Apprendre les langages de programmation pour une carrière en science des données

Satish Gupta travaille actuellement en tant que directeur de l’IA et de l’analyse chez Cognizant. Il fournit une assistance globale pour l’ensemble de la R&D, de la découverte et de l’analyse pour les clients pharmaceutiques, des sciences de la vie et des soins de santé de l’entreprise.

Il a soutenu les applications cliniques et agronomiques du compte Bayer Crop Sciences en tant que consultant dans le domaine des sciences de la vie au TCS, Delhi. De plus, il a été membre de l’équipe qui a validé les panels NGS utilisés en oncologie pour répondre aux exigences de conformité des organismes d’audit CAP/CLIA/NABL.

INDIAai a interviewé Satish Gupta pour avoir son point de vue sur l’IA.

C’est formidable de voir quelqu’un avec un diplôme en biosciences employé en science des données. Comment tout a commencé ?

La science est une matière évolutive qui ne cesse de s’améliorer grâce à la mise en œuvre de nouvelles méthodes et technologies issues de la recherche. La bioinformatique est un sujet qui donne aux étudiants en sciences de la vie une exposition aux algorithmes, aux bases de données, aux statistiques et à la programmation. Toute l’aspiration à apprendre de nouveaux sujets et la demande d’application de la bioinformatique dans la recherche scientifique actuelle ont progressivement poussé beaucoup d’entre nous vers la science des données. Il existe de nombreuses universités et instituts de qualité proposant des cours de bioinformatique et répondant à la demande du secteur scientifique et pharmaceutique. L’application des technologies de troisième/quatrième génération à la recherche scientifique a déversé de grandes quantités de données dans notre seau pour nous inspirer à en savoir plus et à en faire une interprétation significative. C’est ce qu’on appelle l’ère des données et des sciences de la vie, le secteur de la santé et de la pharmacie l’a très bien exploité.

Qui vous a motivé à rechercher une carrière en IA ? Quelle a été la force motrice ?

Je dirais que c’était un mouvement progressif, et “Bioinformatique” était un mot à la mode pendant notre maîtrise, et cela nous a touchés. J’étais intéressé à débuter ma carrière dans l’industrie après ma maîtrise en biotechnologie, mais je n’étais pas satisfait pour plusieurs raisons. La chasse pour rejoindre l’industrie nous a fait prendre conscience de la demande à venir pour la bioinformatique. Le cours de bioinformatique à JNU, New Delhi, m’a donné une bonne exposition aux bases de données, aux statistiques et à la programmation, ce qui m’a motivé à poursuivre mon travail plus tard dans des instituts de recherche et à poursuivre ma carrière dans l’industrie dans différents rôles. Il y a une demande massive de ressources dans la manière moderne de regarder les données. C’est ce qu’on appelle “Explainable AI”, où ces mélanges d’expertises sont bien ajustés. Dès que le big data fait partie de son parcours, l’IA doit l’accompagner.

Quels ont été les premiers obstacles que vous avez rencontrés ? Comment les avez-vous conquis ?

Comme mentionné, mon objectif actuel était de poursuivre une carrière dans l’industrie, mais j’avais besoin d’aide pour faire une pause même après l’obtention du diplôme en bioinformatique. J’ai donc commencé à travailler dans les principaux instituts de recherche en Inde pour acquérir de l’expérience et faire une entrée dans l’industrie, car ils préfèrent toujours un candidat expérimenté à un plus frais. J’ai également noué des liens avec des personnes travaillant dans le milieu universitaire et l’industrie par le biais de diverses conférences, ateliers et réunions. Le réseautage proactif fonctionne toujours mieux pour moi. Il permet également d’apprendre et de prendre conscience de nouveaux aspects dans le domaine scientifique. Après quelques années de travail dans un institut de recherche, j’ai fait une percée dans l’industrie, mais j’ai vite réalisé la nécessité de l’enseignement supérieur pour la croissance personnelle.

Quelles sont vos responsabilités en tant que directeur de l’IA et de l’analytique pour la bioinformatique et les sciences de la vie chez Cognizant ?

C’est un rôle assez stimulant où je dois me tenir au courant des tendances récentes dans les secteurs des sciences de la vie, de la santé et de l’industrie pharmaceutique. Cognizant est un fournisseur de services et, en tant qu’unité commerciale, nous nous concentrons sur l’implication de l’IA et de l’analyse pour nos partenaires commerciaux en fonction des objectifs requis. Par conséquent, je dois comprendre les exigences exactes du point de vue de la R&D, de la découverte et de l’analyse et fournir une stratégie de solution. En même temps, j’essaie également de comprendre leur thème plus large de travail et de collaborations pour rassembler les points faibles où nous pouvons soutenir, fournir une solution et avoir une relation commerciale durable.

