
یادگیری ماشین در بیولوژی: از داده تا پیشبینی
دادههای زیستی شما فقط اعداد و جدول نیستند؛ آنها حاوی الگوهایی هستند که میتوانند پاسخ سؤال پژوهشی شما را روشن کنند. اگر با دادههای آزمایشگاهی، مولکولی، اکولوژیکی و یا مزرعهای کار کرده باشید، میدانید که جمعکردن داده فقط نیمی از راه است؛ چالش اصلی این است که از دادهها الگو ببینیم، نتیجه بگیریم و درباره شرایط جدید پیشبینی کنیم. در دوره یادگیری ماشین در بیولوژی: از داده تا پیشبینی، از مفاهیم پایه شروع میکنیم و بهصورت گامبهگام با روشهای طبقهبندی، رگرسیون، خوشهبندی، کاهش ابعاد و ارزیابی مدل آشنا میشوید. تمرکز دوره بر چرخه کامل یک پروژه تحلیل داده است: از بررسی و پاکسازی داده تا تبدیل مسئله بیولوژیکی به مسئله یادگیری ماشین، انتخاب مدل مناسب، سنجش عملکرد و تفسیر علمی و قابلدفاع نتایج. مثالها از حوزههای مختلف علوم زیستی انتخاب شدهاند و برای شروع لازم نیست ریاضیدان یا برنامهنویس حرفهای باشید. در پایان دوره میدانید کدام روش برای داده و سؤال پژوهشی شما مناسب است، چگونه از بیشبرازش پرهیز کنید و چگونه نتایج را در مقاله، پایاننامه یا ارائه علمی گزارش کنید. این دوره برای دانشجویان و پژوهشگران علوم زیستی طراحی شده است که میخواهند فراتر از تحلیلهای رایج، از یادگیری ماشین برای پاسخدادن به پرسشهای پژوهشی و توسعه مهارتهای تخصصی خود استفاده کنند. هدف، درک عمیق منطق یادگیری ماشین و مدلسازی و کسب توانایی بهکارگیری آن در دادهها و مسائل حوزه تخصصی شماست.
توضیحات و ویدیوهای دوره
مدرسان دوره
دکتر وحید نوه
دکتر وحید نوه (PhD). پژوهشگر و مدرس زیستشناسی مولکولی، بیوشیمی، فیزیولوژی و بیوانفورماتیک. رتبهبرتر کنکور ارشد و دکتری. استاد تمام دانشگاه تهران. بیش از ۱۴ سال سابقه تدریس و راهنمایی بیش از ۶۰ پایاننامه. سابقه پژوهش و آموزش در University of Durham انگلستان و McMaster University کانادا. تجربه صنعتی بهعنوان ساینتیست و مدلساز در کانادا. متخصص زیستشناسی مولکولی، سمشناسی، تحلیل آماری پیشرفته و برنامهنویسی. نویسنده، داور و دبیر تخصصی مقالات علمی بینالمللی. پیونددهنده دانش نظری و کاربردهای عملی.
همچنین ممکن است دوست داشته باشید;
برنامهنویسی کاربردی با R و آنالیز دادههای بیولوژیک