آموزش یادگیری ماشین در بیوانفورماتیک: از تئوری تا عمل - آخرین آپدیت

سرفصل ها و درس ها

Introduction

• مقدمه ای بر یادگیری ماشین Introduction to Machine Learning

• تنظیم محیط برای جریان‌کار/کد ML Setting up Environment for ML workflows/Code

آماده‌سازی داده‌های بیولوژیکی برای یادگیری ماشین Preparing Biological Data for Machine Learning

• پاکسازی، پیش‌پردازش داده‌ها و مهندسی ویژگی‌ها Data cleaning, preprocessing, and feature engineering

• تکنیک‌های پیش‌پردازش داده‌ها Data Preprocessing Techniques

• تصویرسازی داده‌ها با استفاده از پایتون Data visualizations using python

• پیش‌پردازش داده‌ها برای یادگیری ماشین بیولوژیکی Data Preprocessing for Biological Machine Learning

یادگیری ماشین نظارت‌شده Supervised Machine Learning

• مقدمه ای بر یادگیری ماشین نظارت‌شده Introduction to Supervised Machine Learning

• رگرسیون خطی ساده Simple Linear Regression

• رگرسیون لجستیک Logistic Regression

• طبقه‌بند KNN KNN Classifier

• ماشین بردار پشتیبان (SVM) SVM

• طبقه‌بند بیز ساده (Naive Bayes) Naive bayes classifier

• درخت‌های تصمیم Decision trees

• طبقه‌بند جنگل تصادفی (Random Forest) Random Forest Classifier

• مطالعه موردی: طبقه‌بند سرطان Case Study: Cancer Classifier

• مطالعه موردی: مدل‌های شبکه PPI Case Study: PPI network models

• یادگیری ماشین نظارت‌شده برای داده‌های بیولوژیکی Supervised Machine Learning for Biological Data

یادگیری بدون نظارت Unsupervised Learning

• مقدمه ای بر یادگیری بدون نظارت Introduction to unsupervised learning

• کاهش ابعاد در بیوانفورماتیک Dimensionality Reduction in Bioinformatics

• خوشه‌بندی K-means K-means Clustering

• DBSCAN DBSCAN

• خوشه‌بندی سلسله مراتبی Hierarchical Clustering

• مطالعه موردی: تحلیل تک‌سلولی Case Study: Single Cell analysis

• کاوش الگوهای بیولوژیکی با یادگیری بدون نظارت Exploring Biological Patterns with Unsupervised Learning

یادگیری ماشین پیشرفته Advance Machine Learning

• مقدمه و توضیح مدل‌های یادگیری ماشین پیشرفته Introduction and explanation of advance machine learning models

• مطالعه موردی: پیش‌بینی جهش‌های DNA با استفاده از RNN Case Study: predicting DNA mutations using RNN

• پیش‌بینی جهش‌های DNA با مدل‌های ML پیشرفته Predicting DNA Mutations with Advanced ML Models

کاربرد عملی ML Practical Application of ML

• کاربرد عملی ML در ژنومیک Genomics Practical Application of ML

• ML در پروتئومیکس ML in Proteomics

• ML در کشف دارو ML in Drug discovery

• ML در متاژنومیکس ML in Metagenomics

• خلاصه کاربردهای ML Summary of ML Applications

• پیاده‌سازی ML در سراسر حوزه‌های بیولوژیکی Implementing ML Across Biological Domains

ارزیابی و بهینه‌سازی مدل‌های یادگیری ماشین Evaluating and Optimizing Machine Learning Models

• ارزیابی و بهینه‌سازی مدل‌های یادگیری ماشین در بیوانفورماتیک Evaluation and Optimization of Machine Learning Models in Bioinformatics

• مطالعه موردی: پیش‌بینی سرطان پستان با recall ضعیف و بهبودیافته Case Study: Breast Cancer Prediction with poor and enhanced recall

• بهبود مدل‌های تشخیصی از طریق ارزیابی دقیق Improving Diagnostic Models Through Rigorous Evaluation

ادغام داده‌ها و Multi-Omics در یادگیری ماشین Data Integration and Multi-Omics in Machine Learning

• ادغام داده‌ها و Multi-Omics در یادگیری ماشین برای بیوانفورماتیک Data Integration and Multi-Omics in Machine Learning for Bioinformatics

• مطالعه موردی: Multi-Omics در تحقیقات سرطان Case Study: Multi-Omics in Cancer Research

• رویکردهای یادگیری ماشین برای ادغام داده‌های Multi-Omics Machine Learning Approaches for Multi-Omics Data Integration

ملاحظات اخلاقی و عملی در یادگیری ماشین برای بیوانفورماتیک Ethical and Practical Considerations in Machine Learning for Bioinformatics

• سوگیری و انصاف در مدل‌های ML و مطالعه موردی از نمرات خطر پلی‌ژنتیک Bias and Fairness in ML Models and Case study of Polygenic Risk Scores

• چالش‌ها در ML و مطالعه موردی از هوش مصنوعی در کشف داروی کووید-۱۹ Challenges in ML and Case Study of AI in COVID-19 Drug Discovery

• پرداختن به سوگیری و چالش‌ها در یادگیری ماشین زیست‌پزشکی Addressing Bias and Challenges in Biomedical Machine Learning

پروژه‌های نهایی Final Projects

• پروژه‌های Capstone Capstone Projects

• پروژه ML بیوانفورماتیک باز Open-Ended Bioinformatics ML Project