※ 引述《roqe (sojourner)》之銘言： : 之前一直在猶豫要不要回上面那篇博班甘苦談的文章 : 不過那篇後來都在討論制度的問題 : 我的背景回這篇應該也很切題，另外我想順便回應 Carlo 大的提問 : 先從背景交代開始 : 我大學是醫技系的，碩班就唸生資所，然後直升 : 今年九月開始就是讀研究所的第六年，一直都在同一間學校 ||| ===== 究竟為何會進入 生物資訊領域？ ======= 大學畢業時，當時生物資訊正蓬勃興起，所以便投入了生物資訊... (當時臺灣生物資訊學會成立第一年) 畢業後國防役，後來辭職，等當兵期間想說不然報看看，上了，於是退伍就來念... 然後就是一個艱難的博士生涯～ =====開始甘苦談？？====== 從 Docking 乾乾的做，然後去另一個學校wet lab共同研究... 於是放掉docking不做（有的老師不信） 開始從事microarray分析研究... 過程中...癌症？藥物？細胞實驗？老鼠實驗？統計？ 不懂只好問 醫生...老師...學弟妹...學長姊...到處問統計相關老師...旁聽課程... 最後，又到另一個實驗室做NGS， 博士人生，就是不斷的被打敗再成長 XD 至於純dry lab好還是wet lab好呢？ 純dry，可以毫無顧慮的做，天馬行空的想， 到了wet lab，雖然有第一手資料，好發論文，但是生物資訊有時便會相形弱勢， 也就是說，究竟是寫程式分析預測探討的重要，還是做實驗的人重要呢？ 或許光是這一點就又可以產生很多的熱血答辯了>>>> (不過真是沒想到有這麼多厲害的高手在生資領域持續奮鬥) : 大學的時期雖然有修過程式設計相關的課程，但那有跟沒有一樣 : （字面意義，可能還減低了我對資訊領域的興趣 orz） : 我的資訊啟蒙課程是四下時去生資所修的演算法 : 阿，離題一下，當我那時準備研究所考試時 : 當時是我 summer 的指導教授跟我說： : roqe，生資要作的很好其實很辛苦，因為你每一個領域都要很強 : 當時我一點感覺都沒有 XD 最近才深深的感覺到 QQ : 不是說只有一個領域強不行 : 而是唸書的時候，就要決定自己的定位跟以後的賣點在哪裡 : 有那種很生物的生資人，專門整合別人的工具然後做生物驗證，處於比較應用端 : 或那種很資訊的生資人，題目的本質只是用生物 data 做 ML，其他沒有差異 : 也有很統計的生資人 XD，開發新的統計值等等 : 剛剛說了我以前是生物人，但其實我的第一篇 paper 竟然做演算法分析 : 那種 big O 進步了多少的、非常資訊的題目 XD : 做這個題目的時候，我還學會了寫 C : 在這個題目之前，我只有修課跟自學的一點點 C++ 跟 JAVA 基礎 : 那時後合作的 J 老師（他的題目、知道我是生物人）問我 : Dr.J：你有沒有寫程式的經驗阿？ : roqe：有呀！（自信滿滿，初生之犢不畏虎 XD） : Dr.J：....你之前寫過的程式大概幾行阿？ : roqe：兩三百行吧 @@（就是個修課作業的程度) : Dr.J：這樣好像不太算寫過阿 XDDD : roqe：QQ : 當然最後還是有寫出來 : 所以老實說，我覺得沒有跳很大學不會的問題 : 要確定的是，有沒有興趣跟願不願意投入時間 : 如果原本是生物人要唸生資的話 : 投個幾年唸資訊跟統計的基本知識我覺得是必要的 : 這某種程度就是跨領域研究所跟專一領域研究所的差異 : 我唸研究所修了非常多課，除了畢業要求的 24 學分，我超修了 20 學分 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 114.36.200.170 ※ 編輯: superchris 來自: 114.36.200.170 (07/09 23:50) ※ 編輯: superchris 來自: 114.36.200.170 (07/10 01:36)