其实免费学生信资源大放送：精选25个自学平台，任你挑选的问题并不复杂，但是又很多的朋友都不太了解，因此呢，今天小编就来为大家分享免费学生信资源大放送：精选25个自学平台，任你挑选的一些知识，希望可以帮助到大家，下面我们一起来看看这个问题的分析吧！
网址： https://www.biostars.org/
特点性质：一个问答性质的全英文网站，专注于生物信息类的问答，几乎所遇到的技术问题，都能在该网站找到答案。支持关键字搜索，遇到问题先搜索答案。论坛也会精选出一些优质内容汇总。一些软件的作者、生信界的大咖也会在该网站潜水。
注：github,STHDA,
imageDP http://www.ehbio.com/ImageGP/index.php/Home/Index/
加拿大生信开源学习资源Bioinformatics.ca；
2. STDHA
网址：http://www.sthda.com/
特点性质：这个网站是一个生物信息学的博士建立的网站， 写了很多关于multivariate data analysis, survival analysis和 data visualization的包，主要是为了数据科学的培训做的这个网站，里面有大量的使用R语言进行数据分析的教程，主要包括基本的R绘图，高级绘图，数据处理，教程深度和广度都是非常令人称赞，而且一直都在更新，是很多漂亮的R的发源地。
3. Stack Overflow
网址： https://stackoverflow.com/
特点性质：编程作为生物信息工作人员必不可少的技能之一，那么你肯定会遇到康熙的儿子胤祀，那么这个网站就是你最好的找寻答案的地方，这是世界上最大的，最值得信赖的编程问题解决方案的最可能出现的地方，并且里面的答案都会投票，投票越高的解释的越清楚，方法越可信，所以，没事经常看看，可以减少你写出八阿哥的可能性.
4. github
网站： https://github.com/
特点性质：github目前是微软的，是世界上目前托管代码最多的网站，上面有无数优秀的开源项目，生物信息目前用的如那件绝大部分都可以从上面看到源码，并且作者都上传了源码，可以在上面提出自己的issue,然后等到作者的回答，是一个快速和同行业的人交流的非常好的地方，并且可以设置个人私人代码库，不用担心代码丢死，也可以进行版本管理
5. 加拿大生信开源学习资源
网址： https://bioinformatics.ca/
特点性质：作为一个开源的生信资源网站，它介绍了许多关于生信数据处理的内容，包括肿瘤基因组学，R语言的使用，测序数据分析，代谢组学，医学生物信息学，表观遗传数据分析，通路分析内容和传染病的基因流行病学的内容，视频讲解内容非常全面。
6. bilibili
网站地址： https://www.bilibili.com/
特点性质：哔哩哔哩是中国最受大家欢迎的学习网站之一，上面有海量的生物信息学资源，也有很多大学的生物，数学，统计，编程课程，平时刷刷这里的视频帮助还是非常大的，下面介绍几个比较好的资源
生物统计学-南京农业大学 https://www.bilibili.com/video/BV12b411m76t?p=71
山东大学-生物信息学 https://www.bilibili.com/video/BV1zW411L79R
清华大学生物信息学公开课 https://www.bilibili.com/video/BV1jb411b7Br
北京大学生物信息学:学习方法 https://www.bilibili.com/video/BV13t411G7oh?p=19
7. SEQanswers
网址： http://seqanswers.com/forums/
特点性质：SEQanswers是专门的关于二代测序的生物信息讨论和存放资源的论坛，样式有点和国内的小木虫类似，单独做了一个导航栏来显示每天的问答，整体来说质量还是蛮好的，一些测序的问题经常可以在上面找到答案，但是问题量比不上bistar，问题的回答质量也不如stackoverflow.
