Машинное обучение – это не только модная технология, это инструмент, который быстро развивается и меняет мир на наших глазах. Программа курса направлена на навигацию в “зоопарке” подходов в биологии и биомедицине, построена с постепенным усложнением и даст уверенное понимание, когда и как лучше применять классические методы ML, а когда пора переходить на нейросети. В завершающем модуле по Computer Vision раскрываются прикладные точечные технологии с освоением практических навыков инженерии.
По окончании курса вы получите конкурентное преимущество - не только опыт работы по готовым протоколам обработки конкретных типов данных, а понимание специфики мира ML в биологии и медицине, знания составных частей процессов, которые лежат в основе популярных пайплайнов. Наши эксперты передадут опыт изучения ML и расставят акценты, которые помогут сэкономить время, спланировать развитие карьеры в области DataScience и общаться на одном языке с другими коллегами.
Для кого этот курс:
- биологи, биоинженеры, биотехнологи, врачи-диагносты
- биостатистики и клинические биоинформатики
- аналитики и специалисты по данным в биологии/медицине
- научные сотрудники лабораторий и RnD центров
- руководители лабораторий и team-лиды научных групп
- а также разработчики Python, которые хотят решать проблемы биоинформатики и биомедицины
Необходимый уровень знаний:
- Требуются знания Python, а также библиотек numpy и pandas.
Курс подойдет для вас, если вы:
- Хотите познакомиться с передовыми методами биоинформатики
- Ставите цель улучшить и систематизировать навыки программирования, которые были получены исключительно самообучением
- Вам нужно глубже изучить Python и получить практику в ML по биологическим или медицинским данным
- Стремитесь понять, как применять ML в NGS и распознавании изображений из клинических данных
- Прокачиваете свое резюме кейсами, которые помогут вам найти работу или получить повышениеХотите получить базу для потенциальной смены сферы деятельности в сторону IT для био/медицины
- Хотите сэкономить свое время и получить рафинированный набор ресурсов для дальнейшего развития
После обучения вы сможете:
- Навигировать в “зоопарке” методов машинного обучения
- Применять методы классического машинного обучения для распространенных задач
- Оценивать качество моделей ML и корректно использовать метрики качества
- Решать задачи бинарной классификации и сегментации изображений самостоятельно
- Общаться с опытными ML-щиками на одном языке
- Показать работодателю ваши кейсы через ссылку на нашем сайте с отзывом наставника
- Эффективно развиваться в новых задачах на базе знаний курса
- Претендовать на новые зоны ответственности по задачам ML и Computer Vision в биомеде
Программа:
Модуль 1. Задачи классического ML в биологии и биомедицине.
Модуль 2. Обучение без учителя. Кластеризация. Понижение размерности. Примеры биологических задач.
Модуль 3. Нейронные сети с нуля. NEW
Модуль 4. Нейронные сети и введение в DeepLearning.
Модуль 5. Интеграция мультиомиксных данных.
Модуль 6. Классификация и сегментация изображений с помощью технологий Computer Vision.
Выпускной проект - групповое соревнование по теме Computer Vision.
