🥇ទិន្នន័យនៅក្នុងខ្លួនយើង៖ តើជីវព័ត៌មានវិទ្យាធ្វើអ្វី?

យើងកំពុងនិយាយអំពីមនុស្សនាពេលអនាគតដែលបកស្រាយកាលបរិច្ឆេទដ៏ធំនៃសរីរាង្គ។ ក្នុងរយៈពេលពីរទស្សវត្សកន្លងមកនេះ បរិមាណទិន្នន័យជីវសាស្ត្រដែលអាចវិភាគបានបានកើនឡើងច្រើនដង ដោយសារការបន្តគ្នានៃហ្សែនរបស់មនុស្ស។ មុននេះ យើងមិននឹកស្មានដល់ថា ការប្រើប្រាស់ព័ត៌មានដែលរក្សាទុកក្នុងឈាមរបស់យើង វាអាចកំណត់ប្រភពដើមរបស់យើង ពិនិត្យមើលថាតើរាងកាយនឹងមានប្រតិកម្មយ៉ាងណាចំពោះថ្នាំមួយចំនួន និងថែមទាំងផ្លាស់ប្តូរតំណពូជជីវសាស្រ្តរបស់យើង។

អត្ថបទនេះ និងអត្ថបទផ្សេងទៀតលេចឡើងជាលើកដំបូងនៅក្នុង ការប្រកាសកំណត់ហេតុបណ្ដាញ នៅលើគេហទំព័ររបស់យើង។ រីករាយក្នុងការអាន។

គុណលក្ខណៈរបស់ bioinformatician ជាមធ្យមគឺដូចគ្នានឹងអ្នកសរសេរកម្មវិធីដែរ - ភ្នែកក្រហម ឥរិយាបថឈរ និងសញ្ញាពីពែងកាហ្វេនៅលើកុំព្យូទ័រ។ ទោះជាយ៉ាងណាក៏ដោយនៅក្នុងតារាងនេះ ការងារមិនមែននៅលើក្បួនដោះស្រាយ និងពាក្យបញ្ជាអរូបីទេ ប៉ុន្តែនៅលើកូដនៃធម្មជាតិខ្លួនឯង ដែលអាចប្រាប់យើងច្រើនអំពីយើង និងពិភពលោកជុំវិញយើង។

អ្នកឯកទេសក្នុងវិស័យនេះដោះស្រាយជាមួយនឹងទិន្នន័យដ៏ច្រើនសន្ធឹកសន្ធាប់ (ឧទាហរណ៍ លទ្ធផលនៃការតម្រៀបហ្សែនរបស់មនុស្សម្នាក់យកប្រហែល 100 ជីហ្គាបៃ)។ ដូច្នេះ ការដំណើរការព័ត៌មានអារេបែបនេះទាមទារវិធីសាស្រ្ត និងឧបករណ៍វិទ្យាសាស្ត្រទិន្នន័យ។ វាជាហេតុផលដែលអ្នកជំនាញជីវវិទ្យាដែលទទួលបានជោគជ័យគួរយល់មិនត្រឹមតែជីវវិទ្យា និងគីមីវិទ្យាប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងវិធីសាស្រ្តនៃការវិភាគទិន្នន័យ ស្ថិតិ និងគណិតវិទ្យាផងដែរ - នេះធ្វើឱ្យវិជ្ជាជីវៈរបស់គាត់កម្រមាន និងមានតម្រូវការ។ អ្នកឯកទេសបែបនេះត្រូវការជាចាំបាច់ជាពិសេសនៅក្នុងផ្នែកនៃឱសថប្រកបដោយភាពច្នៃប្រឌិត និងការអភិវឌ្ឍន៍ថ្នាំ។ ក្រុមហ៊ុនបច្ចេកវិទ្យាយក្សដូចជា IBM និង Intel បើកកម្មវិធីរបស់ពួកគេ។ឧទ្ទិសដល់ការសិក្សាអំពីជីវព័ត៌មានវិទ្យា។

តើវាត្រូវការអ្វីខ្លះដើម្បីក្លាយជាអ្នកជីវព័ត៌មានវិទ្យា?

