#89 no no a ver, yo entre al master con las expectativas de no hacer PhD.
pero entrando en materia me esta llamando la atencion todo lo relacionado con neutronics, material transmutation, radiation transport, etc.
Es verdad... si eso me lo habías contado.
Lo que también puedes hacer es mirar como estan las aguas. Aplica por los plazos y date una ronda por el mercado laboral. Si no te convence y te da la sensación de que te falta el PhD pues tira por ahí (Siempre estas a tiempo de salirte) y si encuentras algo pues encontrado esta.
A veces tendemos a tomar las decisiones así en blanco y negro y no hace falta. Es lo que voy a hacer yo cuando empiece a buscar la siguiente ronda. Echar a cosas de fuera también y al menos ver como esta el tema.
9 días después
Muchachotes, ¿qué haciendo? Yo esto tanteando el mundo del nanosegundo, es demasiado lento... (10-9 s, cuando usualmente trabajo con femtos, 10-15 s). Para ello he bloqueado el pulso-semilla que va de mi oscilador al amplificador, así que solo amplifico el pulso de la alimentación del amplificador (un láser de Neodimio-YAG que entra al amplificador de titanio-zafiro).
El problema es que el silicio me está resolidificando en fase cristalina. Y así llevo tres días xDDDDDDDDD
Pues nada, trucas los resultados y arreglado. Si total, nadie se va a enterar. Si luego alguien no es capaz de reproducirlo le dices que son comunistas y "fake news" y ya esta.
Yo esta semana no estoy siendo nada productivo por culpa del subnautica. Estoy aprovechando la modorra post-publicación para fumigarme el backlog...
Yo esta tarde tengo un evento en un coworking sobre machine learning en empresas. Para compensar estoy escribiendo un paper 
#101elderaine:machine learning en empresas
No lo entiendo, ¿machine learning para gestionar el funcionamiento de empresas? O la empresa es muy muy muy grande o no le encuentro el sentido.
Este es el resumen:
What we will be presenting?
Data is the new gold now. More and more companies are trying to extract value out of data using machine learning and analytics. But building and scaling data products is hard. Data products require new product management strategies. Chinmay will talk about his experience of building data products and lessons learned.
Who will be presenting?
Chinmay is a Product Leader with experience in building data products in the field of Industrial IoT and Machine Learning. He has over 5 years of experience working with Data Scientist, Engineers, and Entrepreneur in Silicon Valley.
#104 Mi empresa si.
Esto es un evento típico donde un tío que viene de USA te come la cabeza diciendo que lo que él hace es lo mejor del mundo. Voy por temas de networking sobretodo. La semana que viene me mudo a Berlín a montar mi empresa allí.
Yes. Es un poco de humarro. Lo mejor es dónde es la charla
La empresa donde trabajo es una code academy de Data Analysis, y en nada empezamos el programa en Berlín. Me voy de COO, estoy un poco cagadete
Yes. Es un poco de humarro. Lo mejor es dónde es la charla
La empresa donde trabajo es una code academy de Data Analysis, y en nada empezamos el programa en Berlín. Me voy de COO, estoy un poco cagadete
Coñe, congratulaciones :]
Acuérdate de la taberna de ciencia cuando necesites llenar de gente la yates x'D
Esto va en general. ¿ Qué opináis de la reproducibilidad de los experimentos? Me refiero a que leyendo varios artículos me llamó la atención que en la mayoría, por no decir todos, aparecía marca y modelo de todos los aparatos usados, desde centrifugadoras hasta material tangible como las pipetas o micropipetas. Le pregunté a mi profesor de Bioquímica y me dijo: "Tiene que aparecer todo porque después te das cuenta de que la mayoría de artículos que leas no son reproducibles".
Esto me pareció curioso ya que en toda la carrera se hace hincapié en este tema, que si un experimento no se puede reproducir no debe de aparecer en ninguna revista. Aquí podemos entrar también en la maravillosa manipulación de los datos que más de uno ha hecho para hacer que su experimento tenga sentido.
¿Mi profesor se equivoca o tiene razón?
#112Mafioso14:¿Mi profesor se equivoca o tiene razón?
Se equivoca desde el momento que afirma categóricamente "tiene que aparecer todo". No, no te obliga nadie a ponerlo, de hecho aunque des el modelo esto no garantiza necesariamente la reproducibilidad. Diría más, la reproducibilidad se tendría que dar incluso usando otros aparatos para lo mismo, descartando así que haya un error de medición de la máquina.
#113 Hombre, cuando me lo explicó mi profesor no entendí que fuese obligatorio ponerlo, pero sí que hay que ponerlo por ayudar. De todos modos, mi pregunta iba a enfocada de que si pensáis que la mayoría de experimentos son reproducibles o no, sobre todo si estáis investigando qué os parece.
#115 Ufff, da para tema aparte, en mi área hay muchos que no, entre muchas razones porque están muy limitados por un tamaño de muestra bastante pequeño. Supongo que depende del campo.
#115 no, no lo son.
Depende del campo de estudio y por lo tanto de sus exigencias, del control de variables, etc.
Esto no implica que sean erróneos, ni que sea lícito que otros se aprovechen de esto para publicar auténticas basuras.
Nosotros incluimos todas las marcas de todas las piezas para que os podais montar un LHC en casa.
#ScienceForAll #LHCbyIKEA
En experimentos grandes al final reproducibilidad no tienes muchas veces. Dentro de la colaboración "algo" pero muy pocas veces realmente alguien se va a poner a repetir tu analisis.
Fuera, más que reproducibilidad tienes otros experimentos que pueden encontrar lo mismo desde enfoques distintos (Y es probablemente más importante).
Pues a mí no me parece ninguna chorrada el incluir las marcas de las cosas. Yo mismo he tenido problemas al encargar el mismo péptido a dos empresas y darme cuenta de que me habían mandado cosas distintas. Tal vez poner las centrífugas sea excesivo, pero hay cosas que son más sensibles y pueden depender del fabricante.
