线性回归或其工作原理的基本问题。将这种材料冷却下来将为您提供非常好的服务。它本身就很重要，并且是通往许多更高级的统计和机器学习技术的门户。
如果可能的话，做一个硕士报告或论文. 与美国一些顶级统计部门相关的硕士课程（通常更多地衡量他们的博士课程）似乎已经不再包含报告或论文。事实是，纯粹基于课程的课程通常会剥夺学生在特定领域发展任何真正深度的知识。在我看来，该地区本身并不那么重要，但经验才是。撰写硕士报告或论文所需的持久性、时间管理、与教师的合作等，在过渡到工业界时会得到很大的回报。即使一个项目没有做广告，如果你对它感兴趣，给招生主席发一封电子邮件，询问是否有可能定制一个允许它的项目。
参加您可以管理的最具挑战性的课程。虽然最重要的是非常非常好地理解核心材料，但您也应该通过尽可能挑战自己来明智地利用时间和金钱。您选择学习的特定主题可能看起来相当“无用”，但是与文献进行一些接触并挑战自己学习新的和困难的东西将使您以后在行业中必须这样做时变得更容易。例如，对于许多工业统计学家的日常工作来说，学习一些经典统计学背后的理论本身并没有什么用处，但所传达的概念却 极其有用并提供持续的指导。它还将使您接触到的所有其他统计方法看起来不那么神秘。
程序的声誉只对您的第一份工作很重要。过于强调学校或项目的声誉。不幸的是，这对人力资源经理来说是一种节省时间和能源的启发式方法。请注意，与硕士课程相比，他们的研究和博士课程对课程的判断要多得多。在许多这样的顶级部门中，由于大部分资源都花在了博士课程上，因此 MS 学生最终常常感觉有点像二等公民。
我合作过的最聪明的年轻统计合作者之一拥有一所你可能从未听说过的小型外国大学的博士学位。人们可以在“无名”机构获得比“顶级”项目更好的教育（有时更好，尤其是在本科和硕士阶段！）。他们几乎可以保证与前者的核心教师进行更多的互动。
简历顶部的学校名称可能会帮助您进入第一份工作，人们会比其他人更关心您最高级学位的来源。在第一份工作之后，人们会更加关心你带来了什么经验。找到一所学校，通过招聘会、散发的电子邮件等方式为您提供许多有趣的工作机会，这可能会带来很大的回报，而且这种情况更多发生在顶级课程中。
个人评论：我个人更喜欢理论性更强的课程，这些课程仍然允许与数据进行一些接触和少量应用课程。事实是，你根本不会通过获得硕士学位成为一名优秀的应用统计学家。只有（更多）时间和经验才能每天解决具有挑战性的问题和分析。
我建议要么进入最好的学校（如麻省理工学院），要么进入最好的整体交易（例如，一所体面的公立学校，有州内学费）。我不会在二流私立学校浪费钱。
名牌学校的回报。像麻省理工这样的学校和像GWU这样的二线学校之间的价格差异不足以证明品牌力的差异是合理的。
另一方面，一些公立学校，例如威廉和玛丽，虽然非常便宜，但提供体面的教育。其中一些甚至具有相当的品牌影响力，例如伯克利与斯坦福。因此，由于显着的成本差异，它们是最好的私立学校的替代品。
看看药物流行病学。特别是因为它与药物安全有关。这是一个非常新的研究领域，有很多非常有趣的问题。