ជីវវិទ្យា និងគីមីវិទ្យា (កម្រិតសាកលវិទ្យាល័យ);
Matstat, ពិជគណិតលីនេអ៊ែរ, ទ្រឹស្តីប្រូបាប៊ីលីតេ;
ភាសាសរសេរកម្មវិធី (Python និង R ជាញឹកញាប់ក៏ប្រើ C++);
សម្រាប់ជីវវិទ្យារចនាសម្ព័ន្ធ៖ ការយល់ដឹងពីការវិភាគគណិតវិទ្យា និងទ្រឹស្តីនៃសមីការឌីផេរ៉ង់ស្យែល។

អ្នកអាចចូលទៅក្នុងវិស័យជីវវិទ្យាដោយមានប្រវត្តិជីវសាស្ត្រ និងចំណេះដឹងផ្នែកកម្មវិធី និងគណិតវិទ្យា។ សម្រាប់អតីត ការធ្វើការជាមួយកម្មវិធីជីវព័ត៌មានវិទ្យាដែលត្រៀមរួចជាស្រេចគឺសមរម្យ សម្រាប់កម្មវិធីក្រោយៗទៀត ទម្រង់ជាក្បួននៃជំនាញពិសេស។

តើ bioinformaticians ធ្វើអ្វី?

ជីវព័ត៌មានវិទ្យាទំនើបត្រូវបានបែងចែកទៅជាពីរផ្នែកធំៗគឺ ជីវព័ត៌មានវិទ្យាតាមលំដាប់ និងជីវព័ត៌មានតាមលំដាប់។ ក្នុងករណីដំបូង យើងឃើញមនុស្សម្នាក់អង្គុយនៅមុខកុំព្យូទ័រ ហើយដំណើរការកម្មវិធីដែលជួយសិក្សាវត្ថុជីវសាស្រ្ត (ឧទាហរណ៍ DNA ឬប្រូតេអ៊ីន) នៅក្នុងការមើលឃើញ 3D ។ ពួកគេបង្កើតគំរូកុំព្យូទ័រដែលធ្វើឱ្យវាអាចទស្សន៍ទាយពីរបៀបដែលម៉ូលេគុលថ្នាំនឹងមានអន្តរកម្មជាមួយប្រូតេអ៊ីន រចនាសម្ព័ន្ធលំហនៃប្រូតេអ៊ីនមើលទៅដូចនៅក្នុងកោសិកា លក្ខណៈសម្បត្តិរបស់ម៉ូលេគុលពន្យល់ពីអន្តរកម្មរបស់វាជាមួយរចនាសម្ព័ន្ធកោសិកា។ល។

វិធីសាស្រ្ត bioinformatics រចនាសម្ព័ន្ធត្រូវបានប្រើប្រាស់យ៉ាងសកម្មទាំងក្នុងវិទ្យាសាស្ត្រសិក្សា និងក្នុងឧស្សាហកម្ម៖ វាពិបាកក្នុងការស្រមៃមើលក្រុមហ៊ុនឱសថដែលអាចធ្វើបានដោយគ្មានអ្នកឯកទេសបែបនេះ។ ក្នុងរយៈពេលប៉ុន្មានឆ្នាំចុងក្រោយនេះ វិធីសាស្រ្តកុំព្យូទ័របានធ្វើឱ្យដំណើរការស្វែងរកឱសថមានសក្តានុពលយ៉ាងងាយស្រួល ធ្វើឱ្យការអភិវឌ្ឍន៍ឱសថមានដំណើរការលឿន និងថោកជាង។

SARS-CoV-2 RNA-dependent RNA polymerase (ឆ្វេង) ក៏ដូចជាការផ្សារភ្ជាប់របស់វាជាមួយ RNA duplex ។ ប្រភពនៃ

តើហ្សែនជាអ្វី?

