Майстер-план: 22 тижні до гранту й перших подач

Категорія E (кар’єра). Створено: 30 липня 2026. Режим: повний день. Горизонт: 30 липня — 31 грудня 2026. Об’єднує док. 03 (стратегія), 04 (гайд MAMMAL), 06 (навчання), 09–11 (пошук роботи, спільнота).

Як ми працюємо

Твоя роль: робиш руками. Пишеш код, натискаєш кнопки, спілкуєшся з людьми, приймаєш рішення.

Моя роль: будую разом з тобою, пояснюю простими словами, даю робочий код, перевіряю результат, ловлю помилки, готую тексти (пости, листи, заявку на грант).

Головне правило: ніякої теорії наперед. Ми беремо конкретну задачу → я пояснюю рівно стільки, скільки потрібно для неї → ти робиш → розуміння приходить від дії. Це не «спочатку вивчи математику, потім ML». Це «зроби, а по дорозі зрозумієш чому».

Як запускати роботу зі мною. Просто пиши: «робимо крок 1.3» — і я даю все для цього кроку: пояснення, код, перевірку. Якщо застряг — кидай помилку, розберемо. Якщо щось незрозуміло — кажи «поясни простіше», це нормальна і часта команда.

Ритм дня (орієнтир, не догма):

Час	Що
3–4 год	Основна технічна робота (код, проєкт)
1 год	Біологія (читання, відео) — паралельний трек
30 хв	Спільнота: Discord, X, семінар
30 хв	Записати, що зробив (це матеріал для постів)

Мапа: 7 фаз

Фаза	Тижні	Дати	Результат наприкінці
0. Запуск	—	30 лип – 2 серп	GitHub, Colab, MAMMAL запущений, спільнота, алерти
1. Python і дані	1–3	3 – 23 серп	Впевнений Python, перший біо-аналіз на GitHub
2. ML і трансформери	4–6	24 серп – 13 вер	Своя нейромережа, розумієш attention, ембединги
2.5. Інженерія ⭐	+2	вставлено 30 лип	Linux, Git, Docker, ETL, хмара — додано за даними живих вакансій, див. док. 13
3. Проєкт №1	7–9	14 вер – 4 жовт	MAMMAL vs ESM-2, репо з цифрами + ARDD 1–3 жовтня
4. Проєкт №2	10–12	5 – 25 жовт	Evo 2: варіанти FOXO3, AUROC, другий репо
5. Проєкт №3 (флагман)	13–16	26 жовт – 22 лист	Longevity-прицільний проєкт — те, що йде в грант
6. Упаковка	17–19	23 лист – 14 груд	LinkedIn, CV, три чисті репо, чернетка заявки
7. Грант і подачі	20–22	15 – 31 груд	Заявка на Foresight Fast Grant + перші листи в компанії

ФАЗА 0 — Запуск (30 липня – 2 серпня, 3–4 дні)

Мета фази: за три дні мати робоче середовище, першу технічну перемогу і відкриті двері в спільноту. Далі вже нічого не блокує.

Крок 0.1 — GitHub

Ти: реєструєш акаунт на github.com (нік — латиницею, бажано просте ім’я, це буде адреса твого портфоліо). Вмикаєш двофакторку. Я: пояснюю, що таке репозиторій, коміт і чому це твоє резюме; допомагаю обрати нік і оформити профіль. Готово коли: є профіль github.com/твій-нік.

Крок 0.2 — Google Colab і перший запуск коду

Ти: відкриваєш colab.research.google.com, створюєш перший ноутбук, запускаєш print("hello"). Я: пояснюю, що таке Colab (комп’ютер з GPU у браузері, нічого не встановлюєш), як вмикати GPU. Готово коли: код виконався в браузері.

Крок 0.3 — Перша перемога: запустити MAMMAL 🎯

Ти: копіюєш код, який я дам, натискаєш «запустити», дивишся на результат. Я: даю готовий ноутбук за док. 04 — завантаження моделі ibm/biomed.omics.bl.sm.ma-ted-458m і інференс. Пояснюю, що саме відбулося. Готово коли: у тебе на екрані передбачення справжньої біо-AI моделі.

