j*********g 发帖数: 463 | 1 送快递的看不起水管工?都是搬砖的。
很多人把华大和施一公并列,认为他们的研究都属于毫无创新的生产流水线式研究。我
觉得这是不懂基因组学和结构生物学的人才会持有的观点。基因组学(和结构生物学)
是搬砖,难道其他生物学研究就不是?难道每天分子克隆、养细胞、Western很有技术
含量?你觉得你打了五年的pipette就搞清楚了几个信号通路,其思维训练真的比得上
数学专业刷吉米多维奇?生信分析没有深厚的统计学功底是做不了的(说搞生信用的都
是国外软件的,好像你们提质粒用的不是商业化试剂盒似的)。 |
F*******t 发帖数: 2186 | 2 生物信息难度比实验高出数量级。
实验生物学瞧不起生物信息就是装逼而已。
PCA都搞不懂的。
【在 j*********g 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 送快递的看不起水管工?都是搬砖的。 : 很多人把华大和施一公并列,认为他们的研究都属于毫无创新的生产流水线式研究。我 : 觉得这是不懂基因组学和结构生物学的人才会持有的观点。基因组学(和结构生物学) : 是搬砖,难道其他生物学研究就不是?难道每天分子克隆、养细胞、Western很有技术 : 含量?你觉得你打了五年的pipette就搞清楚了几个信号通路,其思维训练真的比得上 : 数学专业刷吉米多维奇?生信分析没有深厚的统计学功底是做不了的(说搞生信用的都 : 是国外软件的,好像你们提质粒用的不是商业化试剂盒似的)。
|
a******r 发帖数: 786 | 3 纯生物的确有人有很大优越感,我原来lab 里就有个国内来的,天天说生信门槛低。老
实说,她抓c57 确实一把好手,我就不行。优越感油然而生。 |
e*********6 发帖数: 3453 | 4 生物的的确在发表paper时候对写作和最终polishing的要求高很多,你看看比如nar或
者genome research上的图,基本都是在ppt或者更加专业的软件上精心制作的,但是做
计算的,举个类似档次的会议比如nips, 大部分都是code里边写好在latex下生成的
【在 a******r 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 纯生物的确有人有很大优越感,我原来lab 里就有个国内来的,天天说生信门槛低。老 : 实说,她抓c57 确实一把好手,我就不行。优越感油然而生。
|
f*****n 发帖数: 499 | 5 您是在讽刺搞生物的人压根不懂何为Latex?
哈哈哈哈
【在 e*********6 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 生物的的确在发表paper时候对写作和最终polishing的要求高很多,你看看比如nar或 : 者genome research上的图,基本都是在ppt或者更加专业的软件上精心制作的,但是做 : 计算的,举个类似档次的会议比如nips, 大部分都是code里边写好在latex下生成的
|
n******7 发帖数: 12463 | 6 你是不是每次故意来装傻?
nar和genome research是发bioinfo文章的主要期刊好不?
bioinfo的图,不仅需要ppt或者你说的更加专业的软件,还需要很多编程画图
我写文章的相当时间都是用在画图上了
至于文字部分,你要是发过比plos one高的bioinfo讲发现讲方法的文章,绝对不会认
为比生物的故事要好写。reviewer往往都是一半偏生物的,一半偏计算的,又要通俗,
又要严谨,生物和计算两方面都要照顾。
【在 e*********6 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 生物的的确在发表paper时候对写作和最终polishing的要求高很多,你看看比如nar或 : 者genome research上的图,基本都是在ppt或者更加专业的软件上精心制作的,但是做 : 计算的,举个类似档次的会议比如nips, 大部分都是code里边写好在latex下生成的
|
n******7 发帖数: 12463 | 7 我这个回帖其实是说
如果不是为了做PI,不要做bioinfo
我也曾是个冒险者,可是付出太多,回报太少...
