データサイエンスのキャリアのためにプログラミング言語を学ぶ

サティシュ・グプタ 現在、Cognizant で AI および分析のディレクターを務めています。 彼は、同社の製薬、ライフ サイエンス、およびヘルスケア クライアントのすべての R&D、発見、および分析に対してグローバルな支援を提供しています。

デリーの TCS でライフ サイエンス分野のコンサルタントとして、Bayer Crop Sciences アカウントの臨床および作物科学アプリケーションをサポートしました。 さらに、腫瘍学で使用される NGS パネルが CAP/CLIA/NABL 監査機関のコンプライアンス要件を満たすことを検証するチーム メンバーでもありました。

INDIAai は、Satish Gupta にインタビューして、AI に関する彼の見解を聞きました。

生物科学の学位を取得した人がデータ サイエンスに採用されているのを見るのは素晴らしいことです。 それはどのように始まったのですか?

科学は、研究から活用された新しい方法と技術の実装を通じてアップグレードし続ける進化的な主題です。 バイオインフォマティクスは、生命科学の学生がアルゴリズム、データベース、統計、プログラミングに触れられる科目の 1 つです。 新しいトピックを学びたいという願望と、バイオインフォマティクスを現在の科学研究に応用する必要性から、私たちの多くは徐々にデータ サイエンスへと駆り立てられています。 バイオインフォマティクスコースを提供し、科学および製薬部門の需要を満たす優れた大学や研究所が数多くあります。 第 3 世代および第 4 世代のテクノロジーを科学研究に適用することで、膨大な量のデータがバケツに注ぎ込まれ、より多くのことを学び、意味のある解釈を行うよう促されました。 データとライフ サイエンスの時代と呼ばれ、ヘルスケアと製薬部門はそれを非常にうまく活用しています。

AIのキャリアを求める動機は誰ですか? 原動力は何でしたか?

それは段階的な動きだったと言えます。「バイオインフォマティクス」は修士課程の流行語であり、私たちに影響を与えました。 バイオテクノロジーの修士号を取得した後、業界でのキャリアを始めることに興味がありましたが、多くの理由で満足できませんでした。 業界への参入を模索することで、バイオインフォマティクスに対する今後の需要を認識しました。 ニューデリーにある JNU のバイオインフォマティクス コースでは、データベース、統計、プログラミングに触れる機会が多くなりました。これが、後に研究機関での仕事を継続し、さまざまな役割で業界でのキャリアを追求する動機となりました。 現代的なデータの見方では、リソースに対する膨大な需要があります。 これらの専門知識のブレンドがうまく適合するのは、「Explainable AI」と呼ばれます。 ビッグデータが旅の一部になるとすぐに、AI はそれに付随する必要があります。

最初に遭遇した障害は何ですか? どのようにそれらを克服しましたか?

前述のように、私の現在の目標は産業界でのキャリアを追求することでしたが、バイオインフォマティクスの学位を取得した後でも休憩を取るために助けが必要でした. そこで、私はインドの主要な研究機関で働き始め、業界へのゲートウェイを作るための経験を積むようになりました。 また、さまざまな会議、ワークショップ、会議を通じて、学界や産業界で働く人々とつながりました。 プロアクティブなネットワーキングは常に私にとって最適です。 また、科学分野の新しい側面を学び、認識することもできます。 研究所で数年間働いた後、私は業界に参入しましたが、すぐに個人の成長のために高等教育が必要であることに気付きました。

Cognizant のバイオインフォマティクスおよびライフ サイエンスの AI および分析担当ディレクターとしての責任は何ですか?

ライフ サイエンス、ヘルスケア、製薬業界の最近の動向を常に把握しなければならない、非常にやりがいのある役割です。 Cognizant はサービス プロバイダーであり、ビジネス ユニットとして、必要な目標に基づいて、ビジネス パートナーのために AI と分析の関与に焦点を当てています。 したがって、研究開発、発見、分析の観点から正確な要件を理解し、ソリューション戦略を提供する必要があります。 同時に、私は彼らの仕事とコラボレーションのより広いテーマを理解し、私たちがサポートし、解決策を提供し、長期的なビジネス関係を築くことができる問題点を収集するよう努めています.