Навіщо це в перший тиждень, до навчання. Щоб ціль перестала бути абстрактною. Ти побачиш своїми очима те, до чого йдеш — і далі всі місяці Python не будуть «навіщось».

Крок 0.4 — Спільнота: відкрити двері

Ти: заходиш у VitaDAO Discord, підписуєшся на Foresight Longevity Seminar Group, створюєш акаунт X (якщо немає) і підписуєшся на 20 людей поля. Я: даю список із 20 конкретних людей і пояснюю, хто вони; пишу коротке представлення для Discord. Готово коли: ти в трьох каналах і читаєш.

Крок 0.5 — Crunchbase: увімкнути фон

Ти: береш Pro, налаштовуєш три збережені пошуки з док. 09, вмикаєш алерти, підписуєшся на 8 фондів. Я: даю точні фільтри крок за кроком; якщо щось не сходиться в інтерфейсі — розберемо разом. Готово коли: алерти надходять на пошту.

Крок 0.6 — Трекер

Ти: відкриваєш трекер (я його зроблю), позначаєш зроблене. Я: підтримую трекер актуальним.

ФАЗА 1 — Python і дані (тижні 1–3, 3–23 серпня)

Мета: писати код без страху й вміти працювати з таблицею даних. Це фундамент усього наступного.

Тиждень 1 — Python з нуля

Крок 1.1 — Синтаксис (дні 1–3)

Ти: проходиш Python for Everybody, розділи 1–5. Після кожного розділу — пишеш свій маленький скрипт, не копіюючи. Я: щодня даю 3 задачки під те, що ти пройшов, і перевіряю рішення. Пояснюю помилки простими словами. Готово коли: пишеш функцію з циклом і умовою, не підглядаючи.

Крок 1.2 — Структури даних (дні 4–5)

Ти: списки, словники, множини. Задача-проєкт: скрипт, що читає текстовий файл із ДНК-послідовністю й рахує, скільки в ній кожної букви. Я: даю каркас, пояснюю кожен рядок; показую, як той самий код виглядає «по-пітонівськи». Готово коли: скрипт працює й ти розумієш кожен рядок.

Крок 1.3 — Git і перший репозиторій (дні 6–7)

Ти: створюєш репозиторій bio-ai-journey, заливаєш туди свої скрипти, пишеш README. Я: пояснюю Git на пальцях (це «збереження з історією»), даю точні команди, допомагаю з README. Готово коли: твій код видно на GitHub.

Тиждень 2 — Дані: pandas і графіки

Крок 2.1 — pandas (дні 1–3)

Ти: Kaggle Pandas course. Потім — той самий набір операцій на трьох різних CSV. Я: пояснюю, що DataFrame — це просто таблиця в пам’яті; даю задачі на фільтрацію, групування, злиття.

Крок 2.2 — Графіки (день 4)

Ти: matplotlib і seaborn: гістограма, scatter, boxplot. Я: показую, який графік для якого питання, і як зробити його читабельним.

Крок 2.3 — Перший біологічний датасет (дні 5–7) 🎯

Ти: беремо реальні дані експресії генів (GEO або CELLxGENE), проводиш повний шлях: завантажив → почистив → порахував → побудував графік → написав висновок. Я: обираю датасет під тебе, пояснюю біологію за ним (що таке експресія генів простими словами), веду по кроках. Готово коли: репозиторій gene-expression-analysis з ноутбуком, графіками і чесним висновком у README.

Це вже перший рядок портфоліо. Не «навчальна вправа» — реальний аналіз реальних даних.

Тиждень 3 — Математика на пальцях + біологія-мінімум

Крок 3.1 — Інтуїція, не формули (дні 1–3)

Ти: 3Blue1Brown про лінійну алгебру (вектори, матриці) + StatQuest про розподіли й регресію. Дивишся, записуєш своїми словами. Я: після кожного відео — перевіряю розуміння одним питанням і пояснюю, де саме це знадобиться в ML. Ніяких доведень.

