This media is not supported in your browser
VIEW IN TELEGRAM
У институтов есть деньги на ваше дополнительное обучение! Иначе почему столько студентов обучаются у нас за счет своих НИИ? И вы тоже можете это сделать.
Пишите @anamur_blastim чтобы получить инструкцию
Please open Telegram to view this post
VIEW IN TELEGRAM
👌15👍5🌚4💯2
— Просто добавили воды! — Но у Вас же даже воды нет… 😬
Верить в гомеопатию или нет? Это личное дело каждого. Но мы хотим предостеречь тех, кто приходит в аптеку за средствами с доказанной клинической эффективностью и попадает в ловушку ложных ожиданий. Доверяй, но проверяй — принцип, который часто игнорируется даже самыми тревожными из нас. И это нормально. Абсолютный цинизм тоже не приносит счастья.
Что такое гомеопатия?
Гомеопатия — это альтернативный метод лечения, основанный на принципе «подобное лечится подобным». Суть: вещество, вызывающее симптомы болезни, может и лечить эти заболевания. Но его нужно принимать в очень маленьких, сильно разведённых дозах. Настолько сильно разведенных, что современные методы анализа не могут обнаружить в препарате действующее вещество. И его не может там быть просто математически.
Гомеопатия идёт против себя?
Всё чаще на упаковках гомеопатических препаратов вы не найдёте слова «гомеопатия». Вам даже предложат «значительную» концентрацию действующеего вещества, но с маленькой звёздочкой. Тот, кто будет упорным и проверит, что означает сноска, обнаружит то самое многократное разведение. Или же вы можете найти странные единицы измерения, не существующие в классической науке.
Гомеопатию могут маскировать под благородно звучащие «релиз-активные препараты». Даже с ссылками на клинические испытания. Иногда все оформлено по стандартам и отчеты есть на ClinicalTrials.gov. Но, к сожалению, лишь немногие из нас полезут смотреть на цифры. А там — статистически значимой разницы между опытными группами и группой плацебо нет. Зато в пресс-релизах есть красивая визуализация данных, где не обошлось без манипуляций и оптических иллюзий. Кстати, об этом мы подробно рассказываем на нашем курсе «Статистика, R и анализ данных».
#выходные_у_бластим
Верить в гомеопатию или нет? Это личное дело каждого. Но мы хотим предостеречь тех, кто приходит в аптеку за средствами с доказанной клинической эффективностью и попадает в ловушку ложных ожиданий. Доверяй, но проверяй — принцип, который часто игнорируется даже самыми тревожными из нас. И это нормально. Абсолютный цинизм тоже не приносит счастья.
Что такое гомеопатия?
Гомеопатия — это альтернативный метод лечения, основанный на принципе «подобное лечится подобным». Суть: вещество, вызывающее симптомы болезни, может и лечить эти заболевания. Но его нужно принимать в очень маленьких, сильно разведённых дозах. Настолько сильно разведенных, что современные методы анализа не могут обнаружить в препарате действующее вещество. И его не может там быть просто математически.
Гомеопатия идёт против себя?
Всё чаще на упаковках гомеопатических препаратов вы не найдёте слова «гомеопатия». Вам даже предложат «значительную» концентрацию действующеего вещества, но с маленькой звёздочкой. Тот, кто будет упорным и проверит, что означает сноска, обнаружит то самое многократное разведение. Или же вы можете найти странные единицы измерения, не существующие в классической науке.
Гомеопатию могут маскировать под благородно звучащие «релиз-активные препараты». Даже с ссылками на клинические испытания. Иногда все оформлено по стандартам и отчеты есть на ClinicalTrials.gov. Но, к сожалению, лишь немногие из нас полезут смотреть на цифры. А там — статистически значимой разницы между опытными группами и группой плацебо нет. Зато в пресс-релизах есть красивая визуализация данных, где не обошлось без манипуляций и оптических иллюзий. Кстати, об этом мы подробно рассказываем на нашем курсе «Статистика, R и анализ данных».
#выходные_у_бластим
Please open Telegram to view this post
VIEW IN TELEGRAM
2❤14👍8🤔1😱1
А насколько глубоко «уходите в детали» описания фармпрепаратов вы?
Anonymous Poll
6%
Я доверяю гомеопатии.
3%
Я не разбираюсь, но если доктор медицинских наук говорит, что это работает, я буду принимать.
12%
Я не сторонник гомеопатии, но всё же попадался на уловки.
17%
Я не сторонник гомеопатии, но сам не вникаю; доверяю только конкретным авторитетам.
62%
Я осуждаю гомеопатию и внимательно изучаю каждую ссылку.
«Везунчик» или везунчик? Как проиграть в генетической лотерее, но отыграться благодаря секвенированию?
Ник Волкер родился в 2004 году в Висконсине. С двух лет он страдал от тяжёлого заболевания, вызывавшего воспаление кишечника. Каждый раз при приёме пищи естественным путём возникали инфекции и незаживающие раны. Ника перевели на питание через трубку и внутривенно. В результате организм был крайне истощён, и общее состояние только ухудшалось.
Врачи были в полном смятении: несмотря на множество тестов, диагноз поставить никак не удавалось. Ник стал известен как «самый больной ребёнок» в Детской больнице Висконсина. Более 800 дней в больнице, 172 операции, частые случаи сепсиса и бесчисленное количество лекарств. Врачи перестали надеяться на чудо и готовили родителей к худшему.
В 2009 году группа врачей из Медицинского колледжа Висконсина под руководством генетика Говарда Джейкоба приняла радикальное решение. Было решено «прочитать» ДНК Ника полностью — новаторская технология тех лет. И это при том, что стоимость секвенирования даже только экзома в те годы составляла $100 000. А гарантий постановки диагноза никто не давал. Но других вариантов не оставалось.
