آموزش هوش مصنوعی در بیوانفورماتیک - آخرین آپدیت

دانلود Artificial Intelligence in Bioinformatics

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک معرفی جامع از کاربردهای هوش مصنوعی در بیوانفورماتیک ارائه می‌دهد و پلی میان روش‌های محاسباتی و تحلیل داده‌های بیولوژیکی ایجاد می‌کند. یادگیرندگان با استفاده از Weka، که یک مجموعه نرم‌افزاری پذیرفته‌شده در یادگیری ماشین است، در کنار پایه‌های تئوری محکم، تجربیاتی عملی و کاربردی کسب خواهند کرد. در این دوره، چهار شاخه اصلی بیوانفورماتیک شامل تحلیل توالی، بیوانفورماتیک ساختاری، بیان ژن و پروتئین، و زیست‌شناسی شبکه و سیستم‌ها بررسی می‌شود و همزمان تجربه کار با پایگاه‌های داده عمومی و پرکاربرد بیوانفورماتیک به دست می‌آید. سپس دوره به مبانی یادگیری ماشین و یادگیری عمیق، از جمله آماده‌سازی داده‌ها، استخراج ویژگی، ارزیابی مدل و الگوریتم‌های کلیدی مانند K-Nearest Neighbors، جنگل تصادفی (Random Forest) و ماشین‌های بردار پشتیبان (SVM) می‌پردازد. از طریق تمرینات عملی در Weka و WekaDeeplearning4j، کاربران مدل‌های پیش‌بینی‌کننده برای مسائل واقعی بیوانفورماتیک، از جمله پیش‌بینی عملکرد پروتئین و طبقه‌بندی پروتئین‌های انتقال الکترون را با استفاده از تکنیک‌هایی مانند شبکه‌های عصبی کانولوشن (CNN) و شبکه‌های عصبی بازگشتی (RNN) می‌سازند، تنظیم و ارزیابی می‌کنند. در پایان این دوره، یادگیرندگان به مبانی تئوری و مهارت‌های عملی لازم برای به‌کارگیری رویکردهای مبتنی بر هوش مصنوعی در تحقیقات ژنومیک و پروتئومیک مجهز شده و قادر خواهند بود یافته‌های خود را از طریق نگارش علمی مؤثر ارائه دهند.

سرفصل ها و درس ها

مفاهیم پایه هوش مصنوعی در داده‌های بیوانفورماتیک Basic concepts of AI in bioinformatics data

  • مروری بر بیوانفورماتیک 1.1 Overview on bioinformatics

  • مقدمه‌ای بر سلول، ژنتیک و توالی DNA 1.2 Cell, Genetics, DNA sequence introduction

  • مبانی هوش مصنوعی 1.3 Basic of Artificial Intelligence

  • هوش مصنوعی در پیش‌بینی عملکرد پروتئین 1.4 AI in protein function prediction

  • منابع عمومی برای بیوانفورماتیک 1.5 Public resources for bioinformatics

  • داده‌های بیوانفورماتیک 1.6 Bioinformatics data

  • جمع‌آوری داده‌های بیوانفورماتیک 1.7 Collecting bioinformatics data

هوش مصنوعی: مبانی و کاربردها Artificial Intelligence: fundamentals and applications

  • شاخه‌های هوش مصنوعی 2.1 AI branches

  • انواع یادگیری ماشین 2.2 Types of machine learning

  • انواع مختلف مدل‌های یادگیری 2.3 Different types of learning model

  • پیاده‌سازی یادگیری ماشین 2.4 Machine learning implementation

  • دموی نرم‌افزار Weka 2.5 Weka demonstration

  • فرآیند یادگیری در یادگیری ماشین 2.6 Learning process in machine learning

  • ماتریس اغتشاش و طبقه‌بندی چندگانه 2.7 Confusion matrix and multiclassification

  • الگوریتم‌های رایج 2.8 Common algorithms

مهندسی ویژگی در بیوانفورماتیک Bioinformatics feature engineering

  • گردش کار بیوانفورماتیک مبتنی بر هوش مصنوعی 3.1 AI-based bioinformatics workflow

  • گردش کار کلی هوش مصنوعی 3.2 AI general workflow

  • استخراج ویژگی در بیوانفورماتیک 3.3 Bioinformatics feature extraction

  • دموی استخراج ویژگی‌های بیوانفورماتیک 3.4 Demonstration on extracting bioinformatics features

یادگیری ویژگی Feature Learning

  • مطالعه موردی بیوانفورماتیک 4.1 Bioinformatics Case Study

  • داده‌ها برای دموی Weka 4.2 Data for Weka Demonstration

  • ذخیره و بارگذاری مدل 4.3 Save and Load Model

  • تنظیم پارامترها در Weka 4.4 Parameter Tuning in Weka

  • تبدیل CSV به ARFF با استفاده از Weka 4.5 Convert CSV into ARFF using Weka

یادگیری عمیق Deep Learning

  • مبانی یادگیری عمیق 5.1 Fundamentals of Deep Learning

  • تعریف و ویژگی‌های یادگیری عمیق 5.2 Definition and Characteristic of Deep learning

  • شبکه عصبی کانولوشن (CNN) 5.3 Convolutional Neural Network (CNN)

  • شبکه عصبی بازگشتی (RNN) 5.4 Recurrent Neural Network (RNN)

  • پردازش زبان طبیعی 5.5 Natural Language Processing

  • پیاده‌سازی یادگیری عمیق در Weka 5.6 Deep Learning Implementation in Weka

  • بررسی فریم‌ورک‌های یادگیری عمیق 5.7 Exploring Deep Learning Frameworks

نگارش مقالات بیوانفورماتیک Writing Bioinformatics Papers

  • فلوچارت مقاله بیوانفورماتیک 6.1 Bioinformatics Paper Flowchart

  • گردش کار: جمع‌آوری داده‌ها 6.2 Workflow: Data Collection

  • گردش کار: استخراج ویژگی 6.3 Workflow: Feature Extraction

  • گردش کار: بصری‌سازی داده‌ها 6.4 Workflow: Data Visualization

  • بصری‌سازی ویژگی‌ها 6.5 Feature Visualization

  • نمونه مقاله بیوانفورماتیک 6.6 Bioinformatics Paper Example

  • رویکردی نوین برای تولید ویژگی و ساخت مدل 6.7 A Novel Approach for Feature Generation and Model Construction

  • یادگیری عمیق برای تشخیص سایت‌های تهویه Astune در پروتئین‌ها 6.8 Deep Learning for Astune Ventilation Site Detection in Proteins

نمایش نظرات

آموزش هوش مصنوعی در بیوانفورماتیک
جزییات دوره
12h 33m
39
(آخرین آپدیت)
14
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده