چطوری جایزه نوبل ببریم؟



اولش که این نوشته رو دیدم یکم تعجب کردم، اما اعداد و ارقام واقعا با آدم حرف‌های دیگه‌ای میزنن.



متن جالبیه و توصیه میکنم فرصت داشتین حتما مطالعه‌اش کنین



https://www.nature.com/immersive/d41586-024-02897-2/index.html

یه نکته کاربردی برای افرادی که دوست دارن یکی از مهارت‌های مهم توی رزومه‌شون، R یا پایتون باشه


برای اینکه توی برنامه نویسی علمی خیلی خیلی قوی بشین و حرف برای گفتن داشته باشین، یه تمرین خیلی خوب بعد از اینکه به کلیات اون زبان مسلط شدین و پروژه‌های مختلفی هم انجام دادین، مطالعه و آنالیز سورس کد پکیج‌ها و کتابخانه‌های اون زبان هست.


مثلا اگه از یه پکیج به خصوص برای آنالیز داده‌های بیولوژیکی استفاده می‌کنین، سورس کد پکیج رو دانلود کنین و یکی یکی فایل‌هاشو باز کنین. ببینین هر کدوم از توابع چطوری نوشته شدن و برای پردازش داده‌ها، از چه محاسباتی استفاده می‌کنن.


✅ اولش سخته، خیلی هم مبهمه. از چت جی پی تی برای درک توابع اون پکیج حتما کمک بگیرین. اما یه پکیج رو اینطوری آنالیز کنین، اثرش رو توی پختگی ذهنی پیرامون اون مسئله میبینید.




اگه نمی‌دونی R چقدر مهمه اینجا رو بخون

اگه هنوز یادگیری R رو شروع نکردی اینجا کلیک کن

اگه به مطالعات و آنالیز داده‌های میکروبیوم علاقه دارین، یه برنامه آنلاین معتبر توسط Institute for Systems Biology در حال برگزاری هست. از طریق این سایت می‌تونین برنامه رو دنبال کنید. توی کانال یوتیوبشونم بازپخششو میذارن 👇


https://isbscience.org/microbiome2024/

مقاله خوبیه

من رفرنس جدید و خوب برای کارم پیدا می‌کنم (چه کتاب چه مقاله)، عین این بچه‌هایی که براشون قاقالی خریدن وحشتناک ذوق می‌کنم 😂 این عادی نیست!

مقاله جالب و مفید


https://www.nature.com/articles/s41592-024-02212-x#Sec2

خب بعد از گذشت ۷۰ ساعت، پادکست جدیدی که ضبط کردیم ۷۵ درصدش توی یوتیوب آپلود شده (😂 خنده‌های خیلی هیستریک 😂)



امیدوارم تا آخر شب تموم شه آپلودش...



اپیزود جذابیه و یه مهمان ویژه هم داریم، حتما مشاهده اش کنین

یه لایو خوب توسط EMBL در حال برگزاریه. از طریق لینکدین می‌تونین جوین شین. دکمه رجیستر رو بزنین و با اکانت لینکدینتون وارد لایو بشین:


https://www.linkedin.com/events/7250086710863097858/comments/

خب بالاخره آپلود شد. از طریق این لینک می‌تونید این قسمت رو مشاهده کنید:

https://www.youtube.com/watch?v=MTCwoUgfopI

۷ نکته مهم برای علاقمندان R که دوست دارن قوی‌تر بشن



https://mehrdadameri.com/7-important-tips-for-improving-r-programming-skills/

نسخه فارسیش 👇



https://mehrdadameri.ir/7-%d9%86%da%a9%d8%aa%d9%87-%d9%85%d9%87%d9%85-%d8%a8%d8%b1%d8%a7%db%8c-%d8%a7%d8%b1%d8%aa%d9%82%d8%a7-%d9%85%d9%87%d8%a7%d8%b1%d8%aa-%d9%87%d8%a7%db%8c-%d8%a8%d8%b1%d9%86%d8%a7%d9%85%d9%87-%d9%86/

انقدر ذهنم آشفته و خسته کار هست این روزا، هر شب یه خواب عجیب میبینم



دیشب خواب دیدم با ترامپ داشتیم دور دور میکردیم



بعد یه جاهایش پول همراهش نبود دستی ازم قرض کرد



جدی یه سفر نیاز دارم...