К тому времени уже была доступна «эталонная» версия человеческого генома, полученная в рамках проекта «Геном человека». Команда Говарда Джейкоба написала программу для анализа различий между геномом Ника и референсной последовательностью. В ходе анализа исследователи обнаружили мутацию в гене XIAP, которая и вызывала редкое иммунное заболевание. Единственным возможным лечением для Ника стала трансплантация костного мозга. Операцию успешно провели, и состояние Ника начало улучшаться.
Ник Волкер родился в 2004 году в Висконсине. С двух лет он страдал от тяжёлого заболевания, вызывавшего воспаление кишечника. Каждый раз при приёме пищи естественным путём возникали инфекции и незаживающие раны. Ника перевели на питание через трубку и внутривенно. В результате организм был крайне истощён, и общее состояние только ухудшалось.
Врачи были в полном смятении: несмотря на множество тестов, диагноз поставить никак не удавалось. Ник стал известен как «самый больной ребёнок» в Детской больнице Висконсина. Более 800 дней в больнице, 172 операции, частые случаи сепсиса и бесчисленное количество лекарств. Врачи перестали надеяться на чудо и готовили родителей к худшему.
В 2009 году группа врачей из Медицинского колледжа Висконсина под руководством генетика Говарда Джейкоба приняла радикальное решение. Было решено «прочитать» ДНК Ника полностью — новаторская технология тех лет. И это при том, что стоимость секвенирования даже только экзома в те годы составляла $100 000. А гарантий постановки диагноза никто не давал. Но других вариантов не оставалось.
К тому времени уже была доступна «эталонная» версия человеческого генома, полученная в рамках проекта «Геном человека». Команда Говарда Джейкоба написала программу для анализа различий между геномом Ника и референсной последовательностью. В ходе анализа исследователи обнаружили мутацию в гене XIAP, которая и вызывала редкое иммунное заболевание. Единственным возможным лечением для Ника стала трансплантация костного мозга. Операцию успешно провели, и состояние Ника начало улучшаться.
1👍50❤16🔥12
В наше время полногеномное секвенирование стало практически рутинным и доступным для большинства людей. Однако это не привело к 100% диагностике болезней 🤔
По данным на 2021 год, «роковые» мутации удавалось обнаружить лишь в четверти случаев. Несмотря на возможность анализа до 20 000 генов, ассоциации с патологиями известны только для 3 000 - 4 000 из них. Трудности в определении корреляций связаны с анализом и интерпретацией данных секвенирования: различные алгоритмы могут связывать одни и те же варианты мутаций с заболеваниями по-разному. Кроме того, сборка полной последовательности ДНК для некоторых частей генома остаётся нетривиальной задачей.
Получается, что учёные обладают огромными объёмами данных NGS, но им часто недостаёт специализированных знаний и навыков для анализа. Даже после освоения базовых навыков работы с «сырыми прочтениями» возникают сложности с пониманием сложных алгоритмов и инструментов, скрывающихся за привычными интерфейсами. Без глубокого понимания принципов работы программ исследователи упускают детали, которые ведут к ошибкам в интерпретации результатов. Итог: проекты замедляются, а вопросы к геному только множатся.
Неудивительно, что курс «Анализ NGS-данных» от Бластим пользуется таким спросом: только за последние три года он прошёл семь раз, а в наших alumni-чатах более 300 выпускников, которых мы поддерживали во время обучения и продолжаем общение после.
По данным на 2021 год, «роковые» мутации удавалось обнаружить лишь в четверти случаев. Несмотря на возможность анализа до 20 000 генов, ассоциации с патологиями известны только для 3 000 - 4 000 из них. Трудности в определении корреляций связаны с анализом и интерпретацией данных секвенирования: различные алгоритмы могут связывать одни и те же варианты мутаций с заболеваниями по-разному. Кроме того, сборка полной последовательности ДНК для некоторых частей генома остаётся нетривиальной задачей.
Получается, что учёные обладают огромными объёмами данных NGS, но им часто недостаёт специализированных знаний и навыков для анализа. Даже после освоения базовых навыков работы с «сырыми прочтениями» возникают сложности с пониманием сложных алгоритмов и инструментов, скрывающихся за привычными интерфейсами. Без глубокого понимания принципов работы программ исследователи упускают детали, которые ведут к ошибкам в интерпретации результатов. Итог: проекты замедляются, а вопросы к геному только множатся.
Неудивительно, что курс «Анализ NGS-данных» от Бластим пользуется таким спросом: только за последние три года он прошёл семь раз, а в наших alumni-чатах более 300 выпускников, которых мы поддерживали во время обучения и продолжаем общение после.
Please open Telegram to view this post
VIEW IN TELEGRAM
1❤5👍5
Есть и другая причина. Преподаватели на нашем курсе — настоящие асы: Евгений Герасимов, Алексей Зарубин, Анна Попенко, Дарья Бородко, Дмитрий Тычинин, Владислав Бабенко, Павел Мазин, Степан Тощаков, Даниил Бобровский. Круче только сборная России по синхронному плаванию.
📌 Наши эксперты готовы делиться не только теоретическими знаниями, но и практическими лайфхаками, приобретёнными за годы работы.
📌 Учебные ассистенты будут сопровождать вас на каждом этапе, и никакой вопрос не останется без ответа.
📌 Курс подойдёт как для новичков в биоинформатике и биологии, так и для тех, кто хочет углубить знания: перед началом предоставляются все необходимые материалы для плавного погружения в методы секвенирования, R, Linux и молекулярную биологию.
И главное — после курса всё только начинается! Кейсы, выполненные для реальных проектов, отлично подойдут для вашего CV. Здесь мы вас тоже не оставим: подскажем, как выгодно подчеркнуть навыки и опыт перед работодателем, и ответим на все карьерные вопросы. Об этом говорят и наши ученики. Их отзывы и программу можно найти здесь.
А пока вы читали этот текст, где-то уже нагенерировались гигабайты нуклеотидных последовательностей. Поторопитесь научиться с ними работать!
Начинаем курс уже совсем скоро: 9 сентября.
Обучение онлайн и оффлайн в Москве.
Последнее повышение цены: 2 сентября.
⚡️ Осталось 9 мест
📌 Наши эксперты готовы делиться не только теоретическими знаниями, но и практическими лайфхаками, приобретёнными за годы работы.
📌 Учебные ассистенты будут сопровождать вас на каждом этапе, и никакой вопрос не останется без ответа.
📌 Курс подойдёт как для новичков в биоинформатике и биологии, так и для тех, кто хочет углубить знания: перед началом предоставляются все необходимые материалы для плавного погружения в методы секвенирования, R, Linux и молекулярную биологию.
И главное — после курса всё только начинается! Кейсы, выполненные для реальных проектов, отлично подойдут для вашего CV. Здесь мы вас тоже не оставим: подскажем, как выгодно подчеркнуть навыки и опыт перед работодателем, и ответим на все карьерные вопросы. Об этом говорят и наши ученики. Их отзывы и программу можно найти здесь.
А пока вы читали этот текст, где-то уже нагенерировались гигабайты нуклеотидных последовательностей. Поторопитесь научиться с ними работать!
Начинаем курс уже совсем скоро: 9 сентября.
Обучение онлайн и оффлайн в Москве.
Последнее повышение цены: 2 сентября.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9🔥4❤3❤🔥1
«А, это вы и пальцы за меня загибать будете? — Ага»
Собрали подборку AI-инструментов для тех, кто уже преодолел предубеждения относительно их использования в науке. Эти тулы подойдут тем, кто любит экспериментировать с возможностями нашего времени и ищет способы повысить продуктивность. Сохраняйте, тестируйте и поделитесь своим мнением!
📌 Поиск информации
Iris.ai: поиск и систематизация данных.
Semantic Scholar: поиск ключевых исследований по теме и анализ цитируемости.
ResearchRabbit: создание карт взаимосвязей между работами.
Scite.ai: оценка не только количества цитирований, но и контекста, в котором они используются.
Lateral.io: рекомендации и визуализация.
📌 Редактирование и рецензирование научных текстов
Writefull: проверка грамматики, стиля и предложения по улучшению.
Scholarcy: извлечение ключевых данных и выводов из статей.
Enago Read: совместная рецензия статей с командой.
У вас есть уже любимые AI-секреты для облегчения рутины? Расскажите нам и коллегам🙂
А чтобы избегать плохих промтов и недопониманий, как у Вовки в Тридевятом царстве, у Бластим есть курс «Учёный будущего». 3 сентября он ещё доступен по самой низкой цене за три месяца до старта.
Собрали подборку AI-инструментов для тех, кто уже преодолел предубеждения относительно их использования в науке. Эти тулы подойдут тем, кто любит экспериментировать с возможностями нашего времени и ищет способы повысить продуктивность. Сохраняйте, тестируйте и поделитесь своим мнением!
📌 Поиск информации
Iris.ai: поиск и систематизация данных.
Semantic Scholar: поиск ключевых исследований по теме и анализ цитируемости.
ResearchRabbit: создание карт взаимосвязей между работами.
Scite.ai: оценка не только количества цитирований, но и контекста, в котором они используются.
Lateral.io: рекомендации и визуализация.
📌 Редактирование и рецензирование научных текстов
Writefull: проверка грамматики, стиля и предложения по улучшению.
Scholarcy: извлечение ключевых данных и выводов из статей.
Enago Read: совместная рецензия статей с командой.
У вас есть уже любимые AI-секреты для облегчения рутины? Расскажите нам и коллегам
А чтобы избегать плохих промтов и недопониманий, как у Вовки в Тридевятом царстве, у Бластим есть курс «Учёный будущего». 3 сентября он ещё доступен по самой низкой цене за три месяца до старта.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍32❤10❤🔥2
Кситест — лидер рынка геномной селекции животных в России. Компания обслуживает тысячи клиентов и имеет контракты на несколько лет вперед. А еще Кситест — это сильная команда специалистов, уникальные массивы данных, проекты в реальном секторе.
Что вас ждет на технической стороне:
Ожидается, что вы:
Ваши ключевые навыки:
Что предлагают:
Посмотреть примеры проектов и откликнуться можно на сайте: ссылка
#бластим_вакансии
Please open Telegram to view this post
VIEW IN TELEGRAM
👍17❤5❤🔥1
Тогда вот новый вызов — курс «Машинное обучение на Python для решения биоинформатических задач» с 15 октября по 30 ноября!
- Перейти на продвинутый уровень программирования на Python: посмотреть все серии Pandas и массивы Numpy
- Погрузиться в мир объектно-ориентированного программирования
- Освоить классику машинного обучения и азы работы с нейросетками
- Научиться подбирать гиперпараметры и оценивать качество моделей
- Пройти методы кластеризации и снижения размерности
- Наконец понять, зачем брать производную и что такое градиентный спуск
- Повторить статистику не на R, как привыкли, а на питоне!
