Description
Les technologies d'apprentissage automatique et d'IA transforment la science, mais savoir par où commencer peut sembler accablant. Cet atelier intensif pratique de 3 jours offert par les Canadian Bioinformatics Workshops via bioinformatics.ca présente les concepts et méthodes fondamentaux de l'apprentissage automatique avec des exemples pratiques et des exercices.
Vous acquerrez de l'expérience dans :
• Les applications et les limites de l'apprentissage automatique et de l'apprentissage profond;
• Les arbres de décision et les forêts aléatoires;
• Les réseaux de neurones artificiels (RNA);
• Les principes fondamentaux du regroupement en tant que méthode d'apprentissage automatique non supervisée;
• Les principes des opérations d'apprentissage automatique; et
• L'application de ces techniques d'apprentissage automatique pour la découverte de biomarqueurs, la prédiction de structures secondaires et plus encore.
Les CBW enseignent la bioinformatique depuis plus de 25 ans, ayant rejoint plus de 4000 étudiants à travers plus de 200 ateliers. Apprenez de nos experts, créez des réseaux avec vos pairs et commencez votre parcours en apprentissage automatique!
Seulement 30 places sont disponibles, alors réservez votre place dès aujourd'hui!
Prérequis
Connaître les bases de Python. Vous aurez également besoin de votre propre ordinateur portable. Exigences minimales : résolution d'écran de 1024×768, processeur de 1,5 GHz, 2 Go de RAM, 10 Go d'espace disque libre, versions récentes de Windows, Mac OS X ou Linux (la plupart des ordinateurs achetés au cours des 3-4 dernières années répondent probablement à ces exigences). Si vous n'avez pas accès à votre propre ordinateur, vous pouvez en emprunter un auprès du CBW. Veuillez contacter support@bioinformatics.ca pour plus d'informations. Cet atelier exige que les participants complètent des tâches et des lectures avant l'atelier.
Détails
Objectifs d'apprentissage
Les étudiants acquerront de l'expérience dans : - Applications et limitations de l'apprentissage automatique et de l'apprentissage profond - Arbres de décision et Forêts aléatoires – leur fonctionnement, leur codage en Python, et leur utilisation dans des applications bioinformatiques (découverte et modélisation de biomarqueurs) - Applications et limitations de l'apprentissage automatique et de l'apprentissage profond - Arbres de décision et Forêts aléatoires – leur fonctionnement, leur codage en Python, et leur utilisation dans des applications bioinformatiques (découverte et modélisation de biomarqueurs) - Réseaux de neurones artificiels (RNA) – leur fonctionnement, l'encodage des données, leur codage en Python, et leur utilisation dans des applications bioinformatiques (classification et prédiction de structures secondaires) - Fondamentaux du clustering en tant que méthode d'apprentissage automatique non supervisée - Principes des opérations d'apprentissage automatique.
Qui devrait s'inscrire
Diplômés, post-diplômés, chercheurs principaux et professionnels travaillant avec ou sur le point d'utiliser l'apprentissage automatique pour des applications en bioinformatique.