Меня спросили, как максимально эффективно провести время на научной стажировке. Вопрос супер интересный и значительно менее покрытый материалами, чем «как пройти на стажировку»

Сама постановка вопроса заставляет меня думать, что у человека всё будет хорошо. Некоторые сразу едут просто потусить. Никого не осуждаю, но здесь будут советы не про это

На мой взгляд, полезное в стажировках делится на две части:
🚀 Работа
🚀 Нетворкинг

С первым, как будто бы, всё ясно: берёте свои маленькие азиатские ручки и следуете моему жизненному кредо. К сожалению, на студенческом уровне эта часть во многом зависит не только от вас. Может не повезти с проектом, руководителем или оборудованием. В любом случае от вас зависит количество работы и вовлечённость. Если место выглядит перспективно – выкладывайтесь и не считайте часы. Если тема кажется скучной или непонятной, постарайтесь в неё вникнуть: не просто же так люди тратят на неё своё время, а кто-то выделяет деньги на работу. Со мной на стажировке в Сингапуре в 2019 году был парень, которого удручало копаться в оцифрованных экскрементах летучих мышей чтобы найти неизвестные вирусы. «Кому вообще это интересно?», – вопрошал он. Через год вся планета знала историю об одной летучей мыши, а каждый пятый стал экспертом в вирусологии

Даже в неудачной среде можно с пользой провести время: посмотрите онлайн курсы, порефлексируйте, что именно вам не нравится и как избежать негативного опыта дальше, ну или хоть выспитесь на будущее

Нетворкинг – далеко не менее, а порой и более важная часть стажировок, особенно за границей. Общайтесь с другими студентами (не только со своей страны), более старшими людьми, посмотрите, что ещё происходит в городе. На сайтах по типу Meetup можно найти мероприятия, но порой есть и другие локально популярные площадки: фейсбук, инстаграм, линкедин, твиттер или что-то ещё. Влейтесь в местные тусовки и выясните как люди ищут ивенты. Очень много всего происходит в университетах. Я однажды сходил на хакатон в майкрософт (получилось больше вкусно покушать, чем поработать, если честно) и на какое-то карьерное мероприятие о Data Science. Сам ивент уже толком не помню, но познакомился там с человеком, с которым общаемся до сих пор и недавно увиделись вообще в другой стране. Помимо того, что это весело, бывает ещё очень полезно для карьеры

В целом, общение с людьми – это одна из самых ценных вещей в стажировках. Если не повезло с проектом, то даже ценнее, чем работа. Много узнаёшь про другие культуры, полезности для карьеры, порой организовываются путешествия и другие приключения. Не бойтесь выходить за рамки привычного: то, что было на стажировке, остаётся на стажировке 😉 Позже приключения вспоминаются и греют душу гораздо больше, чем средний рабочий день. А иногда иметь знакомых по всему миру бывает и полезно: например, когда нужно что-то оплатить за границей, а ваши карты превратились в тыкву, употребимую только по месту производства

Впрочем, у меня не такой большой опыт стажировок, как у некоторых читателей. Какими советами поделились бы вы?

Пару дней назад в медиа была новость, что росстат почему-то решил закрыть для публики статистику смертей от внешних причин. Впрочем, авторы исследования пишут, что это не проблема: сотрудники росстата охотно поделились актуальными данными после запроса по почте. Необычайно высокая мужская смертность в 2023 году только усилилась: авторы оценивают количество избыточных смертей в 37860, больше 100 человек в день. Вместе с 2022 годом это даёт около 58500 смертей мужчин, которых не ожидалось по трендам в прошлом

#статистика

Встретил в одной из статей название клеточного типа в лёгких „Clara cells“. Стало интересно, что за Клара. Оказалось, что это не имя, а фамилия, а дальше события приняли очень мрачный оборот

Эти клетки были открыты в нацисткой Германии не скрывавшим свои антисемитские взгляды гистологом Максом Клара. Он приветствовал приход Гитлера к власти и призывал учёных „присоединиться к марширующим колоннам нашего лидера“. А образцы лёгких, в которых обнаружили новый клеточный тип, были получены от казнённых заключённых. Учёный отмечал, что „довольно обширный материал“ позволил ему сделать открытие быстрее конкурентов, а также проводил эксперименты по введению витамина C на по крайней мере одном приговорённом к смерти узнике 😐

Уже современные немецкие учёные в 2010 году удивились, что при такой мрачной истории открытия клеточного типа его название было в каждом учебнике. Кроме того, были открыты белки, специфичные для этого клеточного типа и названные в честь него же (например, CC16 – утероглобин, „CC“ означает „Clara Cells“). Учёные предложили не использовать „эпоним третьего рейха“ и заменить его на „Club cells“ – что-то вроде „булавоподобные“ или „куполоподобные клетки“, чтобы сохранить аббревиатуры. В английском языке это название прижилось, а вот статья в Википедии на русском всё ещё называется по-старому. На мой взгляд, она ещё и довольно странно структурирована, сперва вываливая на читателей ошеломляющую историю открытия, а потом как ни в чём ни бывало продолжая: „Главная функция клеток Клара – защита эпителия бронхиол“. Студенты-медики, подскажите, а как пишут в учебниках?