🍋 После курса вы сможете:
- Увеличить свою конкурентоспособность на рынке труда и вилку ЗП
- Открыть новые варианты развития карьеры
- Рандом-кофе. Мы формируем сообщество и поддерживаем неформальное общение во внеурочное время
- Онлайн-встреча с преподавателями курса. «Выжмем» из них все
- Встреча с карьерным консультантом
- Онлайн-сообщество в Telegram
Будет очень сочно. Все подробности здесь
Please open Telegram to view this post
VIEW IN TELEGRAM
2👍9❤7🥰3😁1
«У нас было два пакетика акарбозы, семьдесят пять капсул ресвератрола, пять пакетиков Чрезвычайно Активного Ингредиента (ЧАЙ), солонка, наполовину наполненная глицином, и целое море разноцветных витаминов, а также литр кофе, ящик энергетиков с таурином, пинта чистой комбучи и двенадцать пузырьков элеутерококка. Не то чтобы всё это было категорически необходимо в поездке, но если уж начал собирать коллекцию, то к делу надо подходить серьёзно…»
Биохакинг — это практика, направленная на улучшение качества и продолжительности жизни с помощью различных методов: от изменения образа жизни до медицинских вмешательств. Однако важно учитывать, что не все техники биохакинга имеют серьезную доказательную базу.
Наука — верный друг в поисках истины, поэтому предлагаем некоторые исследования.
❗️Дисклеймер: высокая эффективность на мышах, часто не подтверждается на людях
😻 Таурин, аминокислота, известная своим присутствием в энергетических напитках и кошачьем корме, на самом деле обладает любопытным потенциалом. Исследование прошлого года показало, что таурин снижает многие биомаркеры старения у мышей и обезьян, но его уровень с возрастом падает. Зато увеличивается от физических нагрузок!
💊 Карбоза, или акарбоза, лекарство для контроля уровня сахара в крови у диабетиков 2 типа. Эксперимент продемонстрировал, что можно увеличить среднюю продолжительность жизни мышей на 41,4% и 32,5% соответственно. Также карбоза улучшила толерантность к глюкозе, физическую активность, предотвратила потерю массы тела и выпадение волос. Но учтите, что это диабетический препарат и принимать его нужно после консультации с врачом.
☕️ А теперь о чем-то, что точно есть у каждого на кухне. Чай и кофе содержат кофеин, который помогает дольше жить. По сравнению с теми, кто не пил кофе, мужчины и женщины, выпивавшие как минимум 5 чашек в день, имели на 24% и 28% меньший риск смертности. Зеленый чай в отличие от черного также был связан со сниженным риском сердечно-сосудистых заболеваний.
🐭 Глицин, аминокислота, популярная среди студентов во время сессии. Она, согласно исследованиям, может оказывать антиэйдж эффект на мышей и, возможно, в будущем людей. Добавка 8% глицина привела к небольшому (4-6%), но статистически значимому увеличению продолжительности жизни у обоих полов грызунов.
Пока другие ученые ищут «эликсир молодости», вы можете смело наслаждаться чаем или кофе и смотреть видео Александра Панчина про биохакинг.
#выходные_у_бластим
Биохакинг — это практика, направленная на улучшение качества и продолжительности жизни с помощью различных методов: от изменения образа жизни до медицинских вмешательств. Однако важно учитывать, что не все техники биохакинга имеют серьезную доказательную базу.
Наука — верный друг в поисках истины, поэтому предлагаем некоторые исследования.
❗️Дисклеймер: высокая эффективность на мышах, часто не подтверждается на людях
😻 Таурин, аминокислота, известная своим присутствием в энергетических напитках и кошачьем корме, на самом деле обладает любопытным потенциалом. Исследование прошлого года показало, что таурин снижает многие биомаркеры старения у мышей и обезьян, но его уровень с возрастом падает. Зато увеличивается от физических нагрузок!
💊 Карбоза, или акарбоза, лекарство для контроля уровня сахара в крови у диабетиков 2 типа. Эксперимент продемонстрировал, что можно увеличить среднюю продолжительность жизни мышей на 41,4% и 32,5% соответственно. Также карбоза улучшила толерантность к глюкозе, физическую активность, предотвратила потерю массы тела и выпадение волос. Но учтите, что это диабетический препарат и принимать его нужно после консультации с врачом.
☕️ А теперь о чем-то, что точно есть у каждого на кухне. Чай и кофе содержат кофеин, который помогает дольше жить. По сравнению с теми, кто не пил кофе, мужчины и женщины, выпивавшие как минимум 5 чашек в день, имели на 24% и 28% меньший риск смертности. Зеленый чай в отличие от черного также был связан со сниженным риском сердечно-сосудистых заболеваний.
🐭 Глицин, аминокислота, популярная среди студентов во время сессии. Она, согласно исследованиям, может оказывать антиэйдж эффект на мышей и, возможно, в будущем людей. Добавка 8% глицина привела к небольшому (4-6%), но статистически значимому увеличению продолжительности жизни у обоих полов грызунов.
Пока другие ученые ищут «эликсир молодости», вы можете смело наслаждаться чаем или кофе и смотреть видео Александра Панчина про биохакинг.
#выходные_у_бластим
❤12😁11👍6🥴4
В вечернем мини-дайджесте Бластима несколько ключевых событий, которым нельзя не порадоваться
Приходите. Please Please Please!
Please open Telegram to view this post
VIEW IN TELEGRAM
3❤12❤🔥6🥴3🤨1😐1
Друзья, вы знаете, что Бластим очень тщательно выбирает преподавателей — каждый из них уникальная личность и заслуживает отдельного поста. Взять хотя бы харизматичного лектора одного из ближайших наших курсов — Ивана Позднякова. Сегодня история о том, как лирик начал программировать и добился успехов на поприще, где господствуют физики.