【在 n******7 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 你是不是每次故意来装傻? : nar和genome research是发bioinfo文章的主要期刊好不? : bioinfo的图,不仅需要ppt或者你说的更加专业的软件,还需要很多编程画图 : 我写文章的相当时间都是用在画图上了 : 至于文字部分,你要是发过比plos one高的bioinfo讲发现讲方法的文章,绝对不会认 : 为比生物的故事要好写。reviewer往往都是一半偏生物的,一半偏计算的,又要通俗, : 又要严谨,生物和计算两方面都要照顾。
|
K****n 发帖数: 5970 | 8 什么 PCA,那叫 PCR
果然做 bioinfo 的啥也不懂 LMAO
【在 F*******t 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 生物信息难度比实验高出数量级。 : 实验生物学瞧不起生物信息就是装逼而已。 : PCA都搞不懂的。
|
K*****2 发帖数: 9308 | |
l********6 发帖数: 457 | 10 神回复,智商暴露,PCA = principal component analysis,非常基础,非常常用的特
征提取方法。
【在 K****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 什么 PCA,那叫 PCR : 果然做 bioinfo 的啥也不懂 LMAO
|
|
|
h**c 发帖数: 1979 | 11 Lol
【在 K****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 什么 PCA,那叫 PCR : 果然做 bioinfo 的啥也不懂 LMAO
|
f*****n 发帖数: 499 | 12 额。是您的智商暴露吧
人家这是反讽幽默呢
【在 l********6 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 神回复,智商暴露,PCA = principal component analysis,非常基础,非常常用的特 : 征提取方法。
|
s******y 发帖数: 17729 | 13 上SVD++就能镇得住了
【在 l********6 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 神回复,智商暴露,PCA = principal component analysis,非常基础,非常常用的特 : 征提取方法。
|
s******y 发帖数: 17729 | 14 latex很难吗?也就在刷试管的千老勉强装个逼格。
【在 e*********6 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 生物的的确在发表paper时候对写作和最终polishing的要求高很多,你看看比如nar或 : 者genome research上的图,基本都是在ppt或者更加专业的软件上精心制作的,但是做 : 计算的,举个类似档次的会议比如nips, 大部分都是code里边写好在latex下生成的
|
l********6 发帖数: 457 | 15 谁知道是不懂,还是反讽。又不是没遇到,不懂说错话,然后说自己是反讽的。
【在 f*****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 额。是您的智商暴露吧 : 人家这是反讽幽默呢
|
l********6 发帖数: 457 | 16 不用软件,叫用公式自己算PCA,立马就慌了。
【在 s******y 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 上SVD++就能镇得住了
|
s****o 发帖数: 388 | |
e*********6 发帖数: 3453 | 18 不难,latex很方便,但是要做更漂亮的排班和图,就不是很方便了。我强调的时候就
是生物的对画图要求高
【在 s******y 的大作中提到】![](/moin_static193/solenoid/img/up.png) : latex很难吗?也就在刷试管的千老勉强装个逼格。
|
a******r 发帖数: 786 | |
K****n 发帖数: 5970 | 20 不用类库,让用 c++ 自己求 eigenvalue 立马就慌了
【在 l********6 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 不用软件,叫用公式自己算PCA,立马就慌了。
|
|
|
K****n 发帖数: 5970 | 21 提 SVD 我可以理解
提 SVD++ 不说 factorization machine 就有点奇怪
【在 s******y 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 上SVD++就能镇得住了
|
K****n 发帖数: 5970 | 22 我反思了一下,为啥我忍不住来瞎扯。发现了规律 - 这里的人民群众说的东西都很
out dated
