Gracias por A2A,
Principalmente necesitas identificar lo que dices con “un poco de Ruby”. Además, la persona que solicita C ++ y Python es diferente de tener conocimiento de cualquiera de ellos. Depende del tipo de trabajo en el que se encuentren, ya que uno es un lenguaje compilado y otro es interpretado. Supongo que estás familiarizado con “tipeado estático aliado” y “tipado dinámicamente”. Por lo tanto, no estoy seguro de cómo puede dominar ambos en un mes a menos que haya trabajado específicamente en C ++ anteriormente. Otra cosa importante a tener en cuenta es el uso, si tiene conocimiento de OOPS, es posible que aún exista la posibilidad. Sin embargo, la curva de aprendizaje es diferente de su aplicación en tiempo real.
Cuando dice grupo de proteómica de IA, debe tener en cuenta si el laboratorio es experimental utilizando Bioinformática para impulsar el análisis después de ensayos funcionales o validación o es estrictamente un grupo que desarrolla softwares y herramientas con conocimientos de computación y matemáticas. Dado que ambos tienen diferentes formas de abordar los problemas en biología dada su gama de experiencia y visión. Un laboratorio húmedo está más impulsado por la curiosidad biológica, mientras que un laboratorio seco tendrá menos sesgos y dependerá del resultado de las variables que resolverán los problemas biológicos.
- ¿El aprendizaje de transferencia es adecuado para modelos que pueden tener características de entrada crecientes?
- ¿Cuál es la mejor manera de manejar los valores atípicos en Machine Learning?
- ¿Se puede dividir un modelo de regresión logística multinomial en modelos de regresión logística binarios separados?
- En la clasificación automática de documentos, ¿cómo trato con categorías en conflicto?
- ¿Por qué el aprendizaje profundo solo funciona bien en datos no estructurados?
Dado que se le dice que aprenda más sobre los aspectos estadísticos y computacionales, creo que obtendrá más soluciones para resolver problemas, por lo que puede intentar buscar cursos de proteómica específicamente para el tipo de análisis realizado después de MS / MS o SWATH, los algoritmos utilizados y los cuellos de botella que tienen donde su conocimiento de estadísticas y reconocimiento de patrones será útil para construir nuevos algoritmos o herramientas que puedan abordar esos problemas. Creo que tomar algunos cursos en línea para pasar el rato o sentirlo. En cuanto a los problemas estadísticos, solo se manejará cuando enfrente tales situaciones, aprenderá más.
Para el aprendizaje automático, es un campo muy vasto y debe especificar qué es exactamente el interés del laboratorio en el que se enfocan y puede recoger partes y partes de los conceptos que podrían ayudarlo a darles una justificación detrás del uso del herramientas.
Cuantificación en proteómica – Conferencia 3 – Cuantificación en proteómica – Icahn School of Medicine en Mount Sinai | Coursera
Métodos experimentales en biología de sistemas – Icahn School of Medicine en Mount Sinai | Coursera
Proteomics cursos en línea gratuitos y MOOC
Para la programación, siempre recomendaría cualquier cosa, desde CodeAcademy, Coursera, Khan Academy, Udacity, etc.
Espero que esto ayude.
Un mes puede ser poco tiempo para ser realista, pero lo suficientemente digno como para darle una idea para estar bien presentable ya que ya tiene experiencia en proteómica. ¡Buena suerte!
