Бластим: курсы и работа в биотехе

😍 Поженить биологию и айти На Бластим мы тоже учим передовым Эй-Ай технологиям. Но мы не советуем ботать машинное и глубокое обучение просто так, а предлагаем осваивать «эмель» конкретно для биологии и биоинфы. Уже через неделю стартует наш курс «Машинное обучение на Python для решения биоинформатических задач», где мы собрали всё, что нужно для естественников и не только: интересно и полезно будет и айтишникам, жаждущим повариться в биотехе. Но почему? Потому что с помощью кода на Python мы будем практиковать универсальные навыки на задачах с жизненно-важным значением. Например, научимся: 💅 определять уровень гемоглобина в крови по цвету ногтей на фото 🦞 детектировать рак по cell-free RNA 🧬 деконволировать bulk RNA-seq данные здоровых тканей и опухолей 🐥 определять птиц по фото: для этого даже напишем TG-бота! Изученные пайплайны дадут возможность адаптировать их под проекты ведущих универов и компаний, поэтому натренировавшись на курсе, вы сможете эффективно применять полученные скилы в реальной работе и расширять свои карьерные перспективы 🏛🎓🤑

🤩 Нобеля забрал ИИ. Как жить дальше? Тред Вчера Джеффри Хинтон получил Нобелевскую премию по физике! Хинтон — компьютер сайентист, его называют крестным отцом современного искусственного интеллекта. Профессор изучал глубокие нейросети еще в прошлом веке, когда в мире ИИ царила 🥶 зима: не было ни удобных библиотек, ни GPU-мощностей, ни больших данных. А еще Джеффри — учитель Ильи Суцкевера, ученого с российскими корнями, первой скрипки в создании ChatGPT. 🥇Премия Хинтону могла бы стать самым высоким признанием невероятного прогресса искусственного интеллекта в науке, если бы сегодня не стало известно, что Нобелевскую премию по химии тоже вручили за ИИ! Награду присудили Дэвиду Бейкеру и исследователям Google DeepMind Дэмису Хассабису и Джону Джамперу. Пионер белкового дизайна Дэвид Бейкер работает над нейросетями, которые позволяют дизайнерить белки по хотелкам ученым. Например, новые ферменты, разлагающие пластик. Дипмайндовцы же создали инструмент AlphaFold, решивший проблему фолдинга белков, над которой бились более полувека. ❓ Ну какие после такого нужны еще тайные знаки, что пора обратить взор на ИИ?

☀️ Жить в окружении моря и гор и заниматься любимым делом! Центр инновационного развития России «Сириус» приглашает специалистов в области молекулярной биологии, генной инженерии и клеточной биологии присоединиться к проекту «Генная и клеточная терапия». Ваша работа будет связана с разработкой лекарственных препаратов и технологий лечения онкологических и наследственных заболеваний. Подробнее о научной работе Центра «Сириус» можно почитать по ссылке 🔧 Задачи: ▫️ исследовательская работа по одному из направлений: невирусные системы доставки, генная терапия, мРНК вакцины ▫️подготовка научных публикаций, отчетов по грантам, патентных заявок ▫️научное руководство над проектами студентов 👩‍🔬 Требования: 🔹кандидатская степень в области естественных наук или медицины: молекулярная биология, генетика, биохимия, цитология, биотехнология, биоинженерия 🔹опыт работы в лаборатории или в биотех-компании от 3 лет 🔹кандидат должен владеть/иметь опыт одной или несколькими компетенциями, перечисленными ниже: — знание и использование современных методов молекулярного клонирования, создание плазмид и библиотек генов — опыт работы с клетками эукариот: ведение клеточных культур, трансфекция, получение нокаутных клеточных линий с помощью системы CRISPR/Cas, получение репортерных и стабильных клеточных линий продуцентов, получение ИПСК, их дифференцировка и использование в качестве in vitro модели заболевания — опыт работы с вирусными векторами: наработка рекомбинантных вирусных векторов, их очистка, оценка титра, проведение трансдукции — навыки в области аналитики РНК и липидных наночастиц — навыки в области молекулярно-генетических исследований, направленных на оценку экспрессии генов — владение методами хроматографической очистки биомолекул: нуклеиновых кислот, белков — наличие научных публикаций, патентов — знание ПК и специальных программ (GraphPad Prism, Statistica, SnapGene) — опыт ведения научных проектов, написания статей, грантов, патентов, оформления отчетов 📍 Что предлагают: ▫️официальное трудоустройство ▫️проживание в комфортабельных отелях и апартаментах сети Sirius Hotels у моря ▫️служебный транспорт ▫️льготы в детском саду и Лицее «Сириус» ▫️скидки на медицинские услуги ▫️корпоративные спортивные и культурные мероприятия ➡️ Узнать подробности и откликнуться на сайте: https://blastim.ru/job/5666/ #бластим_вакансии

🧨 Не новость, а динамит! Кто стал лауреатом самой престижной премии в мире науки? Бластим узнал раньше всех Барабанная дробь! Представляем список победителей «Бластеровской» премии этого года за самые «взрывные и выстреливающие» курсы: ⚛️ Премию по физике получает Иван Поздняков за космический вебинар «Введение в статистику, R и анализ данных с Blastim», который поможет залатать чёрные дыры незнания статистики с помощью оптического пинцета кода на R быстрее скорости света. Лекция лауреата состоится: 13 октября 11:00 мск Ссылка: u.to/Q1HuIA 🐁 Премия по физиологии и медицине присуждается Владимиру Шитову и Александру Декану за курс по машинному обучению на Python, который дарит возможность глубоко разобраться с применением ML-алгоритмов в жизненно важных задачах биологии и биоинформатики, включая анализ транскриптомных данных на примерах из области онкологии. Дата начала мероприятия: 15 октября Ссылка: u.to/YFHuIA 💰 Премия по экономике снова уходит к Ивану Позднякову за курс по статистике и R, который позволяет достичь великолепных результатов в датасайенс и программировании на R и тем самым открыть первоклассные карьерные возможности с высокой заработной платой. Дата начала мероприятия: 28 октября Ссылка: u.to/T1HuIA 🕊 Премия мира вручается Вите Степановой и потрясающей команде экспертов за курс «Карьера в науке и не только», который разрушает все препятствия на пути к успешной карьере ученого в России или в любой точке планеты. Дата начала мероприятия: 18 ноября Ссылка: u.to/slPuIA 🪶 Премией по литературе по праву награждается Дмитрий Безжовчий за курс «Ученый Будущего», который обучает использовать ChatGPT и другие генеративные модели в своей работе вплоть до написания научных публикаций в лучших традициях академического стиля. Дата начала мероприятия: 3 декабря Ссылка: u.to/OVHuIA #бластим_дайджест

🚀 Неужели люди из айти уходят в фарму и биотех? Если вы смотрели фильм Дудя «Как устроена IT-столица мира» про Кремниевую долину, то наверняка помните Андрея Дороничева. Айтишник из Медведково устроился в Google и поднял с нуля мобильную платформу Ютуба, в которую никто не верил 📱 🤖 В 2021 году после 13 лет работы, Дороничев ушел из компании. Он учредил свой стартап Optic и занялся модным ИИ-ресечем. Совместно с кофаундерами Дороничев стал делать продукт по распознаванию поддельного цифрового искусства, а потом детектор фейков, сгенерированных нейросетями, типа папы римского в белом пуховике Balenciaga. 💊 А что сейчас? Недавно Дороничев «заразился» биотехом! Его стартап добавил в название приставку «Bio», превратившись в bioptic.io, и теперь занимается виртуальным скринингом новых лекарств с помощью глубинного обучения. Сам Дороничев берет уроки химии и биологии и тусуется с учеными в лабах и на конференциях. Конечная цель — найти препараты от рака или Паркинсона. Всего за год команда Дороничева натренировала такие нейронки, что уже выиграла несколько соревнований, начала сотрудничество с ведущими научными группами по драг дизайну, а ряд предсказанных стартапом молекул показал эффективность в лабораторных тестах. Андрей уверен, что скоро на полках аптек появится первое ИИ-сгенерированное лекарство. 🌱 Да, уже айтишники поняли, что биотех — непаханое поле, за ним будущее, и поэтому надо осваивать ИИ в приложении к биомедицине и био/хемоинформатике. А людям с естественным бэкграундом — наоборот, подтягивать программирование и погружаться в машинное обучение, которые ворвались в науку и индустрию и меняют их. 🤩 Скажем честно, Бластиму история Дороничева знакома далеко не понаслышке. Дело в том, что мы помогали компании Дороничева с подбором экспертов, а наш добрый друг и препод курса «Ученый будущего» Андрей Афанасьев и вовсе выступает в качестве консультанта по индустрии в bioptic. Так что Бластим — это не только обучение передовым Эй-Ай технологиям в биологии, но и, возможно, ваш шанс влиться в тусовку в Silicon Valley ✌️ #про_карьеру_по_субботам