ហ្សែនគឺជាព័ត៌មានទាំងអស់អំពីរចនាសម្ព័ន្ធនៃតំណពូជនៃសារពាង្គកាយមួយ។ នៅក្នុងសត្វមានជីវិតស្ទើរតែទាំងអស់ អ្នកដឹកជញ្ជូននៃហ្សែនគឺ DNA ប៉ុន្តែមានសារពាង្គកាយដែលបញ្ជូនព័ត៌មានតំណពូជរបស់ពួកគេក្នុងទម្រង់ RNA ។ ហ្សែននេះត្រូវបានបញ្ជូនបន្តពីឪពុកម្តាយទៅកូន ហើយក្នុងអំឡុងពេលដំណើរការបញ្ជូននេះ កំហុសដែលហៅថាការផ្លាស់ប្តូរអាចកើតឡើង។

អន្តរកម្មនៃថ្នាំ remdesivir ជាមួយ RNA-dependent RNA polymerase នៃវីរុស SARS-CoV-2 ។ ប្រភពនៃ

ជីវព័ត៌មានវិទ្យាលំដាប់លំដោយទាក់ទងនឹងកម្រិតខ្ពស់នៃការរៀបចំរបស់សារធាតុរស់នៅ - ពីនុយក្លេអូទីត ឌីអិនអេ និងហ្សែននីមួយៗ រហូតដល់ហ្សែនទាំងមូល និងការប្រៀបធៀបរបស់វាជាមួយគ្នាទៅវិញទៅមក។

ស្រមៃមើលមនុស្សម្នាក់ដែលឃើញនៅពីមុខគាត់នូវសំណុំអក្សរនៃអក្ខរក្រម (ប៉ុន្តែមិនមែនជាអក្សរសាមញ្ញទេ ប៉ុន្តែជាហ្សែន ឬអាស៊ីតអាមីណូ) ហើយរកមើលគំរូនៅក្នុងពួកវា ដោយពន្យល់ និងបញ្ជាក់ពួកវាតាមស្ថិតិដោយប្រើវិធីសាស្ត្រកុំព្យូទ័រ។ បណ្តុំជីវព័ត៌មានវិទ្យាពន្យល់ថាការផ្លាស់ប្តូរណាមួយត្រូវបានផ្សារភ្ជាប់ជាមួយនឹងជំងឺជាក់លាក់មួយ ឬហេតុអ្វីបានជាសារធាតុគ្រោះថ្នាក់កកកុញនៅក្នុងឈាមរបស់អ្នកជំងឺ។ បន្ថែមពីលើទិន្នន័យវេជ្ជសាស្ត្រ អ្នកស្រាវជ្រាវជីវវិទ្យាតាមលំដាប់លំដោយសិក្សាពីគំរូនៃការចែកចាយសារពាង្គកាយនៅទូទាំងផែនដី ភាពខុសគ្នានៃចំនួនប្រជាជនរវាងក្រុមសត្វ និងតួនាទី និងមុខងារនៃហ្សែនជាក់លាក់។ សូមអរគុណចំពោះវិទ្យាសាស្រ្តនេះ វាអាចទៅរួចដើម្បីសាកល្បងប្រសិទ្ធភាពនៃឱសថ និងសិក្សាពីយន្តការជីវសាស្រ្តដែលពន្យល់ពីសកម្មភាពរបស់វា។

ជាឧទាហរណ៍ អរគុណចំពោះការវិភាគជីវព័ត៌មាន ការផ្លាស់ប្តូរដែលនាំទៅដល់ការវិវត្តនៃដុំសាច់ក្នុងស្បូន ដែលជាជំងឺ monogenic ដែលបណ្តាលមកពីការបំបែកហ្សែននៃបណ្តាញក្លរួ ត្រូវបានរកឃើញ និងពិពណ៌នា។ ហើយឥឡូវនេះយើងដឹងកាន់តែច្បាស់ថាអ្នកណាជាសាច់ញាតិជីវសាស្រ្តជិតស្និទ្ធបំផុតរបស់មនុស្ស និងរបៀបដែលបុព្វបុរសរបស់យើងបានតាំងទីលំនៅជុំវិញភពផែនដី។ ជាងនេះទៅទៀត មនុស្សគ្រប់រូប តាមរយៈការអានហ្សែនរបស់គាត់ អាចស្វែងយល់ថាតើគ្រួសាររបស់គាត់មកពីណា និងក្រុមជនជាតិណាដែលគាត់ជាជនជាតិ។ បរទេសជាច្រើន (23andme, សារមន្ទីរ MyHeritage) និងរុស្ស៊ី (Genotek, ត្លាសេវាកម្ម) អនុញ្ញាតឱ្យអ្នកទទួលបានសេវាកម្មនេះក្នុងតម្លៃទាប (ប្រហែល 20 ពាន់រូប្លិ៍) ។