Крок 3.2 — Біологія: центральна догма (дні 4–5)

Ти: ДНК → РНК → білок. Ген, мутація, експресія. Я: пояснюю це так, як пояснив би розробнику: ДНК — вихідний код, РНК — скомпільований проміжок, білок — запущена програма. Даю 10 понять, які потрібні, і не більше.

Крок 3.3 — Перший ML (дні 6–7)

Ти: scikit-learn: train/test split, логістична регресія, AUROC — на даних з кроку 2.3. Я: пояснюю, що таке «навчити модель» і чому не можна перевіряти на тих самих даних; що означає AUROC 0.85. Готово коли: маєш першу навчену модель і розумієш її число.

Крок 3.4 — Перший пост 📣

Ти: пишеш короткий пост: «Тиждень 3 мого шляху в AI для біології — що зробив, що зрозумів». Я: роблю чернетку англійською з твоїх нотаток, ти правиш під себе.

ФАЗА 2 — ML і трансформери (тижні 4–6, 24 серпня – 13 вересня)

Мета: перестати бути користувачем моделей і стати тим, хто їх навчає.

Тиждень 4 — PyTorch

Крок 4.1 — Тензори й перша мережа (дні 1–3)

Ти: learnpytorch.io, розділи 0–2. Збираєш мережу з трьох шарів. Я: пояснюю цикл навчання (forward → loss → backward → step) на аналогії; розбираю кожен рядок твого коду.

Крок 4.2 — Своя мережа на своїх даних (дні 4–5)

Ти: береш дані з кроку 2.3, навчаєш на них нейромережу, порівнюєш із логістичною регресією з кроку 3.3. Я: допомагаю з архітектурою й гіперпараметрами, пояснюю, чому проста модель часто виграє.

Крок 4.3 — GPU і чому це важливо (дні 6–7)

Ти: вмикаєш GPU в Colab, вимірюєш різницю в часі. Я: пояснюю, що таке GPU для ML і скільки коштує compute — знадобиться для планування проєктів.

Тиждень 5 — Трансформери

Крок 5.1 — Attention на пальцях (дні 1–2)

Ти: The Illustrated Transformer + Karpathy «Let’s build GPT». Я: пояснюю attention без формул: «модель вирішує, на які частини входу дивитися, коли обробляє кожну». Перевіряю розуміння.

Крок 5.2 — HuggingFace (дні 3–4)

Ти: завантажуєш готову модель, подаєш вхід, дістаєш ембединги. Я: пояснюю, що ембединг — це «зміст, записаний числами», і чому це головний будівельний блок усього далі.

Крок 5.3 — ESM-2: білки як мова (дні 5–7) 🎯

Ти: завантажуєш ESM-2 (маленьку версію), подаєш білкові послідовності, отримуєш ембединги, зберігаєш. Я: пояснюю ідею protein language model — чому білок можна читати як текст; даю код за док. 04. Готово коли: маєш ноутбук «послідовність → вектор».

Тиждень 6 — Біологія глибше + підготовка до проєкту

Крок 6.1 — Омікси й ознаки старіння (дні 1–3)

Ти: геноміка, транскриптоміка, протеоміка. 12 ознак старіння (у нас є документи в проєкті). Я: веду по наших же матеріалах, пояснюю, які ознаки взагалі піддаються ML.

Крок 6.2 — Навчитись читати статті (дні 4–5)

Ти: беремо статтю MAMMAL (arXiv:2410.22367), читаєш зі мною. Я: показую, як читати статтю за 15 хвилин: abstract → figures → results → methods за потреби. Розбираємо разом.

Крок 6.3 — План проєкту №1 (дні 6–7)

Ти: разом фіксуємо задачу, дані, baseline, метрику. Я: готую детальний план на базі док. 04.