PCA - 已经没人用了,求特征向量求逆的东西产品里没法 scale
SVD++ 已经没人用了,factorization machine 和 field-aware factorization
machine 已经综合了所有矩阵分解类算法
还有您老说的 SVM - 已经没人用了,太 tmd 慢了,除非 linear svm,但是 linear
model 我随便选 cost function 就好了
我建议转码农就好好 coding,不要觉得自己在学校里跟教授大爷学的这些 ML 能过面试
【在 f*****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 额。是您的智商暴露吧 : 人家这是反讽幽默呢
|
y***u 发帖数: 192 | 23 文科生看不懂你们在 说啥。eigen 是德语吗
【在 K****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 不用类库,让用 c++ 自己求 eigenvalue 立马就慌了
|
h*****n 发帖数: 121 | 24 “都是搬砖的”,这个正解。
其实不管是wet,还是dry,都是一个样子。生物这个行当,还处于原始积累的阶段,注
定了要烧掉那么几代人的,然后才能完成量变到质变,成为正式的学科。
杀老鼠是忽悠,做信息是用忽悠的数据再分析,也就是忽悠上的忽悠。
其实重大发现很多都不一定是要“定量”的。 |
K****n 发帖数: 5970 | 25 我真诚滴求个指点
【在 y***u 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 文科生看不懂你们在 说啥。eigen 是德语吗
|
n******7 发帖数: 12463 | 26 你也不要过来吓人
现在是个码农都号称自己会ML
特别是转DS的,要求也没特别高
面试
【在 K****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 我反思了一下,为啥我忍不住来瞎扯。发现了规律 - 这里的人民群众说的东西都很 : out dated : PCA - 已经没人用了,求特征向量求逆的东西产品里没法 scale : SVD++ 已经没人用了,factorization machine 和 field-aware factorization : machine 已经综合了所有矩阵分解类算法 : 还有您老说的 SVM - 已经没人用了,太 tmd 慢了,除非 linear svm,但是 linear : model 我随便选 cost function 就好了 : 我建议转码农就好好 coding,不要觉得自己在学校里跟教授大爷学的这些 ML 能过面试
|
K****n 发帖数: 5970 | 27 要求是不高,只是有人达不到
码农主要考 coding,他号称会ML,答不上来题,coding好的话招了也有别的用处
【在 n******7 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 你也不要过来吓人 : 现在是个码农都号称自己会ML : 特别是转DS的,要求也没特别高 : : 面试
|
w********2 发帖数: 632 | 28 是这样
【在 h*****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : “都是搬砖的”,这个正解。 : 其实不管是wet,还是dry,都是一个样子。生物这个行当,还处于原始积累的阶段,注 : 定了要烧掉那么几代人的,然后才能完成量变到质变,成为正式的学科。 : 杀老鼠是忽悠,做信息是用忽悠的数据再分析,也就是忽悠上的忽悠。 : 其实重大发现很多都不一定是要“定量”的。
|
w********2 发帖数: 632 | 29 PCA SVM 都挺有用的,不过都可以被包装起来自动化了。 |
w********2 发帖数: 632 | 30 现在出了TIME SERIES之外,别的MODEL都不用人工建模了。以后TIME SERIES也会自动
化。DS的前途何在? |
|
|
K****n 发帖数: 5970 | 31 DS 的前途在于向 business 和 product 推销“可解释”和“可操作”的模型,在公司
组织内部形成对抗 ML 和 AI 的联盟。这本质是新旧科技的对抗,不过大部分人没有感
受。
【在 w********2 的大作中提到】![](/moin_static193/solenoid/img/up.png) : 现在出了TIME SERIES之外,别的MODEL都不用人工建模了。以后TIME SERIES也会自动 : 化。DS的前途何在?
|
w********2 发帖数: 632 | 32 感觉DS用深层神经网络也挺多的,和ML,AI很难区分。倒是过去FACTORIAL ANOVA之类
的很好解释,但和统计没啥区别。
【在 K****n 的大作中提到】![](/moin_static193/solenoid/img/up.png) : DS 的前途在于向 business 和 product 推销“可解释”和“可操作”的模型,在公司 : 组织内部形成对抗 ML 和 AI 的联盟。这本质是新旧科技的对抗,不过大部分人没有感 : 受。
|