یکی از فیلدهای بین‌رشته‌ای خیلی مهم که اکثر رشته‌های دانشگاهی یه جورایی میتونن بهش مرتبط بشن و مطالعاتی رو انجام بدن، Cognitive Science یا علوم شناختیه



برای افرادی که جدی و متمرکز هوش مصنوعی کار میکنن، مطالعه Cognitive Science خیلی میتونه مفید باشه و سایر رشته‌ها هم بسته به استراتژی خودشون میتونن ازش بهره بگیرن




حتی با هدف مطالعه آزاد و تقویت دانش کلی پیرامون مغز، میشه شروعش کرد و منابع جذابی براش وجود دارن




احتمالا به زودی و در طی چند سال پیش‌‌رو، خیلی خیلی بیشتر در موردش خواهید شنید و یکی از فیلدهای کلیدی در سراسر دنیا میشه

یه مسترکلاس رایگان قرار هست داشته باشیم...


به صورت آنلاین هفته ای ۱ جلسه... فعلا اندازه ۲۰ جلسه آنلاین براش محتوا در نظر گرفتیم 🙏 احتمالا بیشتر هم بشه و ماژول‌های بیشتری رو بهش اضافه کنیم اگر استقبال خوب باشه



به زودی توی اینستاگرام ویدئوی معرفیش و مسیر ثبت نامش قرار داده میشه، ممنون میشم اگر در دیده شدنش بهمون کمک کنین



تاپیکش برای اکثر رشته های علوم زیستی و پزشکی انقدر کاربردی و جذاب هست که مطمئنم به کمک خیلی ها میاد...

توضیحات در مورد مسترکلاسی که گفتم

اگه برای مقالاتتون نیاز به تصاویر رایگان جذاب دارین و Biorender هم در دسترس نیست، NIH یه عالمه تصویر گرافیکی رو رایگان منتشر کرده که از طریق لینک زیر می‌تونین بهشون دسترسی داشته باشید:


لینک تصاویر

یه کتاب هوش مصنوعی دارم میخونم، بعضی جاهای متنش انقدر سنگین نوشته شده، انگار تاریخ بیهقیه


حس میکنم نویسنده سخت‌ترین مترادف هر کلمه رو که خود خوانندگان Native هم معنیشو نمیدونن، از توی دیکشنری پیدا کرده و باهاشون جمله ساخته 😂

یکی از زیباترین بخش‌های مطالعاتی توی بیوانفورماتیک،‌ درک ساز و کار الگوریتم‌های مختلف برای انجام کارهای به خصوصه. صدها الگوریتم جذاب بیوانفورماتیکی که مدام هم به تعدادشون اضافه میشه و مغز آدم رو به درد میارن موقع مطالعه (جذابیتش در همینه که سخته 😂). اگه بدونین فقط برای Alignment کردن توالی‌‌ها، چندتا الگوریتم بیوانفورماتیکی وجود داره، مغزتون سوت میکشه. هرکدوم هم ویژگی‌های خاص خودشونو دارن.

از چند سال پیش که شروع کردم به مطالعه این الگوریتم‌ها، یه دنیای جدید پیش روم قرار گرفت و انگار در مورد هر آنالیز و کار بیوانفورماتیکی، خیلی خیلی شفاف‌تر می‌تونستم فکر کنم. البته که به واسطه گستردگی بیوانفورماتیک، منطقی نیست تمام این الگوریتم‌ها رو زیر و رو کنیم، اما بسته به فیلد کاریمون، اگه فقط چندتا از مهم‌هاشون (توی فیلدی که مشغول به کار هستیم) رو خوب مطالعه کنیم و از ساز و کارشون سر در بیاریم، متوجه میشیم چقدر در مورد یه سری چیزا اشتباه فکر می‌کردیم و باید چطور به مسائل نگاه کرد.

باگ اصلی پروژه‌های بیوانفورماتیکی که بچه‌های با بیس بیولوژی انجام میدن،‌ پیروی از یه سری پروتکل آماده بدون توجه به منطق پشتشونه. بسیار بسیار بسیار بسیار بسیار و بسیار بسیار بسیار چیزای مختلفی رو مازاد بر فقط انجام اون کار میشه مطالعه کرد. صد البته که این موضوع به خاطر تنبلی فرد نیست و خیلی‌ها دوست دارن که بخونن، اما نمی‌دونن از کجا و چطور... سعی می‌کنم براتون از ساز و کار چندتا از الگوریتم‌های مختلف هم بگم تا منطق پشتشون رو بهتر درک کنید.

دنیای جذابیه...