Мне всегда нравились математика и биология, а биоинформатика – как раз такая область, которая объединяет эти два предмета: методами математики исследуются биологические вопросы. Поэтому я была очень рада, когда поступила на бакалавриат Физтеха на ФБМФ, тут было много прикладной математики и программирования, была захватывающая биология и много-много интересных преподавателей и студентов.
Отучившись в бакалавриате и посмотрев, что делают разные биоинформатики - академические и не очень - я поняла, что меня больше интересует применение этой науки в медицине. Это направление имеет наибольшее прикладное значение и востребовано в индустрии. Размышляя о недостатках образования по обычным программам магистратуры в университетах (непродуманность учебного плана, нежелание студентов учиться, а учителей учить, etc), я наткнулась на объявление о наборе на новую программу по индустриальной биоинформатике на Физтехе. По описанию мне показалось, что она выгодно отличается в тех аспектах, которые для меня наиболее важны: учебный план составляется ответственным, компетентным и заинтересованным методистом, преподаватели тоже компетентны и заинтересованы учить, а студенты - учиться. Я подала заявку и прошла отбор - и оказалось, совсем не ошиблась в своём выборе: учиться было очень интересно, однокурсники оказались очень классными, преподаватели тоже. Интересно было делать домашки (!), участвовать в хакатоне вместе с одногруппниками, обсуждать статьи на журнальном клубе и компании на biotech deal watch, делиться научными новостями на news club.
Сейчас я работаю в компании Quantori и собираюсь искать PhD-позицию в следующем году. Надеюсь, что удастся найти баланс между индустрией и наукой в работе, так как наука всё-таки привлекает меня больше - но прикладное применение важнее.

Огромный объем данных привел к появлению новых технологий и подходов к решению проблем в различных отраслях. Не исключением стали сферы здравоохранения и молекулярной биологии. Сегодня все чаще применяются методы машинного обучения и искусственного интеллекта для анализа медицинских и биологических данных, в обработке естественного языка и в целом для выявления признаков, поддающихся описанию с помощью предсказательных функций.
При исследовании данных не обойтись без углубленных знаний в разделах высшей математики, которые помогают понять алгоритмическое описание моделей, применяющихся в машинном обучении и анализе данных. Каждый год появляется все больше новых архитектур нейронных сетей – и на рынке труда выигрывает тот, кто не только умеет использовать их в исследовательских целях, но и понимает алгоритмы данных моделей. Студентов, готовых к этим вызовам, выпускает магистратура по биоинформатике, углубляя их экспертизу и предлагая им больше возможностей для решения рабочих задач. Учеба на программе – хороший задел для понимания своего дальнейшего развития, отличная возможность заложить экспертный фундамент, а также мотивирующее сообщество интересных людей.