ФАЗА 2.5 — Інженерія (2 тижні, вставлено після вивантажу вакансій)

Додано 30 липня 2026 після аналізу 125 живих вакансій — див. док. 13. Причина: ролі, реально доступні тобі без PhD, називаються Research Engineer, і половина їхніх вимог — інфраструктура, а не ML.

Крок E.1 — Linux і bash по-справжньому

Ти: пайпи, процеси, права доступу, ssh, tmux. Не «вмію cd». Я: даю задачі на реальних сценаріях, які трапляються в біоінформатиці.

Крок E.2 — Git на рівні команди

Ти: гілки, rebase, PR, code review. Я: пояснюю командний робочий процес — так працюють усі, і це видно в твоєму GitHub.

Крок E.3 — Docker

Ти: збираєш образ зі своїм проєктом, запускаєш деінде. Я: пояснюю, навіщо це в науці — відтворюваність, і чому NewLimit пише «Docker, Singularity» у вимогах.

Крок E.4 — ETL-пайплайн

Ти: сирі дані → оброблені → сховище. З логами й можливістю перезапуску. Я: проєктуємо разом. Дослівна вимога Chai («large-scale ETL pipelines») та Isomorphic («data processing pipelines»).

Крок E.5 — Хмара й GPU

Ти: піднімаєш GPU-інстанс, рахуєш вартість, вимикаєш вчасно. Я: порівнюємо провайдерів, рахуємо бюджет на флагман-проєкт.

ФАЗА 3 — Проєкт №1: MAMMAL vs ESM-2 (тижні 7–9, 14 вересня – 4 жовтня)

Це перший «дорослий» проєкт. Задача: передбачити розчинність білка за послідовністю. Порівняти дообучений MAMMAL із простим baseline на ESM-2. Повний технічний гайд уже написаний — док. 04.

Крок 7.1 — Середовище і дані (тиждень 7, дні 1–2)

Ти: ставиш biomed-multi-alignment[examples], запускаєш інференс. Я: веду по док. 04, ловлю проблеми з залежностями.

Крок 7.2 — Fine-tuning (тиждень 7, дні 3–5)

Ти: запускаєш main_finetune.py з нашими override’ами. Я: даю точну команду, пояснюю кожен параметр, розбираю підводні камені (DDP у Colab, ClearML, OOM). Готово коли: є best_epoch.ckpt і метрика на тесті.

Крок 7.3 — Baseline на ESM-2 (тиждень 8, дні 1–3)

Ти: ембединги → логістична регресія → accuracy й AUC на тих самих даних. Я: даю код, пояснюю, чому чесне порівняння вимагає тих самих train/test.

Крок 7.4 — Порівняння й висновок (тиждень 8, дні 4–5)

Ти: таблиця, графік, 4 речення висновку. Я: допомагаю з інтерпретацією — зокрема, якщо MAMMAL програє baseline (це буває, і це теж результат, який треба чесно описати).

Крок 7.5 — Репозиторій (тиждень 8, дні 6–7)

Ти: оформлюєш репо за структурою з док. 04. Я: пишу чернетку README, вичитую. Готово коли: публічний репо, який не соромно показати.

Крок 7.6 — ARDD 🎯 (1–3 жовтня, тиждень 9)

Ти: купуєш віртуальний квиток ($49) у вересні. 1–3 жовтня — дивишся. Пріоритет: AI in Drug Discovery Forum (2.10), Virtual Aging Cell Forum (3.10). Ведеш нотатки. Я: до конференції — готую список спікерів і 10 робіт для попереднього читання. Під час — розбираю з тобою почуте. Після — робимо разом підсумковий пост. Готово коли: є пост-конспект і 10 нових компаній у target-list.

Крок 7.7 — Перший внесок у open-source (тиждень 9)

Ти: якщо в док. MAMMAL знайшлася неточність (а ти вже занурений) — робиш PR. Я: допомагаю оформити PR правильно.

ФАЗА 4 — Проєкт №2: Evo 2 і варіанти (тижні 10–12, 5–25 жовтня)

Задача: передбачити, чи шкідлива мутація в гені, без жодного навчання (zero-shot). Ген — FOXO3, один із найвідоміших генів довголіття.