លទ្ធផលនៃការវិភាគការធ្វើតេស្ត DNA សម្រាប់ប្រភពដើម និងការពាក់ព័ន្ធចំនួនប្រជាជនពី MyHeritage ។

លទ្ធផលនៃការធ្វើតេស្ត DNA ចំនួនប្រជាជនពី 23andMe ។

តើហ្សែនអានយ៉ាងដូចម្តេច?

សព្វថ្ងៃនេះ ការបន្តតាមលំដាប់ហ្សែនគឺជានីតិវិធីដែលត្រូវចំណាយអស់ប្រហែល 150 ពាន់រូប្លិ៍ (រួមទាំងនៅប្រទេសរុស្ស៊ី) ។ ដើម្បីអានហ្សែនរបស់អ្នក អ្នកគ្រាន់តែត្រូវការបរិច្ចាគឈាមពីសរសៃឈាមវ៉ែននៅក្នុងមន្ទីរពិសោធន៍ពិសេស៖ ក្នុងរយៈពេលពីរសប្តាហ៍ អ្នកនឹងទទួលបានលទ្ធផលដែលបានបញ្ចប់ជាមួយនឹងការពិពណ៌នាលម្អិតអំពីលក្ខណៈហ្សែនរបស់អ្នក។ បន្ថែមពីលើហ្សែនរបស់អ្នក អ្នកអាចវិភាគហ្សែននៃអតិសុខុមប្រាណក្នុងពោះវៀនរបស់អ្នក៖ អ្នកនឹងរៀនពីលក្ខណៈនៃបាក់តេរីដែលរស់នៅក្នុងប្រព័ន្ធរំលាយអាហាររបស់អ្នក ហើយក៏ទទួលបានការណែនាំពីអ្នកជំនាញផ្នែកអាហារូបត្ថម្ភផងដែរ។

ហ្សែនអាចត្រូវបានអានដោយប្រើវិធីសាស្ត្រផ្សេងៗ ដែលមួយក្នុងចំនោមអ្វីដែលសំខាន់ឥឡូវនេះត្រូវបានគេហៅថា "ការបន្តជំនាន់បន្ទាប់"។ ដើម្បីអនុវត្តនីតិវិធីនេះ គំរូជីវសាស្រ្តត្រូវតែទទួលបានជាមុនសិន។ កោសិកានីមួយៗនៃសារពាង្គកាយមានហ្សែនដូចគ្នា ដូច្នេះភាគច្រើនជាញឹកញាប់ឈាមត្រូវបានគេយកទៅអានហ្សែន (នេះជាការងាយស្រួលបំផុត)។ កោសិកាបន្ទាប់មកបំបែក និងបំបែក DNA ពីអ្វីៗផ្សេងទៀត។ បន្ទាប់មក DNA លទ្ធផលត្រូវបានបំបែកទៅជាបំណែកតូចៗជាច្រើន ហើយអាដាប់ទ័រពិសេសត្រូវបាន "ដេរ" ទៅនឹងពួកវានីមួយៗ - សំយោគតាមលំដាប់នុយក្លេអូទីតដែលគេស្គាល់ដោយសិប្បនិម្មិត។ បន្ទាប់មកខ្សែ DNA ត្រូវបានបំបែកចេញ ហើយខ្សែតែមួយត្រូវបានភ្ជាប់ដោយប្រើអាដាប់ទ័រទៅនឹងចានពិសេសដែលការបន្តបន្ទាប់គ្នាត្រូវបានអនុវត្ត។ កំឡុងពេលបន្តបន្ទាប់គ្នា នុយក្លេអូទីតដែលមានស្លាក fluorescently ត្រូវបានបញ្ចូលទៅក្នុងលំដាប់ DNA ។ នុយក្លេអូទីតដែលមានស្លាកនីមួយៗ នៅពេលដែលភ្ជាប់មក បញ្ចេញពន្លឺនៃរលកពន្លឺជាក់លាក់មួយ ដែលត្រូវបានកត់ត្រានៅលើកុំព្យូទ័រ។ នេះជារបៀបដែលកុំព្យូទ័រអានលំដាប់ខ្លីៗនៃ DNA ដើម ដែលបន្ទាប់មកត្រូវបានបញ្ចូលក្នុងហ្សែនដើមដោយប្រើក្បួនដោះស្រាយពិសេស។