博士研究について教えてください。 あなたの研究への貢献は何でしたか?

研究作業は、がんリスクに対する遺伝的および環境的修飾因子の調査に焦点を当てていました。 私は主に、血漿/血清中のセレンの修飾効果、およびCHEK2および非選択の肺、喉頭、および結腸直腸癌患者の癌リスクに対するセレン(Se)代謝遺伝子の多型の分析に関与していました。 また、乳癌における癌関連遺伝子およびセレノタンパク質遺伝子におけるメチル化の役割も調査しました。 結論の一部は次のとおりです。

  • より高いセレン濃度は、がんの発生率の低下と有意に関連しています。
  • Se 濃度は、研究グループのがんを早期に発見するための貴重なマーカーとなり得ます。
  • 癌の発生率に対する血清中のセレンレベルの影響は、セレノタンパク質遺伝子の遺伝子型に依存する可能性があります。
  • 末梢血中の BRCA1 プロモーターのメチル化は、BRCA1 陰性生殖細胞変異を有する患者の乳がんリスクと関連しています。

また、博士号取得中に複数の研究グループと協力し、10 を超える出版物を出版しました。

プログラミングの専門知識は、人工知能で働きたい生物科学の卒業生にとって不可欠ですか?

データ サイエンスのキャリアを選択する場合は、プログラム言語に触れることを強くお勧めします。 それはまた、役割と責任の要求に依存します。 たとえば、データ サイエンティストには、プログラミングに関する公正な理解と経験を備えた、より多くの統計的知識が必要です。さらに、データ エンジニアには、高度なレベルのアルゴリズム開発、実験計画、およびプログラミングの経験も必要です。 すべてがクラウド上に展開されるため、クラウド テクノロジを理解することは不可欠です。 多くのオンライン学習プラットフォームのおかげで、スキルを学び、アップグレードできます。

人工知能の研究に携わりたいと考えている人に、どのようなアドバイスをしますか? 彼らは前進するために何に焦点を当てるべきですか?

AI は、ヘルスケア、銀行、金融、市場調査、農業、気候学など、さまざまな分野で実装できるアプリケーションです。 関心のあるドメインを理解し、その特定のドメインの課題を把握することは、AI を使用して活用できます。 次のアプローチは、利用可能なデータを探し、データ サイエンスの手法を使用して解決する問題ステートメントを定義することです。 ここでは、プログラミングの経験があることを前提としています。 初心者は、Python または R の基本とデータ サイエンス モジュールを学習することから始めることができます。 私が適切だと思うフローは、関心のあるドメインを十分に理解し、少なくとも 1 つのプログラミング言語を理解し、統計とクラウドベースのアプローチに関する知識を持ち、データの感覚をつかみ、問題ステートメントにデータ サイエンスを実装することです。 ウェブ上には、認定を受けるための多くの資料やコースがあります。

あなたの人生に最も影響を与えた学術論文や出版物は何ですか?

私はキャリアを通じて、常に遺伝学、ゲノミクス、バイオインフォマティクスに取り組んできました。 AI / ML ベースのアプローチを実装して創薬や精密医療の分野の問題を解決する方法についての記事、ブログ、研究論文を高く評価しています。 OMICS データを分析および解釈するためのマルチオミクス プロセス、さまざまなソースからのデータの統合、および FAIR ガイドラインの実装方法について読むのは興味深いことです。 COVID 後の時代は、臨床科学における AI/ML アプローチの適用を強化しました。 分散型試験や、患者募集、患者層別化、副作用の意思決定に Real World Data (RWD) を利用するための広範な取り組みについて学ぶのは興味深いことです。 AI は製薬業界で重要な役割を果たしており、FDA および EMEA からの AI の規制は、医療機器の開発において興味深いものとなり、医薬品開発の期間が短縮されます。

.

Leave a Comment

Your email address will not be published. Required fields are marked *