8. StatQuest
网址：
https://space.bilibili.com/257347536?from=search&seid=13661736885600696159
特点性质：提供生信统计学学习的视频，B站有中文字幕版和相关代码。使用大量的可视化例子介绍统计学的基本原理，概念，帮助生信菜鸟快速进阶，掌握生信所涉及的统计学元素，并且学习起来很有趣。英文原声也能练习英语听力
9. omictools
网址： https://omictools.com/
特点性质: Omictools是一个生物软件的集合网站，并按软件功能和热度对软件进行整理和排序。点击需要的软件链接，页面中会给出软件详细的介绍，包括官网地址，下载链接，论坛，文档，用户讨论。也有按照流程分类的各个软件排列，是学习生物软件的好帮手。
缺点：omictools网络环境不好，国内访问比较慢。
10. 慕课网
网址： https://www.mooc.cn
特点性质：慕课网（IMOOC）是学习编程最简单的免费平台。慕课网提供了丰富的移动端开发、php开发、web前端、html5教程以及css3视频教程等课程资源。它富有交互性及趣味。生物信息也有编程的部分，这个网站也有很多的这方面的资料，网址就是https://www.mooc.cn/?s=%E7%94%9F%E7%89%A9%E4%BF%A1%E6%81%AF&cat=5。包括北大清华复旦交大都在上面提供很多优秀的生物信息课程，我们如果对爬虫感兴趣，上面也有蛮好的爬虫课程
11. Data Science
网址： https://towardsdatascience.com/data-science/home
特点性质：这个一个非常出名的数据科学的网站，包括机器学习，编程，可视化，人工智能等等几大模块，内容的质量很高，不过都是英文的，需要一定的英文抗击打能力。而且每个都有可重复的简单例子，方便你快速理解，学会使用，掌握一个个小技巧
12. 简书
网址： https://www.jianshu.com
特点性质：简书是一个个人blog网站，上面有很多生信的同好写的心得，很多初学者遇到的问题检索一下都有答案，包括代码，解决问题的过程，自学的思路，关键是全中文的，适合初学者自学和检索。缺点是要从搜索框进去，不要从首页进去，毕竟不是专业的生信网站。有问题可以在简书上发简信写作者，有时候也会得到回复的。
13. awesome-R
网址： https://github.com/qinwf/awesome-R
特点性质：R语言作为生物信息工作人员的一个必不可少的利器，必须了解一些常用的优秀的包。这是一个收集了一些非常优秀的R包的网站，包括R语言应用的各个方面。Integrated Development Environments，Syntax，DataManipulation，Graphic Displays，HtmlWidgets，Reproducible Research，WebTechnologies and Services，Parallel Computing，HighPerformance，Language API，DatabaseManagement，Machine Learning，NaturalLanguage Processing，Bayesian，Optimization，Finance，Bioinformaticsand Biostatistics，Network Analysis，Spatial，RDevelopment，Logging，只要认真学习这里面每个类别的最优秀的包，就可以成为一个R高手
14. Omicsclass
网址： www.omicsclass.com
特点性质：Omicsclass知识问答社区是一个侧重于基因组学、转录组学、蛋白质组学等数据解读、数据挖掘的综合性知识数据库，里面汇集了海量测序及数据解读相关问题及答案，有疑惑在网站搜索相关关键词即可找到答案。
15. awesome-python
网站： https://github.com/vinta/awesome-python
特点性质：python作为当前最炙手可热的语言之一，也是生物信息工作人员的一个必须学会的语言，无论是数据分析，绘图，搭建流程和平台都是非常有用的。这是一个收集了一些非常优秀的python包的网站，包括python语言应用的各个方面。
Admin Panels，Algorithms and Design Patterns，ASGIServers，Asynchronous Programming，Audio，Authentication，BuildTools，Built-in Classes Enhancement，Caching，ChatOpsTools，CMS，CodeAnalysis，Command-line Interface Development，WebCrawling，Web Frameworks，WebSocket，WSGIServers等等，只要认真学习这里面每个类别的最优秀的包，就可以成为一个python高手，那时候你就不只是一个生物信息工程师了，你是一个python的IT工程师了。
16. MIT生物信息 Data Analysis for the Life Sciences
网址： http://genomicsclass.github.io/book/
特点性质：是一个系列课程，从浅到深，并且分类明确，包括统计学基本知识，尤其是我们常用的线性模型，特征值降纬，机器学习，批次效应，基因注释，假设检验，基因组数据可视化，多组学数据分析，文章结果重复等，反正十分好的课程，值得深度学习
17. 加州大学欧文分校机器学习数据集
网址： http://archive.ics.uci.edu/ml/index.php