Мне помогли полюбить программирование, вот это самое важное

💖 Для Бластим нет большего счастья, чем отзывы выпускников наших курсов, которые не просто получают ценные профнавыки, но и проникаются темой, и им нравится! В видео сегодня: рассказы студентов прошлого потока «Статистики, R и анализа данных» Этот курс, созданный яркой междисциплинарной командой преподавателей, подходит буквально для всех: от экологов и клиницистов до психологов и HR-аналитиков. Богатый тулкит по R дает невероятную свободу действий и позволяет закрыть многие потребности в науке и за ее пределами. После обучения вы сможете эффективно планировать эксперименты, самостоятельно проводить анализ данных от «А» до «Я», адекватно интерпретировать результаты и наглядно отрисовывать графики 🔝 Новый поток стартует уже 28 октября: будем и оффлайн в Москве, и онлайн из любой точки мира. Самое время забронировать место: u.to/KwDrIA ✨ Приходите, и вы тоже влюбитесь в R и поймаете датасаентистский вайб!

За птицами на юг 🐥 Центр генетики и наук о жизни НТУ «Сириус» приглашает молекулярного или клеточного биолога, иммунолога или биохимика для работы над проектами по изучению старения иммунной системы, клеточной сенесценции и разработки животных моделей для биомедицины. Исследования поддерживаются грантами Минобрнауки и Федеральной территории «Сириус». Команда под руководством академика С.А. Недоспасова включает опытных ученых, аспирантов и студентов. Вам предстоит участвовать в исследованиях, образовательных мероприятиях, а также курировать студенческие проекты. Приветствуется написание заявок на внешние гранты. Требования: 🧑‍🔬 Опыт в экспериментальной клеточной биологии и иммунологии 🧑‍🎓 Ученая степень 🗞 Наличие публикаций 🙋 Опыт работы со студентами 🇬🇧 Уровень английского от Upper-Intermediate Условия: 💰 Зарплата от 100 тыс. руб. 💼 Официальное трудоустройство на полную ставку 🏠 Служебное жильё 📚 Обучение детей в школах и детском саду Федеральной территории «Сириус» ☀️ Работа на берегу моря Резюме со списком публикаций и контактами рекомендателей отправляйте на указанный здесь адрес: https://blastim.ru/job/5738/ #бластим_вакансии

— Sasha Ilyin, Vova Shitov, Sasha Dekan — Почему транслитом? — Не перевелись богатыри! 🌟 Друзья, спешим познакомить вас со звездным составом преподавателей нашего курса по машинному обучению на питоне (ссылка на программу). Мы собрали трех богатырей из сферы ИИ в биологии, читайте о них на карточках. Если уж всерьез учиться ML, то у наиболее грамотных и прошаренных биоинформатиков — на Бластим! P.S. А еще мы взяли интервью у Владимира Шитова и спросили, как он стал таким крутым биоинформатиком и смог попасть на PhD в Германию в лабу мирового уровня. Материал уже в нашем секретном чате. А как попасть в чат, вы можете узнать из предыдущего поста 😘

