¿Cómo debe un estudiante universitario explorar el campo de la biología computacional y el aprendizaje automático?

Como mis intereses son similares, creo que le daré algunos consejos iniciales. Déjame decirte que soy un estudiante universitario de biotecnología y sigo persiguiendo mis intereses.

-> Tomas cualquier aplicación de informática en biología, primero hablan de bases de datos. Entonces, mi primera sugerencia es familiarizarse con SQL y PHP. Trabaja en cómo mantener y buscar en las bases de datos. Viene a la mano.

-> El siguiente campo importante es la programación central (algoritmos). Si usted es un estudiante universitario en biotecnología, no se le enseñará programación, ya que ellos enseñan a la gente de informática. Comience por aprender Python (Udacity ofrece introducción al curso de ciencias de la computación. Enseña conceptos básicos de programación de computadoras y le presenta Python)

-> Una vez que esté seguro, comience a practicar problemas en este sitio web – ROSALIND | Problemas | Ubicaciones Estos son una muy buena colección de problemas relacionados con la programación aplicada a la biología (también puedes aprender algunas cosas relacionadas con la biología). Póngase en contacto con sus amigos si tiene algún problema. Estoy seguro de que estarán encantados de ayudarte (Mis amigos lo hicieron).

-> Existe un examen de certificación a nivel nacional especialmente para personas interesadas en Bioinformática. Si está interesado, puede solicitarlo en el futuro – sitio web – sitio BTISNet – Esta prueba tiene la codificación como una de las rondas. Así que prepárate bien. Con esta certificación, podrá solicitar un doctorado directamente, en el campo de la bioinformática.

-> Si existe la posibilidad, intente trabajar en un proyecto de biología computacional, como el diseño de medicamentos. Si no, al menos familiarícese con los softwares como Autodock (esto está escrito en python), Chemsketch, OpenBabel, Chimera y algunos otros softwares. Solo intenta jugar para que entiendas los formatos de los archivos de entrada. Esto es necesario si desea desarrollar programas en el futuro. También puede contribuir a algunos proyectos de código abierto en Github. Tienen algunos relacionados con la neurociencia (intenté esto, pero no me parece lo suficientemente interesante como para continuar).

-> Ahora viene al aprendizaje automático. Antes de saltar al aprendizaje automático, familiarícese mejor con los conceptos básicos de Data Science. De nuevo, Udacity ofrece un curso gratuito llamado Introducción a la ciencia de datos. Con esto comprenderá los conceptos básicos de la ciencia de datos y se sentirá cómodo cuando comience con el aprendizaje automático (no es completamente necesario, pero sí será mejor si lo hiciera).

-> Ahora el aprendizaje automático es bastante grande y estoy explorando este campo actualmente. Así que no puedo decir cómo proceder en esto, pero un comienzo será a través de los cursos ofrecidos por Udacity y Coursera (actualmente estoy inscrito).

Publicaré las actualizaciones si me encuentro con las aplicaciones de Machine Learning en biología. Hasta entonces ers