bioinfo/biostat博后要跳出来去业界当ds或者mle有哪些困难

楼主因为强转行导致工签不好弄，可能过段时间要考虑回学术界先弄身份了。本来是生物wet lab phd，现在在一家完全不相关的小公司做data scientist，逐渐开始上手，这个职位比较偏machine learning engineer，也是我未来想走的方向，因为没有那个水平去钻研高深顶尖的ml/dl算法，给自己的定位是能解读商业需求，弄点效果还行的ml能写进production pipeline。现在公司接触的是贸易大数据+地理信息那一套，我觉得这个经验发展路子还是很广的。

回学术界的话，目前联系到一个医院研究中心的bioinfo/biostat博后位置，主要做病人基因组/蛋白组，联合电子病历病史，预测病人药物反应，推荐疗法，想招我的PI跟我说他想做成一个医生和研究员可以query的成型的系统，但是也需要做一些生物学上的发现来发文章，我个人对基因组数据没兴趣，不知道这里面有多少坑，感觉工业界的路子很局限，另外这个PI自己是统计background，用的是R和PERL，不会python，跟着他的好处是可以把statistic learning学得比较透, 补足我的数理背景缺陷，缺点是对我想提升engineering水平，写production level code帮助很小，可能甚至有负面效果，如果想两三年跳再出来做非生物领域data science，会不会被堵死了。
我认识的bioinfo的少，大部分去了公司也是继续做genome data, 求版上大佬指点迷津，是去这个博后，还是想其他办法继续留在公司，如果目标是回业界的话，博后期间应该怎么规划。回复都加分，谢谢！

困难是。。。不会刷题。。。

AlphaOne 发表于 2019-11-13 09:53:36
困难是。。。不会刷题。。。

哈哈哈自己保持刷题不行吗

雪狼88 发表于 2019/11/13 10:57:37
没有绿卡吗？ 还是没申？

没申请，按这个eb1排期和标准的涨势，明年申请可能要3年以上才能搞定绿卡吧

一般缺点是不理解互联网产品，商业和产品sense 严重不足。当然SQL 和简单python自学不难。

困难？主要还是心态吧！

很多药厂和保险公司也有这方面的研究的，好处是比较稳定？