СПЕШЛ ФО Ю Решили перейти в сухую биологию? Уже попробовали кодить на Python? И даже подписались на тематические телеграм-каналы? Смотрите наши подборки вакансий, но всё равно точно не знаете, с чего начать, куда пойти, куда податься? ❓Команда Бластим решила помочь ответить на наиболее насущные вопросы. 🤫 Мы создали закрытый чат, где делимся секретной информацией о том, как взять и продвинуться в своей биоинформатической карьере. Всё, что необходимо, теперь в чатике и на порядок концентрированнее, чем на канале. Например, мы поделимся:   🤩 интервью со звездами о карьере в биотехе и трендах рынка 🔍 списком компаний, за которыми стоит следить биоинформатикам-питонистам, ищущим амбициозные проекты 🔥 подборками горячих вакансий, такими что не публикуются на blastim.ru ✈️ алгоритмами развития софт скиллов и поступления на PhD за рубежом 💰 инсайтами из нашего свежего обзора зарплат, который еще никто не видел ‼️UPD Друзья, если хотите получить ссылку, то пишите в личные сообщения: @anamur_blastim А также делитесь этим постом и зовите в чат друзей и коллег! Make Bioinformatics Great Again!

▶️ Уважаемые коллеги, мы в эфире! Воскресный вебинар Бластима «Машинное обучение: когда статистики недостаточно» уже стартовал. Джойнтесь! ❤️ Если вы регистрировались, но по каким-то причинам не получили ссылку (иногда наши письма попадают в спам), то напишите в чат, мы оперативно поможем. ⚡ А если вы только сейчас вдруг загорелись желанием познакомиться с миром больших и сложных данных, то скорее регистрируйтесь. Ждем вас! Наш спикер крутой эмельщик Владимир Шитов поведает много интересностей и точно сделает ваш день 🍿

❓ Почему после конференций, вебинаров или даже неформальных встреч с коллегами чувствуется такой мощный заряд вдохновения? Всё дело в обратной связи и поддержке от окружающих. Когда рядом люди, разделяющие наши интересы, возникает чувство значимости, а энергия для новых начинаний буквально бьёт ключом. К сожалению, без постоянной «подпитки» этот импульс быстро угасает. То, что казалось перспективной идеей, начинает терять актуальность. Появляется ощущение, что «research gap» снова интересен только вам и не имеет смысла в глазах других. Даже если вы абсолютно влюблены в работу, всегда хочется услышать: «Ты все делаешь правильно, это круто». Внешний отклик помогает преодолеть сомнения, продолжать двигаться вперёд и не терять энтузиазм 🔝 В 2012 году Google запустил проект «Аристотель» с целью определить факторы успеха команд. Первоначально исследователи предполагали, что образование или возраст будут иметь наибольшее значение. Оказалось, что психологическая безопасность — ощущение комфорта и уверенности в общении с коллегами — важнее. Именно психологическая безопасность дает возможность свободно выражать свое мнение, рисковать и быть уязвимым без страха осуждения или несправедливого отношения. Опасения подавляют процесс генерации инновационных идей. Еще проект выявил: 🤝 Взаимодействие внутри команды превыше личных качеств и навыков 🤝 Надёжность членов команды — один из основных факторов эффективности 👍 Культура доверия, уважения и открытости, где каждый может высказаться, — признак ведущих команд Когда речь идёт о профессиональном развитии, наше окружение становится ещё значимее. Исследования подтверждают: без чувства локтя успех достигается медленнее и приносит меньше удовлетворения. 👍 В Бластим мы не только уделяем огромное внимание качеству образовательных программ, но и создаем комфортную среду для обучения. Мы стремимся найти индивидуальный подход к каждому и решаем нетривиальные организационные задачи. Наши преподаватели и технические ассистенты всегда готовы помочь с любой проблемой или поделиться вдохновляющей историей из жизни. Глупых вопросов для нас не существует. Мы никогда не оставляем студентов один на один с трудностями — будь то теоретические, практические или житейские. И даже после окончания курса! Список всех курсов можно найти здесь: https://u.to/633lIA А как вы взаимодействуете с коллегами, студентами или подчинёнными? Предоставляете ту самую поддержку для раскрытия потенциала? Или вы больше за «кнут»? Пришло время задуматься о том, как ваш фидбэк влияет на успехи других. Ставьте 🕊, если вы добрый полицейский, и 😈, если злой. #про_карьеру_по_субботам

