конечно, бывает, и бывают длительно (большая часть 4-летнего ПхД). Что помогает: 1. держать 50% времени (ну ОК, хотя бы 30%) на проектах, которые у вас РЕАЛЬНО нормально получается теми скиллами, которые уже есть. 2. делать нормально, а не идеально, ну, типа в каком-нибудь ML можно упарываться про коррелированные переменные, а можно фигачить предиктор как есть, а уж потом думать, надо ли упарываться и учитывать все bias, и, короче, лучше так (но идеи "где я может косячу и надо бы проверить" записывать в специальный блокнот, туда же предложения коллег, но не бросаться их выполнять, а смотреть вместе и выбирать самые критичные и важные). В мокрой биологии не особо применимо, больно дорого переделывать, а в биоинформатики - более чем. 3. постоянно мониторить - а не учишь ли лишнего/необязательного, учишь ли реально нужное? Любители взботнуть перед тем как делать поймут. Все выучить невозможно, и тут навык строить графики в ggplot часто оказывается полезнее узкоспециализированного метода построения филогенетических деревьев для редкого типа мутаций в не-мейнстримных организмах. В том же ML есть методы для 90% задач типа Random Forest, а есть нишевые штуки. Нишевые штуки могут быть в портфолио, но если нет популярных методов, которыми умеешь работать быстро, то у меня это вылезло в "Лена медленная". Поэтому в этом году я отфутболиваю от себя нишевое, и много усилий трачу на то, чтобы все базовое я умела делать как можно быстрее