ឧទាហរណ៍នៃទិន្នន័យដែលអ្នកជំនាញជីវព័ត៌មានវិទ្យាដំណើរការជាមួយ៖ ការតម្រឹមលំដាប់អាស៊ីតអាមីណូ។

តើ bioinformaticians ធ្វើការនៅឯណា ហើយតើពួកគេរកបានប៉ុន្មាន?

ផ្លូវជីវព័ត៌មានវិទ្យាត្រូវបានបែងចែកតាមប្រពៃណីជាពីរផ្នែកធំៗ - ឧស្សាហកម្ម និងវិទ្យាសាស្ត្រ។ អាជីពជាអ្នកវិទ្យាសាស្ត្រជីវវិទ្យា ជាធម្មតាចាប់ផ្តើមជាមួយនឹងមុខតំណែងបញ្ចប់ការសិក្សានៅវិទ្យាស្ថានធំមួយ។ ដំបូងឡើយ អ្នកជីវព័ត៌មានវិទ្យាទទួលបានប្រាក់បៀវត្សរ៍មូលដ្ឋានដោយផ្អែកលើវិទ្យាស្ថានរបស់ពួកគេ ចំនួនជំនួយដែលពួកគេបានចូលរួម និងចំនួនសាខារបស់ពួកគេ—កន្លែងដែលពួកគេធ្វើការជាផ្លូវការ។ យូរ ៗ ទៅចំនួនជំនួយនិងការពាក់ព័ន្ធកើនឡើងហើយបន្ទាប់ពីប្រហែលពីរបីឆ្នាំនៃការធ្វើការនៅក្នុងបរិយាកាសសិក្សាអ្នកជីវព័ត៌មានវិទ្យាទទួលបានប្រាក់ខែជាមធ្យមយ៉ាងងាយស្រួល (70-80 ពាន់រូប្លិ៍) ប៉ុន្តែច្រើនអាស្រ័យលើការឧស្សាហ៍ព្យាយាមនិងការខិតខំ។ អ្នកជំនាញជីវវិទ្យាដែលមានបទពិសោធន៍ច្រើនបំផុតបញ្ចប់ការដំណើរការមន្ទីរពិសោធន៍ផ្ទាល់ខ្លួនរបស់ពួកគេនៅក្នុងផ្នែកជំនាញរបស់ពួកគេ។

តើអ្នករៀនជីវវិទ្យានៅឯណា?