🏛 Выпускник психфака МГУ Иван закончил магистратуру по когнитивной нейронауке Вышки. Типичный путь в его области — вечно «стоять с магнитной катушкой и мерить амплитуду дерганья руки». Однако Ивану больше нравилось копаться в данных, анализировать, строить графики. Он пробовал и матлаб, и питон, но покорил его все-таки 🔤 . Иван с головой ушел в мир этого языка программирования, превратившись в его большого фаната.
Поддерживать в себе огонь энтузиазма в науке бывает нелегко. Ивану понадобилось на время уйти из академии и поработать дата-аналитиком в IT-компании, чтобы осознать, что карьера в индустрии — это не его. В то же время, по словам Ивана, круто иметь в запаснике такие навыки, которые в будущем всегда можно монетизировать😉
🧠 Ученых всех времен интриговали три проблемы: происхождение Вселенной, Жизни на Земле и, пожалуй, самая сложная — происхождение Разума и Сознания! Иван Поздняков возвращается в большую науку и его интересы лежат как раз в сфере computational neuroscience: он мечтает глубже разобраться в устройстве мозга и понять, как миллиарды нейронов составляют то, чем мы думаем… Это бездна для исследований и применения продвинутых вычислительных инструментов.
✍️ На досуге Иван занимается и вещами для души. Вместе с филологами из Потсдама он участвовал в проекте по digital humanities: команда DraCor анализировала пьесы на разных языках и строила графы связи персонажей, находя совершенно неожиданные нюансы в общеизвестных произведениях. Весомым профессиональным достижением Иван считает публикацию пакета rdracor на CRAN. Соблюсти высокие стандарты и попасть на главный репозиторий оказалось отнюдь не просто, даже для опытного R-щика.
👨🏫 Еще у Ивана талант преподавателя и много благодарных выпускников — студентов, аспирантов, постдоков. R-энтузиаст и активный участник комьюнити, Иван на занятиях не только учит кодингу, работе с dplyr и ggplot2, но и показывает синтаксический сахар, делится байками и ценными советами из практики, знакомит с трендами в датавизе. Это позволяет легче усваивать материал: в «поздняковскую» статистику трудно не влюбиться. Приходите лично познакомиться с Иваном на программу по анализу данных на R в этом октябре. Оно того стоит🥰
Поддерживать в себе огонь энтузиазма в науке бывает нелегко. Ивану понадобилось на время уйти из академии и поработать дата-аналитиком в IT-компании, чтобы осознать, что карьера в индустрии — это не его. В то же время, по словам Ивана, круто иметь в запаснике такие навыки, которые в будущем всегда можно монетизировать
Please open Telegram to view this post
VIEW IN TELEGRAM
2❤23❤🔥8🔥8😁5🤣1😐1
Собрали свежих вакансий, для которых скилы в ML, такие как продвинутый скриптинг на питоне, знание фреймворков искусственного интеллекта и навыки построения моделей, которые мы даем на курсе по машинленингу, будут очень кстати!
Кафедра медицины Уппсальского университета приглашает постдока в международный проект от ведущих ветеринарных экспертов. Задачи на позиции — анализ мультиомных данных образцов легких лошадей с астмой, выявление подтипов заболевания с помощью ML. Требования: навыки программирования (питон/R) и умение анализировать данные NGS. Опыт в интеграции данных/машинном обучении как плюс. Дедлайн: 18 сентября. Ссылка
Институт ISAS приглашает подать заявку на PhD в области анализа биомед-изображений. Предстоит разрабатывать ML-алгоритмы для сегментации микроскопических изображений, внедрять базовые модели в рабочие процессы, реализовывать ПО на питоне. Требования: степень магистра, опыт в машинном обучении, компьютерном зрении, уверенная работа с PyTorch, Git, знакомство с мультимодальными моделями. Дедлайн: 21 сентября. Ссылка
Лаборатория Фабиана Фролиха в Институте Фрэнсиса Крика строит вычислительные модели для изучения внутриклеточного сигналинга. Вы будете разрабатывать и поддерживать научный софт, обучать других членов команды. Идеальный кандидат: PhD, продвинутые программистские скилы на Python, знание фреймворков машинного обучения, линала, методов оптимизации, построения пайплайнов. Зп £50К. Дедлайн: 10 октября. Ссылка
Центр EDDC по разработке лекарств ищет биоинформатика для анализа мультимодальных данных с целью поиска новых таргетов и биомаркеров. Вы будете интегрировать данные, заниматься прогнозным моделированием с помощью ИИ, разрабатывать пайплайны и управлять базами данных. Требования: PhD, опыт от 2 лет, навыки обработки данных в области геномики, bulk/sc-RNA-seq, протеомики, а также программирования на питоне/R. Дедлайн: 27 октября. Ссылка
Bristol Myers Squibb ищет научного сотрудника в команду хемоинформатики. Предстоит заниматься драг дизайном с помощью генеративного ИИ. Требования: PhD, опыт в ML в молекулярном дизайне, вычислительной химии, продвинутые навыки кодинга на питоне, а также опыт работы с библиотеками Pandas, PyTorch, Scikit-Learn, DeepChem, RDKit. Зп от $97К. Ссылка
Кситест ищет биоинформатика-мидла для работы над проектами в области геномной селекции животных с привлечением ML-моделей и нейронных сетей. Требования: уверенное владение Python и SQL, знание матстата и тервера. Опыт разработки и поддержки ML-продуктов, опыт с биоинф-пакетами, знания биологии и попгенетики как «жирные» плюсы. Ссылка
#бластим_вакансии #про_карьеру_по_субботам
Please open Telegram to view this post
VIEW IN TELEGRAM
2🔥8❤🔥6👍5
Media is too big
VIEW IN TELEGRAM
Всех с началом рабочей недели! А вы знали, что мы на Бластим немножечко «диггеры»? 👍
