Программа и содержание

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.