Фактов, полученных в подобных условиях, на самом деле немало. Но научным сообществом было принято решение не рассказывать истории их открытия: первооткрыватели явно не достойны чести. Рассказываю об этой только потому что её отголоски всё ещё можно встретить, а кое-где не помешало бы и устранить

#биология #история

Со мной в лаборатории работал PhD-студент, интересующийся определением причинности в данных. Можно ли, имея кучу наблюдений не просто найти ассоциации между признаками, а понять как они связаны причинно-следственно и как изменение одного влияет на другие? Особенно любопытно это было в контексте работы генов. Мы умеем получать данные об активности генов в куче клеток и даже ломать некоторые гены, чтобы посмотреть, что изменится. Можно ли тогда понять регуляторные связи? Если ответ положительный, можно лучше разобраться в устройстве жизни и предложить лечение некоторых болезней

Спустя какое-то время, этот студент разочаровался в данных: он решил, что они слишком шумные и понять ничего невозможно. А вот Hervé Isambert из института Кюри в Париже посвятил теме 10 лет и утверждает, что разобрался. Завтра в 6 вечера по московскому времени он расскажет о проблеме, методах и их применению к данным экспрессии и медицинским наблюдениям. Присоединяйтесь, слушайте и задавайте вопросы: это уникальная возможность! Подробнее прочитать о докладе и найти ссылку на видео-звонок можно здесь

UPD: встреча прошла, здесь можно посмотреть запись

А вот такое встретилось в данных, с которыми работаю сейчас. По оси Х – возраст пациентов, по Y – оценка здоровья лёгких, измеренная как максимальный объем воздуха, который человек может выдохнуть за секунду. Лёгкие обычно с возрастом работают хуже, но в группе бывших курильщиков (former, оранжевые точки) закономерность обратная: чем старше человек, тем лучше функция лёгких. Ваши теории, почему это так? Принимаются только неправильные ответы

#статистика #медицина

Продолжаем серию с подборкой старых статей списком удивительных математических явлений! И начнём с основ:

📝 Что такое математика
📝 Зачем нужна парабола
📝 Как решать квадратные уравнения

Освоили? Переходим к самому интересному:

📝 Геометрия футбольного мяча
📝 На Манхэттене π = 4
📝 Как связаны кролики и Парфенон?!

Если у вас закипели мозги, предлагаю дать им отдохнуть и прочитать эти статьи (отдых тоже должен быть созидательным, да-да):

📝 Забавные математические теоремы
📝 Самые интересные Шнобелевские премии
📝 Как вырастить величайшего хоккеиста 🔥

#математика #подборка_статей

Разрыв в ресурсах между академическими институтами и компаниями очень впечатляет. Заведующий крутой лабораторией публикует вакансию с фотографией системы из 8 топовых видеокарт от NVIDIA. В комментариях пишут, что это фото очень привлекательно для учёных, работающих с данными. Одна такая видеокарта стоит около 30 тысяч евро. Другой известный биоинформатикой институт пишет, что у них в кластере 150 видеокарт. Не самых крутых, а в целом.

У Меты 340 тысяч только топовых карт

Примеры обработок изображений алгоритмами донейросетевой эпохи – это что-то из фильмов ужасов

Отсюда

#программирование

В нашем институте хотели что-то построить, начали копать землю экскаватором и внезапно наткнулись на церковь, а затем и на целое поселение времени Раннего Средневековья, примерно 9-13 века. Теперь стройка, видимо, откладывается, зато копать начали ещё усиленнее, а археологи очень радуются находке. Вот такая концентрация науки: она не только окружает со всех сторон, но даже буквально находится под ногами

На фото древний PhD-студент пытается дождаться результатов эксперимента. Ну или один из жителей поселения, пока точно непонятно, ждём заключения археологов