សាកលវិទ្យាល័យរដ្ឋម៉ូស្គូ - មហាវិទ្យាល័យជីវវិស្វកម្មនិងជីវព័ត៌មានវិទ្យា
HSE - ការវិភាគទិន្នន័យក្នុងជីវវិទ្យា និងវេជ្ជសាស្ត្រ (កម្មវិធីអនុបណ្ឌិត)
MIPT - នាយកដ្ឋានជីវព័ត៌មានវិទ្យា
វិទ្យាស្ថានជីវព័ត៌មានវិទ្យា (NPO)

មិនដូចបណ្ឌិតសភាទេ គ្មាននរណាម្នាក់នៅក្នុងឧស្សាហកម្មនេះចំណាយពេលវេលារបស់ពួកគេក្នុងការបង្រៀនបុគ្គលិកនូវជំនាញចាំបាច់នោះទេ ដូច្នេះការទៅទីនោះជាធម្មតាពិបាកជាង។ ផ្លូវអាជីពរបស់ bioinformatician នៅក្នុងឧស្សាហកម្មនេះប្រែប្រួលយ៉ាងខ្លាំង អាស្រ័យលើជំនាញ និងទីតាំងរបស់ពួកគេ។ ជាមធ្យម ប្រាក់ខែក្នុងវិស័យនេះប្រែប្រួល ពី 70 ពាន់ទៅ 150 ពាន់រូប្លិ៍អាស្រ័យលើបទពិសោធន៍និងជំនាញ។

ជីវវិទ្យាព័ត៌មានដ៏ល្បីល្បាញ

ប្រវត្តិនៃជីវព័ត៌មានវិទ្យាអាចត្រូវបានតាមដានត្រលប់ទៅ Frederick Sanger អ្នកវិទ្យាសាស្ត្រជនជាតិអង់គ្លេសដែលបានទទួលរង្វាន់ណូបែលគីមីវិទ្យាក្នុងឆ្នាំ 1980 សម្រាប់ការរកឃើញរបស់គាត់អំពីវិធីដើម្បីអានលំដាប់ DNA ។ ចាប់តាំងពីពេលនោះមក វិធីសាស្ត្រអានតាមលំដាប់លំដោយមានភាពប្រសើរឡើងជារៀងរាល់ឆ្នាំ ប៉ុន្តែវិធីសាស្ត្រ "Sanger sequencing" បានបម្រើជាមូលដ្ឋានសម្រាប់ការស្រាវជ្រាវបន្ថែមទាំងអស់នៅក្នុងតំបន់នេះ។

ដោយវិធីនេះ កម្មវិធីជាច្រើនដែលបង្កើតឡើងដោយអ្នកវិទ្យាសាស្ត្ររុស្ស៊ីឥឡូវនេះត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយនៅទូទាំងពិភពលោក - ឧទាហរណ៍ កម្មវិធីដំឡើងហ្សែន SPAdes, - ផ្លូវ។ Petersburg genome assembler ដែលបង្កើតឡើងនៅវិទ្យាស្ថាន St. Petersburg ជួយអ្នកវិទ្យាសាស្ត្រមកពីជុំវិញពិភពលោកប្រមូលផ្តុំ DNA ខ្លីៗទៅជាលំដាប់ធំជាងមុន ដើម្បីបង្កើតឡើងវិញនូវហ្សែនដើមនៃសារពាង្គកាយ។

ការរកឃើញ និងសមិទ្ធិផលនៃជីវព័ត៌មានវិទ្យា

សព្វថ្ងៃនេះ ជីវវិទ្យាព័ត៌មាន បង្កើតការរកឃើញដ៏មានប្រយោជន៍ជាច្រើន។ វានឹងមិនអាចទៅរួចទេក្នុងការស្រមៃមើលការវិវឌ្ឍន៍នៃឱសថសម្រាប់មេរោគកូវីដ១៩ ដោយមិនមានការបកស្រាយអំពីហ្សែន និងការវិភាគជីវវិទ្យាដ៏ស្មុគស្មាញនៃដំណើរការដែលកើតឡើងអំឡុងពេលមានជំងឺនេះ។ អន្តរជាតិ ក្រុម អ្នកវិទ្យាសាស្ត្រដែលប្រើហ្សែនប្រៀបធៀប និងវិធីសាស្រ្តរៀនម៉ាស៊ីនអាចយល់ពីអ្វីដែលមេរោគវីរុសមានដូចគ្នាជាមួយភ្នាក់ងារបង្កជំងឺផ្សេងទៀត។