Ну, правда, большинство студентов наших курсов — это ученые, занимающиеся своими конкретными научными задачами, для которых часто не подходят шаблонные схемы решений, как в учебниках. Поэтому на программах Бластим мы не даем «сферического коня в вакууме», а сразу практикуемся и реально много копаемся в данных наших учеников! Особый случай — курс по статистике и R, куда вы можете прийти со своими табличками и выполнить итоговый проект прямо на них. В обработке ваших экспериментальных данных можно полностью положиться на преподавателя и прекрасных технических ассистентов, которые помогут, подскажут, поправят код. Причем как очно, так и онлайн✍️
А еще мы хотим, чтобы крутые данные, достойные публикации в Nature, не пылились в долгом ящике и как можно больше людей могли статистически проанализировать свои датасеты, поэтому всегда делаем 30% скидки для студентов и 10% скидки для аспирантов по промокодам. Их можно скопировать и использовать прямо на сайте
Так что если вы тоже устали от равнодушного научника и хотите получить максимум обратной связи и заботы от Бластим, то зовем вас на статистику и R. По старой цене до 28 сентября!❤️
Ну, правда, большинство студентов наших курсов — это ученые, занимающиеся своими конкретными научными задачами, для которых часто не подходят шаблонные схемы решений, как в учебниках. Поэтому на программах Бластим мы не даем «сферического коня в вакууме», а сразу практикуемся и реально много копаемся в данных наших учеников! Особый случай — курс по статистике и R, куда вы можете прийти со своими табличками и выполнить итоговый проект прямо на них. В обработке ваших экспериментальных данных можно полностью положиться на преподавателя и прекрасных технических ассистентов, которые помогут, подскажут, поправят код. Причем как очно, так и онлайн
А еще мы хотим, чтобы крутые данные, достойные публикации в Nature, не пылились в долгом ящике и как можно больше людей могли статистически проанализировать свои датасеты, поэтому всегда делаем 30% скидки для студентов и 10% скидки для аспирантов по промокодам. Их можно скопировать и использовать прямо на сайте
Так что если вы тоже устали от равнодушного научника и хотите получить максимум обратной связи и заботы от Бластим, то зовем вас на статистику и R. По старой цене до 28 сентября!
Please open Telegram to view this post
VIEW IN TELEGRAM
2❤10👍9🔥3🌚2
☕️ Утро начинается с кофе import numpy as np
Нас часто спрашивают: «Как стартовать в машинном и глубоком обучении?» Желательно сперва нарастить крепкую базу знаний по программированию! Например, на питоне. В таком случае пройти мимо Numpy едва ли удастся. Эта библиотека появилась в 2005 году усилиями датасайентиста и специалиста по биомед-визуализации Трэвиса Олифанта и завоевала огромную популярность. Озвучим несколько поинтов, почему Numpy так необходим не только машинлернерам, но и вообще любым рисечерам.
💪 Первая причина: этоты... векторизация
Numpy предоставляет возможность работать с массивами («эрреями»). В отличие от стандартных питоновских списков, массивы содержат данные одного типа, что позволяет проводить операции одновременно над всеми элементами и избавляет от лишних циклов, ускоряя код. К тому же, Numpy реализован на языке С, который сам по себе быстрее питона! А еще нампаевские массивы экономят память, что чрезвычайно актуально, когда имеешь дело с большими данными.
🚀 Теперь в «космакс» 3D
Массивы бывают одномерными — векторами, двумерными — то бишь матрицами. Можно навернуть и многомерные тензоры. Название популярного ИИ-фреймворка TensorFlow как раз в честь них. Когда данные нужно представить модели для обучения, то их превращают как раз в форму массивов: скажем, черно-белая картинка — это просто матрица, цветное фото — 3D-эррей, видео — аж пятимерный массив. Пример из биоинформатики: AnnData — объект для хранения данных сингл селл представляет собой матрицу с навешенными сверху аннотациями.
🎮 Я не читер, просто хорошо играю!
Numpy позволяет не только создавать массивы, но эффективно оперировать с ними. Так, в библиотеке имеется полезный подмодуль np.linalg. Вычислить определитель? Перемножить матрицы? Решить систему линейных уравнений? Пожалуйста! Вот какая прекрасная помощь в освоении линейной алгебры. Если вы раньше считали такое руками, то сразу почувствуете мощь Numpy. Между тем, матричные операции — это хребет современного ИИ.
🎲 Магия рандома
Numpy расшифровывается как Numeric Python и вообще заточен под математику. В библиотеке зашиты константы, логарифмы и много еще чего. Важная фишка — подмодуль np.random. С его помощью можно генерировать (псевдо)случайные числа. Они могут понадобиться, например, для инициализации весов нейронной сети.
😎 Это база
Поверх Numpy построены другие модные модули в Python: Scipy, Matplotlib, Pandas, Sklearn. Знание этих инструментов — уже мета-навыки в наши дни: названиями библиотек пестрят требования в вакансиях в датасайенс, машинном обучении, био/хемоинформатике. Так что быть на ты с Numpy точно не повредит, чтобы как минимум иметь при себе продвинутый научный калькулятор.
❗️Внимание! Если вы сомневаетесь в необходимости обучения машин или думаете, что это все очень сложно, то приходите к нам 29 сентября на открытую онлайн-встречу «Машинное обучение: когда статистики недостаточно» с Владимиром Шитовым. На вебинаре мы поможем загореться ИИ-тематикой. Записаться и оставить свой вопрос можно прямо сейчас через форму
Подробности о программе вебинара и бонусах скоро расскажем!