Крок 10.1 — Теорія геномних моделей (дні 1–2)

Я: пояснюю Evo 2 — модель, що читає ДНК як текст, і чому вона може оцінити «дивність» мутації без міток.

Крок 10.2 — Повторити офіційний приклад (дні 3–5)

Ти: BRCA1-ноутбук крок за кроком. Я: веду, пояснюю кожен етап.

Крок 10.3 — Свій ген (тиждень 11)

Ти: береш варіанти FOXO3 з ClinVar, рахуєш скор, будуєш ROC. Я: допомагаю з вивантаженням даних із ClinVar і з інтерпретацією.

Крок 10.4 — Репозиторій і пост (тиждень 12)

Ти: другий репо + пост про результат. Я: README, чернетка посту.

Крок 10.5 — Спільнота: перша реальна задача у VitaDAO (наскрізно)

Ти: береш одну конкретну задачу з research working group. Я: допомагаю обрати посильну і зробити її добре.

ФАЗА 5 — Проєкт №3, флагман (тижні 13–16, 26 жовтня – 22 листопада)

Це той проєкт, який піде в заявку на грант і буде головним у резюме. Тема — прицільно longevity, а не абстрактний ML.

Тема зафіксована 30 липня за даними вакансій (док. 13): single-cell. NewLimit і Altos називають scRNA-seq, scATAC-seq, multiome й perturbation screens дослівно у вимогах — це найточніше попадання в реальну вакансію з усіх варіантів, які ми розглядали. Епігенетичний годинник і Boltz-2-скринінг лишаються як запасні.

Крок 13.1 — Single-cell: класифікатор клітинного стану (тиждень 13)

Ти: формулюєш гіпотезу одним реченням. Я: готую дизайн експерименту й пояснюю біологію задачі.

Крок 13.2 — Дані + demultiplexing, alignment, QC (тиждень 13–14)

Ти: проходиш повний біоінформатичний шлях руками. Я: знаходжу джерела, веду по кожному кроку.

Ці три слова — demultiplexing, alignment, and quality control — стоять дослівно у вимогах NewLimit. Зробивши їх руками, ти отримуєш право написати їх у резюме.

Крок 13.3 — Baseline (тиждень 14)

Ти: найпростіше рішення, яке працює. Це твоя точка відліку. Я: пояснюю, чому baseline робиться першим, а не останнім.

Крок 13.4 — Основна модель (тижні 15–16)

Ти: навчаєш, ітеруєш, ведеш журнал експериментів. Я: архітектура, гіперпараметри, розбір, чому щось не працює.

Крок 13.5 — Один запуск distributed training (тиждень 16)

Ти: орендуєш 2 GPU на кілька годин, запускаєш навчання через DDP. Я: даю код і пояснюю, що робить DDP.

DDP/FSDP/DeepSpeed згадані в кожній серйозній вакансії. Кілька доларів оренди дають рядок у резюме, який інакше писати не можна.

Крок 13.6 — Результат і візуалізація (тиждень 16)

Ти: графіки, таблиця, чесний висновок про обмеження. Я: допомагаю з інтерпретацією й оформленням.

ФАЗА 6 — Упаковка (тижні 17–19, 23 листопада – 14 грудня)

Мета: перетворити зроблене на те, що читається за 30 секунд.

Крок 17.1 — Три репозиторії до ладу

Ти: README у всіх трьох за одним шаблоном: задача → підхід → результат (цифри й графік) → як відтворити. Я: вичитую, переписую формулювання під англомовну аудиторію.

Крок 17.2 — GitHub-профіль

Ти: profile README, закріплені репозиторії. Я: пишу текст профілю.

Крок 17.3 — LinkedIn

Ти: фото, банер, заголовок, About, проєкти як окремі записи, Open to work. Я: даю готові тексти за док. 07, адаптовані під те, що ти реально зробив.