Parlez-moi de votre recherche doctorale. Quelles ont été vos contributions à la recherche ?

Les travaux de recherche se sont concentrés sur l’étude des modificateurs génétiques et environnementaux sur le risque de cancer. J’ai été principalement impliqué dans l’analyse des effets modificateurs du sélénium dans le plasma/sérum sanguin et du polymorphisme des gènes métabolisant le sélénium (Se) sur le risque de cancer chez CHEK2 et des patients atteints de cancer du poumon, du larynx et colorectal non sélectionnés. J’ai également exploré le rôle de la méthylation dans les gènes liés au cancer et de la sélénoprotéine dans le carcinome du sein. Certaines des conclusions étaient les suivantes :

  • Une concentration plus élevée de Se est significativement associée à une probabilité plus faible d’incidence du cancer.
  • La concentration en Se peut être un marqueur précieux pour la détection précoce des cancers dans le groupe étudié.
  • L’effet du niveau de sélénium dans le sérum sanguin sur l’incidence du cancer peut dépendre des génotypes dans les gènes de sélénoprotéine.
  • La méthylation du promoteur BRCA1 dans le sang périphérique est associée à un risque de cancer du sein chez les patientes présentant des mutations germinales BRCA1 négatives.

J’ai également collaboré avec plusieurs groupes de recherche et publié> 10 publications au cours de mon doctorat.

L’expertise en programmation est-elle essentielle pour les diplômés en biosciences qui souhaitent travailler en intelligence artificielle ?

Je recommande fortement l’exposition au programme de langue si l’on opte pour une carrière en science des données. Cela dépend encore une fois de la demande du rôle et des responsabilités. Par exemple, le scientifique des données aurait besoin de plus de connaissances statistiques avec une bonne compréhension et une expérience en programmation, et un ingénieur de données, en outre, aurait également besoin d’un niveau avancé d’expérience en développement d’algorithmes, en conception expérimentale et en programmation. Comprendre le cloud est essentiel, car tout est des technologies essentielles sur le cloud. On peut apprendre et perfectionner ses compétences grâce à de nombreuses plateformes d’apprentissage en ligne.

Quels conseils donneriez-vous à quelqu’un qui souhaite travailler dans la recherche en intelligence artificielle ? Sur quoi doivent-ils se concentrer pour avancer ?

L’IA est une application que nous pouvons mettre en œuvre dans différents domaines, de la santé à la banque, en passant par la finance, les études de marché, l’agriculture, la climatologie, etc. Comprendre n’importe quel domaine d’intérêt et déterminer les défis dans ce domaine particulier peuvent être exploités à l’aide de l’IA. L’approche suivante consisterait à rechercher les données disponibles et à définir un énoncé de problème à résoudre à l’aide de méthodes de science des données. Ici, je suppose une expérience préalable avec la programmation. Les débutants peuvent commencer par apprendre les bases de Python ou R et les modules de science des données. Le flux que je juge approprié est une bonne compréhension du domaine d’intérêt, la connaissance d’au moins un langage de programmation, la connaissance des statistiques et des approches basées sur le cloud, une bonne idée des données et la mise en œuvre de la science des données sur l’énoncé du problème. Il existe de nombreux matériaux et cours sur le Web pour vous certifier.

Quels articles et publications scientifiques ont eu le plus d’impact sur votre vie ?

J’ai toujours travaillé sur la génétique, la génomique et la bioinformatique tout au long de ma carrière. J’admire les articles, les blogs et les articles de recherche sur la mise en œuvre d’approches basées sur l’IA/ML pour résoudre des problèmes dans le domaine de la découverte de médicaments et des médicaments de précision. Il est intéressant de lire sur le processus multi-omique pour analyser et interpréter les données OMICS, l’intégration de données provenant de sources disparates et comment nous pouvons mettre en œuvre les directives FAIR. L’ère post-COVID a augmenté l’application des approches IA/ML dans les sciences cliniques. Il est intéressant d’en savoir plus sur les essais décentralisés et les efforts considérables pour utiliser les données du monde réel (RWD) pour la prise de décision dans le recrutement des patients, la stratification des patients et les effets indésirables des médicaments. L’IA joue un rôle important dans l’industrie pharmaceutique, et les réglementations de la FDA et de l’EMEA sur l’IA seraient intéressantes à surveiller dans le développement de dispositifs médicaux, raccourcissant ainsi la durée du développement de médicaments.

.

Leave a Comment

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