#бластим_технологии
Нас часто спрашивают: «Как стартовать в машинном и глубоком обучении?» Желательно сперва нарастить крепкую базу знаний по программированию! Например, на питоне. В таком случае пройти мимо Numpy едва ли удастся. Эта библиотека появилась в 2005 году усилиями датасайентиста и специалиста по биомед-визуализации Трэвиса Олифанта и завоевала огромную популярность. Озвучим несколько поинтов, почему Numpy так необходим не только машинлернерам, но и вообще любым рисечерам.
💪 Первая причина: это
Numpy предоставляет возможность работать с массивами («эрреями»). В отличие от стандартных питоновских списков, массивы содержат данные одного типа, что позволяет проводить операции одновременно над всеми элементами и избавляет от лишних циклов, ускоряя код. К тому же, Numpy реализован на языке С, который сам по себе быстрее питона! А еще нампаевские массивы экономят память, что чрезвычайно актуально, когда имеешь дело с большими данными.
🚀 Теперь в «космакс» 3D
Массивы бывают одномерными — векторами, двумерными — то бишь матрицами. Можно навернуть и многомерные тензоры. Название популярного ИИ-фреймворка TensorFlow как раз в честь них. Когда данные нужно представить модели для обучения, то их превращают как раз в форму массивов: скажем, черно-белая картинка — это просто матрица, цветное фото — 3D-эррей, видео — аж пятимерный массив. Пример из биоинформатики: AnnData — объект для хранения данных сингл селл представляет собой матрицу с навешенными сверху аннотациями.
🎮 Я не читер, просто хорошо играю!
Numpy позволяет не только создавать массивы, но эффективно оперировать с ними. Так, в библиотеке имеется полезный подмодуль np.linalg. Вычислить определитель? Перемножить матрицы? Решить систему линейных уравнений? Пожалуйста! Вот какая прекрасная помощь в освоении линейной алгебры. Если вы раньше считали такое руками, то сразу почувствуете мощь Numpy. Между тем, матричные операции — это хребет современного ИИ.
🎲 Магия рандома
Numpy расшифровывается как Numeric Python и вообще заточен под математику. В библиотеке зашиты константы, логарифмы и много еще чего. Важная фишка — подмодуль np.random. С его помощью можно генерировать (псевдо)случайные числа. Они могут понадобиться, например, для инициализации весов нейронной сети.
😎 Это база
Поверх Numpy построены другие модные модули в Python: Scipy, Matplotlib, Pandas, Sklearn. Знание этих инструментов — уже мета-навыки в наши дни: названиями библиотек пестрят требования в вакансиях в датасайенс, машинном обучении, био/хемоинформатике. Так что быть на ты с Numpy точно не повредит, чтобы как минимум иметь при себе продвинутый научный калькулятор.
❗️Внимание! Если вы сомневаетесь в необходимости обучения машин или думаете, что это все очень сложно, то приходите к нам 29 сентября на открытую онлайн-встречу «Машинное обучение: когда статистики недостаточно» с Владимиром Шитовым. На вебинаре мы поможем загореться ИИ-тематикой. Записаться и оставить свой вопрос можно прямо сейчас через форму
Подробности о программе вебинара и бонусах скоро расскажем!
#бластим_технологии
3👍14❤8🥰3
10 лет назад сооснователи Бластима Юра и Вита первыми в России придумали курс по анализу данных секвенирования нового поколения — и он стал легендой
Приходите к нам и сами зацените, нравится ли вам мир машинного и глубокого обучения, а также узнайте, как применять ML-тулы в своих исследованиях. Возможно, вы даже решитесь перейти в сферу ИИ в биологии, чтобы найти работу по душе и на удаленке: ссылка
Please open Telegram to view this post
VIEW IN TELEGRAM
👍15❤14🔥7😁2🤣2😍1💯1
Билл Гейтс бросил Гарвард.
Марк Цукерберг бросил Гарвард.
Илон Маск бросил Стэнфорд.
And all that jazz.
«Бросил учебу, потому что это неважно» — такой популярный вывод искажает реальность. Будущие миллиардеры не отказывались от обучения как такового. Они выбирали другие формы получения знаний для решения конкретных практических задач — через эксперименты и самостоятельный поиск наставников. Такой вот перенос учебного процесса из академической среды в реальный мир.
А может просто «идти и делать»?
⚙️ Да, действие — это основной элемент успеха. Но чтобы достигать результатов, нужно понимать мир, в который вы стремитесь. Обучение позволяет не просто делать, а делать эффективно.
🔗 Еще учеба — это и про возможность наводить полезные мосты. Не зря известные новаторы часто встречали будущих сооснователей компаний на заре юности за соседней партой.
А там уже можно и бросать универ, когда понимаешь, с кем, как и в каком направлении развиваться.
Марк Цукерберг бросил Гарвард.
Илон Маск бросил Стэнфорд.
And all that jazz.
«Бросил учебу, потому что это неважно» — такой популярный вывод искажает реальность. Будущие миллиардеры не отказывались от обучения как такового. Они выбирали другие формы получения знаний для решения конкретных практических задач — через эксперименты и самостоятельный поиск наставников. Такой вот перенос учебного процесса из академической среды в реальный мир.
А может просто «идти и делать»?
А там уже можно и бросать универ, когда понимаешь, с кем, как и в каком направлении развиваться.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤16💯11👍7⚡1🤩1👌1
LinkedIn — это удобный источник контактов для развития карьеры. Но многие допускают одну и ту же ошибку: лишь перечисляют места учебы, работы, курсы и дипломы с «Русского медвежонка». Хорошо, но не вау. Опытным эйчарам важнее не то, сколько у кого сертификатов, а какие задачи кандидат выполнял на разных этапах карьеры.