វាបានប្រែក្លាយថាលក្ខណៈពិសេសមួយក្នុងចំណោមលក្ខណៈពិសេសទាំងនេះគឺការពង្រឹងសញ្ញាមូលដ្ឋាននីយកម្មនុយក្លេអ៊ែរ (NLS) នៃមេរោគបង្កជំងឺដែលកើតឡើងកំឡុងពេលវិវត្តន៍។ ការស្រាវជ្រាវនេះអាចជួយសិក្សាពីប្រភេទមេរោគដែលអាចបង្កគ្រោះថ្នាក់ដល់មនុស្សនៅពេលអនាគត ហើយប្រហែលជានាំទៅរកការអភិវឌ្ឍថ្នាំបង្ការ។

លើសពីនេះ អ្នកជីវព័ត៌មានវិទ្យាបានដើរតួនាទីយ៉ាងសំខាន់ក្នុងការអភិវឌ្ឍន៍វិធីសាស្ត្រកែសម្រួលហ្សែនថ្មី ជាពិសេសប្រព័ន្ធ CRISPR/Cas9 (បច្ចេកវិទ្យាផ្អែកលើប្រព័ន្ធភាពស៊ាំ បាក់តេរី) សូមអរគុណចំពោះការវិភាគជីវវិទ្យានៃរចនាសម្ព័ន្ធនៃប្រូតេអ៊ីនទាំងនេះ និងការអភិវឌ្ឍន៍ការវិវត្តរបស់ពួកគេ ភាពត្រឹមត្រូវ និងប្រសិទ្ធភាពនៃប្រព័ន្ធនេះបានកើនឡើងយ៉ាងខ្លាំងក្នុងប៉ុន្មានឆ្នាំថ្មីៗនេះ ដែលធ្វើឱ្យវាអាចធ្វើទៅបានដើម្បីកែសម្រួលហ្សែននៃសារពាង្គកាយជាច្រើន (រួមទាំងមនុស្ស) ដោយចេតនា។

អ្នកអាចទទួលបានវិជ្ជាជីវៈដែលស្វែងរកតាំងពីដំបូង ឬកម្រិតឡើងលើជំនាញ និងប្រាក់ខែដោយទទួលយកវគ្គសិក្សាតាមអ៊ីនធឺណិត SkillFactory៖

បង្រៀនជំនាញ Data Science ពីដំបូង

វិទ្យាសាស្រ្តទិន្នន័យ កម្មវិធី Bootcamp អនឡាញ

ការវិភាគទិន្នន័យលើបណ្តាញ Bootcamp

វិជ្ជាជីវៈអ្នកវិភាគនៅកម្រិតចាប់ផ្តើមណាមួយ។

Python សម្រាប់វគ្គសិក្សាអភិវឌ្ឍន៍គេហទំព័រ

វគ្គសិក្សាច្រើនទៀត

វគ្គសិក្សាម៉ាស៊ីន

វគ្គសិក្សាកម្រិតខ្ពស់ "Machine Learning Pro + Deep Learning"

វគ្គសិក្សា "គណិតវិទ្យា និងម៉ាស៊ីនរៀនសម្រាប់វិទ្យាសាស្ត្រទិន្នន័យ"

វគ្គសិក្សាវិភាគទិន្នន័យ

វគ្គសិក្សា DevOps

អ្នកបង្កើតគេហទំព័រអាជីព

មុខរបរអ្នកអភិវឌ្ឍន៍ iOS ពីដំបូង

វិជ្ជាជីវៈអ្នកអភិវឌ្ឍន៍ Android ពីដំបូង

វិជ្ជាជីវៈអ្នកអភិវឌ្ឍន៍ Java ពីដំបូង

វគ្គសិក្សា JavaScript

អ្នករចនា UX វិជ្ជាជីវៈពីដំបូង

វិជ្ជាជីវៈអ្នករចនាគេហទំព័រ

ប្រភព: www.habr.com

ទិន្នន័យនៅក្នុងខ្លួនយើង៖ តើ bioinformaticians ធ្វើអ្វី?