Математическая задачка! В статье по изучению клеток при хронической обструктивной болезни лёгких учёные-медики собирали данные от нескольких групп пациентов, по 3 человека в каждой. Возраст людей в группах они указали в формате M ± S, где M – среднее, а S – стандартное отклонение. Зачем так делать, когда можно просто перечислить 3 числа, я не знаю, но это вопрос не по математике

Задача: укажите возраст пациентов в каждой группе, если данные для них такие:
1. 72 ± 2
2. 30 ± 4.36
3. 62 ± 11.53

Задачи расположены по возрастанию сложности. Первую легко решить в уме и у неё есть однозначный ответ. Другие чуть сложнее и у них может быть несколько ответов (но меньше, чем могли бы подумать математики)

Подсказка №1 (если забыли как считать M и S):
📝 Если возраст пациентов – X, Y и Z, то M = (X + Y + Z) / 3
📝 Удобнее работать не с S, а с дисперсией D = [(X - M)^2 + (Y - M)^2 + (Z - M)^2] / 2. Для того, чтобы получить стандартное отклонение, нужно взять из неё корень: S = √D

Подсказка №2:
📝 Возраст пациентов обычно указывается в годах. Это целые числа

Пишите ответы в комментариях, только прячьте их спойлером, чтобы не портить удовольствие другим людям :)

#математика

10-11 сентября в Москве будет проходить конференция "Клиническая диагностика и персонализированная медицина"

Участников ждут:
📃 Программа из 40 секционных докладчиков, 25 стендовых выступлений и 2 тематических круглых столов
🏅 Выставочная зона партнеров конференции
💙 Сувениры и подарки от организаторов и партнеров
🚀 Вакансии от передовых лабораторий и компаний
🍤 Еда
📍 Площадка проведения „РБК - Центр Событий“ в шаговой доступности от метро
🏘️ Комфортные гостиницы со скидкой для участников

Регистрация здесь

В комментариях прозвучали правильные ответы. А теперь сюжетный поворот: авторы сделали опечатку. В первой группе средний возраст — 73 года. Вот уж действительно, в трёх соснах заблудились

Если у вас так мало наблюдений в группах, не надо по ним считать средние, отклонения, корреляции и натальные карты. Просто напишите все числа!

#статистика

Для работы я веду список задач. Помимо описания, что нужно сделать, и приоритета, я также записываю сколько на неё примерно уйдёт времени. Это предсказание почти никогда не сбывается, но всё равно помогает планировать дни и смотреть, где сложность оценивается совсем неверно. Обычно ошибка составляет 10-50%, но недавно я промахнулся почти в 10 раз

Мы готовим иллюстрацию к статье и меня попросили сделать одно из изображений. Записав это в список задач, я оценил это дело на 3 часа. Как мне казалось – пессимистично: данные и графики-то все есть, осталось только поместить на картинку, выровнять и придумать подпись. В итоге на это ушло почти три рабочих дня. Вот что мы обсуждали с руководителем, может пригодится и вам:

📊 Какое сообщение несёт иллюстрация? Мы хотим не просто вывалить на читателей кучу данных, а сделать их частью понятной истории

📊 В идеале, каждая панель должна отвечать на какой-то вопрос (не обязательно озвученный). Между ними должны быть логические связи, создающие ответы на последовательные вопросы. Например: какие были данные? А какую построили модель? Как оценивали результат? И насколько хорошо получилось? Что нового мы узнали о предметной области благодаря этой модели? Отвечая на каждый вопрос при помощи иллюстрации, можно создать цельную и понятную историю

📊 После того как концепт проработан (это можно сделать в виде списка вопросов), связи между панелями выстроены и есть набросок, начинаются технические детали. Какие именно графики или схемы мы поместим на изображение? Можно ли сделать их проще? Ясно ли сообщение только из иллюстрации, если не читать подпись к ней и текст статьи (а большинство этого и не будет делать)? Понятны ли подписи и обозначения для людей с разным образованием?

📊 После создания первой версии мы просим других авторов статьи и людей из лаборатории посмотреть график (ничего по нему не поясняя) и сказать, что они из него поняли. Неясные моменты идут на доработку

📊 Позже будет доработка под журнал (там бывают требования по шрифтам и прочим деталям) и ревью от независимых исследователей. Несомненно что-то снова поменяется

Читая научные статьи, я и не представлял, сколько времени уходит на красивые картинки. Здесь я ещё не упомянул само построение графиков, которое тоже представляет отдельное искусство: какой тип графика выбрать, как подобрать цвета, будет ли это хорошо смотреться в чёрно-белой печати или для людей с особенностями зрения. В очередной раз поражаюсь как много всего должны уметь и держать в голове учёные

А как у вас принято работать над иллюстрациями?