发表在《PLoS Comput Biol 》杂志的2011的文章：《Ten Simple Rules for Developing a Short Bioinformatics Training Course》介绍了他们如何做生物信息学短期培训的经验，总体上需要遵循下面的10个原则：

(资料图)

设定实际和现实的期望：明确课程的目标和预期结果，这对于训练者和参与者都很重要。（很多学员抱着两天发表sci文章来参加培训就不提倡）

确保学员的期望与课程范围相符：通过问卷或课程开始时与学员的讨论，确保学员的期望与课程内容相符。（生物信息学短期培训能做的就是给大家一个扎扎实实的基础）

提前规划练习和活动，并测试资源：将课程规划为独立的单元或模块，每个模块都有介绍、目标、行动列表和可能的困难。（我们的马拉松授课就是持续5周的5个单元知识点）

确保计算设备的准备和实践支持的可用性：确保工作站（Linux，Mac或PC）安装了所有必要的软件，以便学员完成课程。

利用生物信息学资源和工具的动态世界作为学习机会：提供时间参考，因为生物信息学资源和工具以及存储的数据不断发展。（生信技能树和生信菜鸟团公众号会持续更新最新学习笔记）

平衡概念与实践结果：提供基本概念和理论背景，同时保证理论/技术和实际应用之间的平衡。（尤其是要完成我们设置的学徒作业）

用实际和“真实世界经验”的例子来强化学习：尽可能提供适当的生物学背景，例子没有相关的背景就失去了意义，也无法吸引学员。（尽可能的做一些文献图表复现）

确保方法/工具与学员的经验和科学研究需求相关：设计你的材料，使你提供的例子既能说明你想传达的概念，又与至少一些学员的研究兴趣相关。

允许互动，并提供时间进行反思、个人分析和探索：确保互动和反思的时间，让学员有时间熟悉工具/资源的界面，理解其内容。

鼓励独立思考和问题解决：教会学员如何解决问题，而不是简单地用幻灯片和逐步教程喂给他们：学习如何用生物信息学解决研究问题，知道在哪里/如何寻找解决方案，比学习每个可用工具和资源的细节更重要。

感兴趣的可以细读原文：/ploscompbiol/article?id=10.1371/journal.pcbi.1002245

最理想的培训应该是：传帮带

比如各个公司的老人带新人，大多数情况下并不需要招来的新入职的小伙伴有什么业务基础，因为公司并不是做科研其实大家的日常工作都是可以流程化，无非就是熟悉而已。生物信息学数据分析虽然说是走技术路线，但实际上基础知识就那么多，不同分析策略也是可以三五年学完的。

但是绝大部分小伙伴其实并没有这样的传帮带机会，因为目前主流公司并不会招聘完全没有任何基础的新手来培养，除了极少数上市公司可以通过管培生的途径来践行传帮带的思想。

其次理想的培训应该是：通用基础授课+课后大量实践

这个其实就是我们目前设计的马拉松授课了，再怎么强调生物信息学数据处理的计算机基础都不为过，我把它粗略的分成基于R语言的统计可视化，以及基于Linux的NGS数据处理：

《生信分析人员如何系统入门R(2019更新版)》

《生信分析人员如何系统入门Linux(2019更新版)》

这些基础都融入在我们的马拉松授课里面，接下来的6月5号就是最新一期的直播互动授课啦，有需要的朋友赶快上车哈：生物信息学马拉松授课（买一得五） ，你的生物信息学入门课。

而且课程结束后也会有循序渐进的项目实践给大家做提高的机会。

授课时间和方式

生信入门班：6月5日起，连续4个星期，每个星期5天，前两周上课时间为每天晚上7:30-10:30，后两周上课时间为每天晚上8:00-11:00（北京时间）。

数据挖掘班：6月5日起，连续3个星期，每个星期5天，上课时间为每天晚上7:30-10:30（北京时间）。

钉钉群线上直播授课，直播期间穿插练习，讲练结合，充分互动，强调在实战中进步。讲师分章节在线授课及答疑，突发情况可在线求助我们的助教团队，课堂进度也会根据学员们的理解程度灵活作调整。

最差的培训模式是？

我想，可能是周末两天赶场的填鸭式商业授课？