Формулювання — словником вакансій, не нашим. У жодному з 125 описів немає слів MAMMAL, ESM чи Evo 2. «Fine-tune MAMMAL» → «fine-tuned a pre-trained multimodal transformer on protein sequence data». Моделі лишаються як доказ, а не як заголовок.

Крок 17.4 — CV

Ти: одна сторінка. Я: роблю чернетку, ти правиш.

Крок 17.5 — Технічний блог-пост

Ти: один глибокий розбір — твій найкращий проєкт від задачі до висновку. Я: структура, редактура. Це найсильніший артефакт для холодних листів.

ФАЗА 7 — Грант і подачі (тижні 20–22, 15–31 грудня)

Крок 20.1 — Заявка на Foresight Longevity Biotechnology Fast Grant 🎯

Дедлайн: 31 грудня 2026. Сума ~$10 000. Подаються фізичні особи, інституція не потрібна.

Ти: формулюєш ідею — що саме хочеш дослідити далі й навіщо. Я: структурую заявку, пишу чернетку, вичитую; перевіряю по свіжій версії їхніх вимог перед подачею. Готово коли: заявка подана.

Навіть відмова корисна: ти пройдеш вправу формулювання дослідницької ідеї, яку інакше робиш уперше вже на співбесіді.

Крок 20.2 — Перші листи в компанії

Ти: обираєш 10 компаній зі списку (док. 09), знаходиш CTO / Head of ML. Я: прожену ATS-фіди по твоєму списку, перевірю компанії на реальну ML-глибину, напишу персональні чернетки листів — з конкретикою про твої проєкти, а не «шукаю можливості». Готово коли: 10 листів надіслано.

Крок 20.3 — Підсумок року

Ти: пост «рік з нуля в bio-AI: що вийшло, що ні». Я: допомагаю з чесною ретроспективою і планом на 2027.

Наскрізні треки (щотижня, не блоками)

Трек	Скільки	Що конкретно
Спільнота	3 год/тиждень	VitaDAO Discord, Foresight-семінари, X. З тижня 10 — реальні задачі у VitaDAO
Публічність	1 пост/тиждень	Прогрес-пости. Я роблю чернетку, ти правиш під себе
Читання статей	2 статті/тиждень	З тижня 6. Розбираємо разом
Crunchbase	20 хв/тиждень	Переглянути алерти, додати в трекер
Журнал	10 хв/день	Що зробив, що не вийшло. Це паливо для постів і для заявки на грант

Що буде наприкінці грудня

3 проєкти на GitHub з реальними моделями й чесними цифрами
Профіль, який читається як «людина в полі», а не як «людина, що вчиться»
Заявка на грант подана — а з нею шанс на формальний дослідницький статус без PhD
10 листів у реальні компанії, написаних із позиції зробленого
Місце у спільноті — тебе знають кілька десятків людей поля
~40 постів — публічний слід, який знаходять рекрутери

Це не гарантує роботу в грудні. Але це переводить тебе з категорії «career-changer без досвіду» в категорію «людина з портфоліо й треком», а це різні ринки.

Найчастіші місця, де такі плани ламаються

Чесно, щоб ти знав заздалегідь:

Тиждень 3–4, «навіщо мені ця математика». Лікується тим, що ми не вчимо математику окремо — тільки під задачу.
Перший fine-tuning не запускається. Це нормально й трапиться. У док. 04 уже описані шість типових помилок. Кидай мені лог — розберемо.
Проєкт дає гірший результат, ніж очікував. Це не провал, це результат. Чесно описаний негативний результат читається краще, ніж підкручений позитивний.
Пости здаються соромними. Перші п’ять — так. Далі стає звично, а через три місяці вони — твій головний актив.
Вигорання від повного дня. Один день на тиждень повністю без коду. Не обговорюється.

Наступний крок прямо зараз

Пиши: «робимо крок 0.1» — і починаємо.

Матеріали сайту мають освітній характер і не є медичною порадою. Рішення про будь-які втручання ухвалюйте разом із лікарем.