⚡️Друзья! 🌸 Совсем недавно мы публиковали подборку вакансий для машинлернеров и биоинформатиков. Такие классные позиции с высокой зп для людей с естественнонаучным бэкграундом постоянно появляются и в России, и за рубежом. Но не все могут на них откликнуться и получить работу мечты. Почему? Потому что часто не хватает нескольких популярных аналитических навыков. Каких же? 👀 💡 Ответ ищите в видеообращении Александры из Бластима! И приходите в это воскресенье на наш бесплатный вебинар, где преподаватель Владимир Шитов познакомит с захватывающей сферой машинного обучения и объяснит на собственном опыте, как начать свой успешный путь в ней 💖

В погоне за длинным ридом 🧬 Окончательно дособирать геном человека удалось только к 2022 году. И, оказывается, этим достижением мы в какой-то мере обязаны глубокому обучению. Рассказываем, где собака зарыта 🐶 Одна из технологий секвенирования, которая помогла прочитать геном человека от теломеры до теломеры, — это продукт британской компании Oxford Nanopore. Ее относят к третьему поколению: не нужна PCR-амплификация, а прочтения очень длинные, но с ошибками. Идея применения нанопор для секвенирования ДНК зародилась еще в 1990-е, сама компания появилась в 2005 году, а первый ее коммерческий продукт только в 2014. Кстати, приложил руку к нанопорам Джордж Чёрч — тот самый гарвардский профессор, который планирует воскресить мамонта 🦣 В основе метода нанопорового секвенирования лежит белковая пора, которая вставлена в мембрану. К мембране приложена разность потенциалов, сквозь пору течет ионный ток. Когда нить нуклеиновой кислоты протягивается через пору, нуклеотиды выступают в качестве барьеров, что вызывает пикоамперные скачки тока. Они и улавливаются сенсором. Разные основания соответствуют разным уровням изменения тока, что позволяет отличать «буквы» друг от друга. Исторически за ONT закрепилась репутация технологии, допускающей очень много ошибок. Однако в настоящее время нанопоровое секвенирование невероятно эволюционировало и даже конкурирует с Illumina. Как это произошло? Оксфордцы не сидели на месте, а много совершенствовались: пробовали самые разные варианты пор, улучшали химию, и корпели над ключевым шагом — бейсколлингом. 📞 Base calling — это перевод сырых электрических сигналов (так называемых закорючек, «squiggles») в последовательность нуклеотидов. И получение fastq файлов, с которыми уже играют биоинформатики. Вроде плевое дело, но на деле — крайне нетривиальная задача. Внутри поры одномоментно находится не один нуклеотид, а несколько (примерно 5), и регистрируемый сигнал соответствует не индивидуальному основанию, а комбинации. 🤖 Сначала для бейcколлинга приспособили скрытые марковские модели (HMM) — но процент ошибок оставался высоким. А потом в мире начался расцвет нейронных сетей. И они изменили расклад. Сейчас популярные бейсколлеры построены на рекуррентных нейросетях (RNN). Эта архитектура отлично подходит для анализа данных, упорядоченных во времени. Они обрабатывают информацию последовательно и обладают памятью. Рекуррентные нейронные сети используются для распознавания речи, перевода текстов, они же господствовали в сфере обработки естественного языка до появления трансформеров (ChatGPT). Благодаря рекуррентным нейросетям удалось достичь потрясающей точности декодирования сырых сигналов нанопорового секвенатора. Конечно, такая точность не всегда возможна, и результат зависит от обучающей выборки. Под специфические задачи независимые исследователи тренируют собственные бейсколлеры. 🐿 Сегодня длинные нанопоровые риды применяются для сборки больших геномов с повторами, прямого чтения РНК, прямой детекции модифицированных нуклеотидов в эпигеномике и эпитранскриптомике и многого другого. А еще ONT врывается в протеомику: методы секвенирование белков и определение посттрансляционных модификаций с помощью нанопор — уже реальность! Хотя эта вычислительная задача еще труднее, ведь искусственному интеллекту нужно научиться различать не 4, а 20 букв. 🚀 Конечно, пример с нанопоровым секвенированием — это только верхушка айсберга того, как машинленинг меняет современную биоинформатику. Больше — у нас на курсах! #бластим_технологии

