Машинное обучение

  • Блок 1: Основы машинного обучения в биологии и медицине
    Методы машинного обучения используются повсеместно при анализе биоинформатических данных. В данном разделе курса студенты узнают о методах классического машинного обучения: научатся обучать базовые модели регрессии и классификации , узнают принципы работы деревьев решений, познакомятся с различными способами разбиения данных, ансамблевыми моделями, подходами к кластеризации и снижению размерности входных данных.
  • Блок 2: Глубокое обучение в биологии и медицине
    Наиболее мощными подходами к анализу данных практически любого рода стали нейронные сети. В рамках этого курса студенты узнают, каким образом устроены различные архитектуры нейронных сетей для анализа данных разных видов: от последовательностей ДНК до медицинских снимков, а также разберут ключевые компоненты нейронных сетей и методы обучения глубоких сетей для выявления сложных скрытых закономерностей. Студенты научатся разрабатывать собственные нейросети на Python, проводить их обучение и валидацию и использовать обученные модели для получения предсказаний на новых данных. Отдельное внимание в курсе уделяется особенностям биологических данных и предназначенным для них нейросетевым архитектурам.

Для просмотра остальных курсов или людей перейдите, пожалуйста, в соответствующий раздел меню.