特点性质：目前有497个数据集，包括我们组熟悉的iris数据集等等，分局多个维度分类好，如分析类型、数据类型、研究领域等，点击某个分类链接可以看到数据集相关内容，包括数据介绍和FTP下载目录，在r里面直接利用read.table函数读取，下载后的数据就可以测试自己的算法。
18. 知乎栏目
19. 吴恩达机器学习
网址： https://www.acfun.cn/v/ac4700373_17
特点性质：斯坦福大学吴恩达教授在coursera平台开设的一门课程，通俗易懂地介绍机器学习原理，一些常用算法，应用场景，同时布置课后练习，有考试。完成课程后可以获得一份证书。后被中国海洋大学黄海广博士翻译提供字幕，并制作学习笔记，从而在国内机器学习圈子火了起来。网易云课堂可免费学习，非常推荐新手学习，后续吴恩达教授也推出了神经网络等更高阶算法的学习课程。
20. Rosalinad
网址： http://rosalind.info/problems/locations/
特点性质：Rosalind网站提供一些有趣的问题，让我们练习我们解决生物信息问题的能力。沉迷生信的小伙伴可以试试。每道题目会描述一个需要解决的问题，然后给出指定的输入。我们需要做的，就是根据题目表述进行编程，然后用程序计算给定的输入数据集，得出答案。网站上还有全世界各个地方的人，大家可以就某个问题进行讨论和交流，相互学习。
21. Bioconductor for Genomic Data Science
网址： https://www.coursera.org/learn/bioconductor
特点性质: 美国约翰霍普金斯大学的使用Bioconductor分析基因组科学数据课程，由Kasper Daniel Hansen, PhD授课，将会学到数据结构，基因组数据特点，解析,在R的bioconductor的世界中，你将会使用R完全学会分析生物的组学数据，发现bioconductor的美好和R的魅力。实现代码得到数据，可视化数据。
22. 中文R语言网页课程
网址： https://www.w3cschool.cn/r/r_overview.html
特点性质:适合看不懂英文的R语言学习者入门学习：
23. 英文R语言极简教程
网址： http://www.r-tutor.com/r-introduction
24. plob
网址： https://www.plob.org/
特点性质：是目前国内做好的生物信息教程网站之一，里面的内容包罗万象，完全免费，包括各种生物信息软件，r包，Python库的使用，教程有简单的有难的，并且经常更新，而且可以发表自己的品论，与作者交流
25. 生信坑
网址： https://www.bioinfo.info/
特点性质：这是一个中文的网站，类似于中国的biostar.有北京大学的孟浩伟大神在里面活跃，里面同样也是包括我们平时可能遇到的各种生物信息的bug,包括软件环境不对，包运行不了，网址打不开，某个参数的加不加的影响，以及某些分析的原理，反正你就中文随便说，大家都理解，不担心英文说不清楚，别人误解。
放眼望去，近几年，很多人都有这样一种感受，那就是现在的科研要求越来越高，论文发表越来越难。
这主要是因为当前竞争越来越大，优质科研成果及高水平论文越来越多，学术市场水涨船高。现在，要想在学术生涯获得良好发展，手握高分论文已经成了通行证。这不仅是对科研人员，对硕博生们也是如此。对于硕博生们来说，优质的论文更是获到学术自信，确保顺利毕业、获得满意工作的决定因素，根本无法忽视。
但是说到这里，很多人可能就抱怨了：现在发论文，真的很难很难啊！
所以，我很想把一个优质的课程推荐给大家!一个可能改变所有医学生一生的课程。
10天领悟3分SCI套路
解螺旋服务号
免费报名
用户评论
这篇文章太酷了！我现在正是需要找个合适的自学平台的时候，这些推荐都很不错，感觉一定要试一试。
有16位网友表示赞同！
想学一点编程知识，之前一直因为没有合适的学习资源而放缓的脚步，看到这篇文章简直是解救了我啊！马上去试试几个网站看看。
有20位网友表示赞同！
有些网站评价不怎么样。还是建议大家自己多查阅一下，选择适合自己的学习平台很重要哦！
有8位网友表示赞同！
免费的学生信？听起来有点虚假宣传的感觉呢，很多自学平台其实收费也就能明白，都是用内容质量来吸引用户吧！
有17位网友表示赞同！
想想看那些需要付费的课程和资源，这些免费的资源简直是宝藏了！赶紧去试一试啦！
有6位网友表示赞同！
太棒了！这个列表里有很多我之前都没听说过的网站，现在很多平台都偏向专业性训练，这些自学网站简直太适合想要学习基础知识的小伙伴了。
有8位网友表示赞同！
这篇文章真是太好了！我一直在找一些免费学习材料，终于找到了こんなに全面的列表!
有19位网友表示赞同！
其实有很多其他的学习资源可供选择，比如开源的课件和免费的在线课程等等, 这些自学网站可以用来补充而已。
有5位网友表示赞同！
我个人觉得还是需要付费高质量的学习平台更合适，毕竟专业的课程内容和辅导更有保障！
有19位网友表示赞同！
好消息啊！很多想学的知识都被我锁定了！终于有机会学习了，现在开始行动，未来可期！
有7位网友表示赞同！
这些网站虽然免费，但是一些功能可能需要付费才能解锁。还是建议大家多了解一下，避免后期因为功能限制而影响学习效果。
有15位网友表示赞同！
哇！这么多免费的资源，太棒了！我打算好好利用这些网站，给自己充电一把！
有16位网友表示赞同！
对想要提升自己的人来说，选择合适的学习平台确实很重要。 不同的平台有不同的特点，需要根据自己的学习目标和需求来选择！
有15位网友表示赞同！
真的非常喜欢这篇文章，让我省去了一大堆的时间！我已经把好多网站都添加到书签里了！
有10位网友表示赞同！
虽然是免费的资源，但也需要认真筛选选择，避免浪费时间和精力。每个网站都有它自身的优点和缺点，要根据自己的需求来进行判断。
有13位网友表示赞同！
想提升自己的技能和知识水平，学习新事物，真的很重要！感谢作者分享这些自学网站，让我找到了学习的方向！
有6位网友表示赞同！