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

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 пределы терпения 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

🌡 Дополнительное образование — это только инструмент для расширения компетенций. Наличие «корочки» не дает ничего, если за ней не стоит навык решения вопросов. Ни один курс не обеспечит работу мечты. Даже если он будет сотый по счету. Диалектика здесь сломалась, и количество не перейдет в качество, к сожалению. Прежде чем записаться на очередной курс, подумайте: 🔴 Для чего мне это нужно? 🔴 Какие навыки я получу? 🔴 Как они помогут достичь моих целей? 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. ✨ Удача — это же только «вопрос постоянной готовности использовать случай»? #выходные_у_бластим

🙁 Конечно, в престижных заведениях проще познакомиться с «нужными» людьми. Но если вы не из Гарварда, это не значит, что на карьере крест. Также как и обучение там не путёвка в успешный успех. Сейчас самые доступные площадки для полезных знакомств — социальные сети. 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: 🥇 Задания, которые вам поручали 🥈 Какие методы использовались, чтобы справиться с обязанностями 🥉 Достигнутые результаты

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.

💥 Как «NGS», только еще современнее 10 лет назад сооснователи Бластима Юра и Вита первыми в России придумали курс по анализу данных секвенирования нового поколения — и он стал легендой 💫 Этот курс любят, потому что на него можно прийти и удобно разобраться сразу во всех направлениях NGS, а дальше углубляться в любую сферу на ваш вкус. Безусловно, этот курс и сейчас остается блокбастером, потому что мы постоянно совершенствуем и дополняем программу. Однако новинок в биоинфе так много, что в одном курсе объять необъятное невозможно. Бластим решил сделать отпочкование от NGS и создал яркую программу по машинному обучению для биологии. 🤖 Мы считаем, что получилась лучшая выжимка всего того, что необходимо и достаточно знать по ML на ближайшие годы. Курс — оптимальное вложение для специалистов наук о жизни, которые хотят сориентироваться, что вообще происходило за последнее время и какие тулы можно интегрировать в свою науку. Наша миссия — дать вам всеобъемлющий апдейт. На практике. Без перегруза! 🐍 На курсе вы получите мощный буст по питону — языку, который популярен везде от геймдева до финансов, а теперь и науки! Начнем, как водится, с начала: numpy, pandas, OOP, sklearn, pytorch… Весь инструментарий сам по себе сделает вас конкурентоспособнее, но главное, что он позволит обучать свои первые ML-модели. На занятиях преподаватели разберут по косточкам знакомые многим логрег или k-NN и дойдут до сверточных нейросеток, автоэнкодеров и трансформеров. После обучения у вас в руках будут четкие рецепты, как готовить датасеты, как настраивать гиперпараметры, как оценивать качество, а блокноты Jupyter и видеозаписи лекций останутся бессрочно для повторения и адаптации кода под ваши нужды. Учиться будем на настоящих проектах из биологии и биоинформатики. 📎Что за проекты такие? Мы приготовили много релевантных кейсов, которые украсят ваше портфолио. Классификация клеточных типов на основе данных sc RNA-seq, детекция рака по cell-free RNA опухоли или деконволюция bulk RNA-seq данных. Как вам? Кстати, на занятиях вы сможете серьезно прокачаться в транскриптомике — одной из самых передовых областей в плане ML. Да, заодно построим и пресловутые t-SNE, UMAP 🎨 💻 А если я итак из айти и уже приличный «программарь»? То наш курс — отличный шанс войти в биологию. Биотех сегодня в тренде: топовые разработчики из Кремниевой долины бросают свои дела и открывают стартапы для генерации лекарств с помощью нейросетей. IT-гиганты предоставляют свои вычислительные мощности для лайфсайенс. Ученые из Google DeepMind создали AlphaFold, который революционизировал структурную биологию. OpenAI (😱кстати, наш преподаватель там работал, почитайте на сайте!) уже сотрудничает с Moderna в разработке mRNA-препаратов. А Марк Цукерберг намедни запустил амбициозный проект по созданию виртуальной модели клетки с помощью ИИ! 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 🤝

☕️ 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: это ты... 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