admin
谢谢站长的回复！我也了解了我部分想法的不全面。
和计算机科学相比，以药学为代表的生化环材在培养和实践上面临着更多的理论-实践gap。很多时候，不单单是大学的实验室（学习实验室和科研实验室），来自产业界的经验和学习/培养方案，招聘需求也是更重要的风向标。
对于站长提出的问题，我也有一点点不成熟的想法。照着《DataWhale人工智能培养方案》的葫芦画生化环材的瓢一定在药学方向不普适。但有些交叉方向，比较偏向计算机的，比如AIDD, CADD，或许真的能有像样的培养方案，可迁移性稍微高一点点。培养方案一定不是一言堂，也不是一经release就能实现的；每个人在学习阶段能接触到的资源和条件都大相径庭，所以这需要大家集思广益。网友基于不同的研究方向分享入门经验与学习路线是可行的，虽然可复制性可能会稍差，但是有更多的人愿意分享比固化路径，依赖路径更好。
开源知识的话，其实是内容大于形式的。Git不会用，网盘、群也是备选方案；构建网站需要额外的维护经历，但是资源版面帖的维持也许并不难（没有经营论坛经验，允许我妄议；不过这也许正是论坛牛的地方）？
第三个问题，我觉得国内乃至世界的药学研发社区（学术界、产业界）都面临成果如何转化的问题；而现代药物的转化周期都是以十年为周期的，这个以我目前的思考能力没法作出回答。如果可以的话，学术大牛，有产业界工作者的经验一定是比没有好的。而且，对于给人使用的药物学来说，临床的经验和数据也是至关重要的，但这就一定会和产业化、商业的数据产生关联，这也许是独立论坛够不到的门槛。
在AIGC时代，有人提出了构想，人大致分为三种大类。以去医院看病为例，第一类人是产生数据的人，病人去看病就是产生数据的过程；第二类人是掌握数据的人，医院收集并一定程度上占有数据，商用或闭源自用；第三类就是分析数据的人，也即各位医生、研究人员。在这个构象下，资本的力量确实占主导地位。但是我还是认为大家的讨论是重要的，也即论坛是需要的。它可能不产生数据甚至不占有数据，但是它能帮助分析数据的人有更多技巧、灵感。
先写这么多，谢谢站长分析指正和建设性的想法。之后我也会在找到开源资料后和大家探讨一下这份资料的好用程度，有无平替，有什么优劣。
