J'ai commencé mon doctorat en statistique cette année, et je recherche vos meilleures pratiques, conseils et (méta-conseils) sur la façon de grandir et de devenir un bon chercheur universitaire dans les domaines de la statistique / ML.
Les réflexions générales et les liens sont les bienvenus, mais pour commencer le bal, voici un tas de questions tirées du grand article de Michael Steele " Conseils aux étudiants diplômés en statistiques " (si je manque des questions importantes ou si certaines des questions n'ont pas de sens - veuillez également les commenter):
- Papers vs Thesis - combien faut-il se concentrer sur la publication d'articles au cours de son travail de doctorat? Combien d'articles devrait-on réellement aspirer à écrire?
- Dans quelles revues doit-on s'efforcer d'être publié? (questions pertinentes link1 , lien2 )
- Combien d'heures par jour doit-on consacrer à la recherche (élaborer / traiter votre question de recherche) et à l'apprentissage (lire de nouveaux articles / suivre des cours)
- Où va-t-on pour trouver un «sujet brûlant», ou mieux encore - un «sujet qui va bientôt devenir chaud»? ( Link1 , link2 )
- Une fois qu'un "sujet brûlant est trouvé", comment équilibrer l'apprentissage des bases de nombreux aspects du problème, en se concentrant sur un seul aspect?
De toute évidence, ces questions sont TRÈS générales, et il existe de nombreux angles de réflexion / réponse - j'espère lire votre point de vue sur la façon de penser à ces questions générales.
Merci d'avance!