پروژههای جامع و بهینه با آموزش های Data Carpentry

بدون ديدگاه

شاید خیلی از شما امروز درحال برنامه‌ریزی برای انجام یه پروژه جدید باشید و شاید خیلی از شما از خودتون بپرسید، می‌خوام بدونم بروزترین تحقیقاتی که داره انجام می‌شه در دنیا چیه و مطابق با اون عمل بکنم. ممکنه خیلی از شما درحال برنامه‌ریزی برای پروژه های فوق یا دکتری خودتون هستید و با کمبود بودجه مواجه اید. حتی شاید بعضی از شما این دلیل بخش محاسباتی را در کار خودتون بگنجونید که کمی از هزینه‌ها ششتون کم کنید و شاید در این فکر هستید که آیا قسمت محاسباتی میتونه باری به مطالعهی شما اضافه بکنه؟

 خبر خوش اینه که دنیای علم امروز، دنیای علم داده است. امروز بیشترین بودجه‌های تحقیقاتی در پیشرفته‌ترین کشورهای دنیا به پروژه‌هایی تعلق می‌گیره که در اون‌ها تجزیه و تحلیل داده‌ها قبل از حتی نگاری پروپوزال جایگاه ویژه ای رو داره و حرف اول رو می‌زنه! خب، مسلماً باورش سخته چون ما با این روش آشنا نبودیم و فکر می‌کنیم که حتماً باید کار توی آزمایشگاه وجود داشته باشه تا مطالعه‌ای مطالعه خوبی از آب دربیاد. اما، امروز بودجه‌های باورنکردنی به پروژه‌های محاسباتی اختصاص داده می‌شه. به جرات می‌شه گفت پروژه‌هایی که براساس تجزیه و تحلیل داده هستند و اصطلاحاً به آن‌ها پروژه‌های متا آنالیز گفته می‌شه، طی پنج سال آینده به مهم‌ترین پروژه‌ها تبدیل می‌شن و طبعاً دیتا آنالیزورها و افرادی که با داده سروکار دارند، مثل کسانی که روی انفورماتیک کار می کنند یا افرادی که با برنامه نویسی آشنایی دارند و توانایی ایجاد و مدیریت پژوهش های حجیم را با داده‌های زیاد دارند، افرادی هستند که در صدر انتخابها برای مشاغل قرار می‌گیرند. نه تنها در کشورهای مختلف و پیشرفته، بلکه در کشور خودمون، ایران، هم طی چند سال آینده تجزیه و تحلیل داده به مهم‌ترین بحث تحقیقاتی ما تبدیل می‌شه. مطمئنم خیلی از شما وقتی در حال انجام پروژه های خودتون بودین از هم‌دیگه پرسیدید، حالا برای تجزیه‌وتحلیل آماری داده‌های این پروژه باید چی‌کار کنیم؟ از چه نرم‌افزاری استفاده کنیم؟ سراغ SPSS یا نرم‌افزارهای ساده‌تری رفتید که گراف‌های بهتری بهتون می‌ده؟

اگر بدونید که شما می‌تونید تبدیل به فردی بشید که داده‌های مربوط به دیتابیس های دارویی رو بررسی می‌کنه و قدم بعدی پروژه پژوهشی رو برای یک گروه تحقیقاتی داروسازی مشخص می‌کنه یا حتی می‌تونید یکی از مهم‌ترین افرادی باشید که به دلیل داشتن توانایی تجزیه و تحلیل داده‌های موجود در دیتابیس ها و یا مقالات و استخراج گزارشهای ارزشمند به‌عنوان مشاور پروژه یا پیشنهاد دهنده پروژه و نشان‌دهنده مسیر اصلی پروژه های بعدی در زمینه بیماری مثل سرطان سرطان از مهارتش استفاده میشه.

بی شک، قدم بعدی در زمینه علوم و بخصوص در علوم زیستی و پزشکی قدم بعدی بیوانفورماتیک افرادی هستند که می‌تونن با استفاده از روش‌هایی مثل classification، استفاده از Machine Learning و Deep Learning تجزیه و تحلیل داده‌های حجیم و تجزیه و تحلیل‌های آماری پیشرفته قبل از ورود به آزمایشگاه، یک برآورد کلی از جامعه تحقیقاتی بکنه و همین باعث می‌شه تا چند سال آینده مقالاتی که بدون تجزیه و تحلیل اولیه ارائه می‌شود فاقد سندیت باشد ترجیح شما چیه آیا دوست دارید اینو یاد بگیرید؟

در ادامه این مطلب را بخوانید:

دوره آموزشی Data Carpentry Genomics

چطور مقاله های داده های حجیم رو تعریف و مدیریت کنم؟

نوشتن دیدگاه

نشانی ایمیل شما منتشر نخواهد شد.

یک × یک =