Профиль/CV должны четко показывать:
Please open Telegram to view this post
VIEW IN TELEGRAM
👍16❤12🔥4👏1👌1💯1
Прежде чем записаться на очередной курс, подумайте:
При выборе курсов также важно убедиться в релевантности их содержания, квалификации преподавателей, и найти отзывы тех, кто уже отучился. Так вы будете уверены, что полученные знания точно помогут вам в работе. Мы в Бластим, кстати, очень гордимся нашими программами, преподавателями и результатами студентов.
И не забывайте: курсы в «живом» формате — будь то онлайн или очно — это тоже ресурс для нетворкинга. На них приходят «все свои»: потенциальные коллеги и работодатели. Никогда не угадаешь, какое знакомство откроет двери в мир неожиданных карьерных перспектив. Лекции в записи не дают таких возможностей.
#выходные_у_бластим
Please open Telegram to view this post
VIEW IN TELEGRAM
👍18💯8❤7❤🔥1⚡1😁1🤩1
Как найти общий язык с трудными подростками данными?
Расскажем на долгожданном открытом вебинаре Blastim «Машинное обучение: когда статистики недостаточно»!
Уже 29 сентября в 11:00 мск мы погрузимся в мир больших данных и поймем, где пределытерпения традиционных методов статистики и как вообще работать с трудными данными. На вебинаре вы узнаете, как использовать мощные инструменты машинленинга для обработки мультимодальных биологических датасетов, а также получите комплексное представление о самых передовых технологиях, которые на наших глазах преображают биоинформатику.
Итак, в программе:
☺️ Почему мы уважаем статистику и какие знания добыли благодаря ей
🥲 Когда статистика ломается: нелинейности, большие и странные данные
😎 Машинное обучение спешит на помощь: подходы, достижения и проблемы
Кому пригодится? Для всех, кто интересуется биоинформатикой, ML в биологии, будь то студенты, исследователи или энтузиасты, желающие поговорить о мире датасайенс
Спикер: Владимир Шитов, человек наук, специалист по разработке методов анализа single-cell данных 🤘
Записаться и оставить свой вопрос тут: ССЫЛКА
Расскажем на долгожданном открытом вебинаре Blastim «Машинное обучение: когда статистики недостаточно»!
Уже 29 сентября в 11:00 мск мы погрузимся в мир больших данных и поймем, где пределы
Итак, в программе:
☺️ Почему мы уважаем статистику и какие знания добыли благодаря ей
🥲 Когда статистика ломается: нелинейности, большие и странные данные
😎 Машинное обучение спешит на помощь: подходы, достижения и проблемы
Кому пригодится? Для всех, кто интересуется биоинформатикой, ML в биологии, будь то студенты, исследователи или энтузиасты, желающие поговорить о мире датасайенс
Спикер: Владимир Шитов, человек наук, специалист по разработке методов анализа single-cell данных 🤘
Записаться и оставить свой вопрос тут: ССЫЛКА
❤11👍6⚡4🔥2🤩1👌1💯1
Осень — это время, когда хочется завернуться в тёплый плед, налить себе чашечку какао и думать о ней… о статистике!
Мы составили список научно-популярных книг для уютного чтения:
🤥 Даррелл Хафф — «Как лгать при помощи статистики»
Классика жанра: эта научно-популярная книга, написанная 70 лет назад, остаётся актуальной и по сей день. Хафф рассказывает, как легко можно манипулировать данными и вводить в заблуждение.
☕️ Дэвид Салсбург — «Леди, пробующая чай: как статистика произвела революцию в науке в двадцатом веке»
Интересные истории: в книге рассказывается о людях, сыгравших ключевую роль в революции статистики, таких как биологи Рональд Фишер и Карл Пирсон, например.
🤞 Нейт Сильвер — «Сигнал и шум. Почему одни прогнозы сбываются, а другие — нет»
Понимание вероятности: Сильвер объясняет, как наше ограниченное понимание вероятности и неопределённости влияет на ошибочные прогнозы.
😦 Бен Голдакр — «Bad Science» и «Bad Pharma»
Критика: Голдакр упрекает нечестных учёных и СМИ за искажения доказательств и распространение заблуждений.
🎲 Нассим Талеб — «Одураченные случайностью»
О случайности: Талеб размышляет о том, как недооценивание роли случайности в нашей жизни влияет на наши решения и восприятие мира.
А если статистика вам не шутка какая-то, ждем на курсе «Статистика, R и анализ данных». Разберемся на практике, как осмысленно использовать статистику для работы и написания научных статей или диссертаций.
🔥 Напоминаем: до начала курса осталось чуть больше месяца. А это значит, что совсем скоро, 28 сентября, произойдет повышение стоимости курса. Успейте зарегистрироваться по выгодной цене: https://u.to/pN7jIA
Мы составили список научно-популярных книг для уютного чтения:
Классика жанра: эта научно-популярная книга, написанная 70 лет назад, остаётся актуальной и по сей день. Хафф рассказывает, как легко можно манипулировать данными и вводить в заблуждение.
Интересные истории: в книге рассказывается о людях, сыгравших ключевую роль в революции статистики, таких как биологи Рональд Фишер и Карл Пирсон, например.
Понимание вероятности: Сильвер объясняет, как наше ограниченное понимание вероятности и неопределённости влияет на ошибочные прогнозы.
Критика: Голдакр упрекает нечестных учёных и СМИ за искажения доказательств и распространение заблуждений.
О случайности: Талеб размышляет о том, как недооценивание роли случайности в нашей жизни влияет на наши решения и восприятие мира.
А если статистика вам не шутка какая-то, ждем на курсе «Статистика, R и анализ данных». Разберемся на практике, как осмысленно использовать статистику для работы и написания научных статей или диссертаций.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤20🔥10🎉6👍2⚡1💯1