2022-2-7 凌晨
我很喜欢思考问题，所以有时候显得想的很多。我的生信学习一路走来，我积攒了数篇学习笔记、学习计划和学习总结，临到最近，我想不起来学习过程中许多的细节，头脑似乎都在琢磨今后要走的路，所以与其说今天这篇文章是总结，不如说是未来的思考和方向。
定位我的方向
我学习生信将近3年，真是一点也不敢说自己是生信进阶了，只敢说自己一句入门了。这个交叉学科的涉及范围之广泛，包容性之巨大，让我时时疑问到底我应该往哪条路继续。在这里，我们简单地理解生信为计算机+生物。测序分析是它，进化推演是它，结构摸索是它，分类回归是它……处处皆有它，那么复杂，那么多样。
我接下来想做的，是测序数据分析+ 模型研究人体疾病。
三个专家
在我学习神经网络的一门课程里，提到一个完整的机器学习模型或者说产品的故事：
总的来说，就是领域专家定义问题，预测结果和行为；数据科学家根据问题对数据进行梳理和分析，选取模型或者自训练模型解释数据；AI专家对模型的精度和性能进行研究和提升。
原作者解释，三个专家，时常身份重叠。因此我初步诞生了我的定位和方向：我想成为三个专家，没错，三个。
做什么
首先我们借鉴机器学习的一个重要计算方式：反向累积/反向传递，进行一个梳理，有了明确的目标，就能够推导接下来我该怎么办了。
1.领域专家
对领域的熟悉不是一朝一夕能够练就的。大概和每个实验室都有自己独特的实验配方和技巧一样，领域的掌握不是一两天可以说完的。我正处在转方向的关键时期，博士的毕业后虽然确实可以改变方向，但是随着对领域的理解不断深入，作出成果的可能性越高，也更容易出彩。
我想我博士就应该选择一个自己已经有一定了解，并且真的非常感兴趣、有前景的领域，并且坚持在这个领域做下去，我选择人体疾病。接下来2-3个月，我会重点去了解肿瘤领域的基础知识和前沿信息，一旦进入肿瘤领域，这个全世界最聪明最优秀的医学工作者扎堆的地方，拼命就是一种必然。
2.数据科学家
说到这个问题，我就知道，该来的总会来的。统计学、数学必须好好学，一个优秀的数据科学家不是单纯的会跑脚本，会写程序就结束了，必须了解背后的算法以及数学意义，它的理论。
3.AI专家
说实在的，我大言不惭地说自己相当三个领域的专家时，并不是相做一个在每个领域都能对所有知识如数家珍的人。生物我就只研究肿瘤，数据科学我就针对于测序数据和生物系统数据，而AI，我想针对神经网络或者更小一些的范畴——RNN、GNN或者CNN。
怎么做
一年为限
| 时间段 | 任务内容 | 目标 |
|---|---|---|
| 1-2月 | R语言基础和进阶 | 达到写包的水平 |
| 1-2月 | GNN和pytorch入门和应用 | 熟练应用pytorch进行模型训练，入门GNN |
| 2-3月 | GNN和pytorch应用和研究计划 | 1.熟悉熟读生物领域应用Deep learning的文章；2.完善研究计划 |
| 4-6月 | 第二个项目 | 1.GNN实战，完成写作；2.备考GRE |
| 7月 | 考GRE和研究新项目 | 完成GRE考试 |
| 8月 | 新项目准备 | 新项目文献收集 |
| 9-12月 | 1.申请学校；2.完成第二个项目 | 申请北美和欧洲学校；完成第二个项目和投稿 |
