Примеры вакансий
По окончании магистерской программы студенты смогут работать в научных институтах, а также в биотехнологических и фармакологических компаниях.
Ниже приведены примеры вакансий с необходимым набором знаний и навыков.
Ученый-исследователь
Специалист в машинном обучении занимается исследованиями в частных компаниях и государственных институтах: разрабатывает подходы для предсказания эффектов лекарств, исследует межгенные взаимодействия, реализует пайплайны обработки данных.
Ключевые предметы:
- Python для научных вычислений
- Современные методы NGS
- Современная генетика и генная инженерия
- Биоинформатические алгоритмы
Аналитик геномных данных
Такой специалист занимается анализом геномных данных как для научных целей, так и для персонализированной медицины. Ученый может собственноручно проанализировать данные секвенирования и, применив к ним методы машинного обучения, дать рекомендации по использованию лекарств при лечении заболеваний.
Ключевые предметы:
- Современные методы NGS
- Современная генетика и генная инженерия
- Математическая статистика
- Машинное обучение
- Глубокое обучение
- Медицинская геномика
Специалист по обработке медицинских изображений
Анализ биологических изображений часто требует большого объема ручной работы для аннотации и разметки. Специалисты по обработке изображений помогают автоматизировать этот процесс, обучая глубокие нейронные сети распознавать, выделять и подсчитывать необходимые объекты на изображениях в наборе данных.
Ключевые предметы:
- Вирусология и микробиология
- Иммунология
- Машинное обучение
- Глубокое обучение
- Анализ изображений
- Биоинформатика рака
Архитектор алгоритмов машинного обучения
Для всех задач, требующих применения методов машинного обучения и искусственного интеллекта, необходим тщательный анализ качества входных данных, подбор архитектуры и критериев оценки качества для выстраивания эффективного алгоритма анализа данных, учитывающего специфику биологических данных.
Ключевые предметы:
- Алгоритмы и устройство компьютера
- Python для научных вычислений
- Машинное обучение
- Глубокое обучение
- Проектирование баз данных
Разработчик систем обработки биологических данных
Современные биологические методы порождают огромные массивы данных, для предобработки и дальнейшего использования которых необходимы множественные преобразования. Автоматизация такого процесса обработки, анализа и сбора результатов позволяет пациенту получить результат исследования прямиком из лаборатории.
Ключевые предметы:
- Алгоритмы и устройство компьютера
- Современные методы NGS
- Анализ изображений
- Язык R для анализа и визуализации данных
- Проектирование БД