[Leek; taal?] Medische beeldvorming, onderwijs, onderzoek

[Sumerechny]

Goedendag allemaal,

Nadat ik afgelopen zomer mijn MSc* (gericht op medische beeldvorming en wetenschappelijk onderzoek) afgerond had was ik al snel onrustig en wilde ik iets nieuws leren. Ik kwam al snel bij programmeren uit en dankzij bevriende web devs heb ik mij in eerste instantie op HTML/CSS/PHP gegooid.

In de afgelopen weken heb ik met veel plezier (en af en toe frustratie ) kennis opgedaan. Nu kom ik langzaam op het punt dat ik mij écht wil verdiepen. Dus komt de keuze welke taal.

Ik heb al enkele jaren ervaring en passie op het gebied van medische beeldvorming, onderwijs en (medisch-) wetenschappelijk onderzoek. Hoewel programmeren voorlopig hobbymatig blijft is er een mogelijkheid dat ik het t.z.t. wil toepassen binnen mijn kennisgebied.

Zelf heb ik Java op het oog gezien het vrij breedt toepasbaar is binnen mijn interesse gebied. Een focus op R of Matlab lijkt mij te beperkt (dit wordt veel gebruikt door klinisch fysici die ik ken).

Is dit een aardige stap of zie ik als leek iets over het hoofd?

Of ben ik alles aan het overdenken?

[storeman]

Eigenlijk is hier geen goed antwoord op te geven. Je kiest de taal die past bij het probleem. Matlab of R zijn heel goed in het oplossen van een bepaald soort problemen die je in bijvoorbeeld PHP nooit gaat kunnen oplossen.

Ik zou mij eerder verdiepen in de manier van programmeren dan een specifieke taal. Neem een boek als Code Complete en probeer dat je eigen te maken.

Als je een idee hebt voor een project of functie, dan kun je daar de beste tool bij zoeken. Webbased kom je snel uit bij PHP, Python of NodeJS (maar .NET of java kunnen natuurlijk ook). Ga je apps maken, dan kom je wellicht wel weer bij andere talen uit. Ga je met grote datasets werken, dan ga je wellicht veel functies schrijven in Postgresql of een andere database met geavanceerde programmeerfuncties.

[Harrie_]

Wat storeman zegt: de vraag is eigenlijk wát wil je gaan maken. Als je dat weet dan blijft er een stuk minder over om uit te kiezen. Als je weet wat je wilt maken kun je uit de talen die 'overblijven' de pro's en cons afwegen...

[PageFault]

Als ik denk aan beelden/beeldbewerking en met name in de medische hoek, dan denk ik gelijk aan MatLab. Met de kennis die je nu hebt, wellicht een stijle leercurve, omdat je snel weer onterecht voor for loopjes gaat kiezen, maar prima te leren en veel display mogelijkheden.

[NMe]

Sumerechny schreef op donderdag 21 september 2017 @ 11:20:
Dus komt de keuze welke taal.

Goeie vraag. Die heeft vast iemand al eens eerder gesteld. En jawel: zoeken naar "welke taal". Wat zeggen die zoekresultaten je? En waarom verwacht je hier een ander antwoord?

[Sumerechny]

Dank allen, ik steek het dus verkeerd in. Als ik het goed begrijp doet het er relatief weinig toe gezien ik geen gericht doel heb buiten 'leren programmeren' om. Ik denk dat ik gewoon met Java begin, er zijn genoeg goede MOOC's etc van te vinden .

NMe schreef op donderdag 21 september 2017 @ 13:27:
[...]

Goeie vraag. Die heeft vast iemand al eens eerder gesteld. En jawel: zoeken naar "welke taal". Wat zeggen die zoekresultaten je? En waarom verwacht je hier een ander antwoord?

Terechte reactie . Ik had rondgekeken (ook buiten T.net) en wat opgestoken. Maar ik vroeg me nog af of er m.b.t. achtergrond/interesse gebied nog specifieke punten waren.

[gekkie]

Hangt er een beetje vanaf wat je wil, maar meestal zul je toch tegen een aantal libraries aan gaan programmeren.
Vraag is dus in jouw veld, voor welke libraries (opencv/theano/tensorflow/caffe/ etc) die je zou kunnen gebruiken, zijn welke language bindings beschikbaar ?
Daarnaast is het ook wel handig als er een stapel examples en tutorials is.

En dan denk ik dat python, matlab, R en C/C++ de belangrijkste kandidaten zullen worden.

[Morrar]

Voor medische beelden zou ik sowieso naar Python kijken met de SciPy stack en scikit-image en scikit-learn in het bijzonder. Deze packages zijn heel erg geschikt voor dit doel en nemen je veel werk uit handen. Als je nog dieper wilt gaan is convolutionele neutale netwerken met Tensorflow en bv Keras ook nog een optie.

R gaat je niet hetzelfde bieden qua beeldverwerking en deep learning qua packages. R is wel vollediger in traditionele statistische modellen.

Tot slot is python ook veel breder inzetbaar dan bijvoorbeeld R; met Flask of django kun je er ook prima (medische / wetenschappelijke) web applicaties mee bouwen.

Als je op Windows werkt kan ik je Anaconda erg aanbevelen als distributie. Deze installeert standaard veel van de genoemde packages en heeft Jupyter notebook aan boord om data science projecten in te doen. Wil je liever een IDE hebben om in te werken, dan zou je PyCharm kunnen overwegen.