Машинное обучение в биологии

В современном мире повсеместная информатизация привела к накоплению больших объемов данных во всех сферах деятельности: от научной до сферы услуг. Задачи обработки и построения прогнозов по такому количеству данных непосильны для классических методов. Для того чтобы делать практические выводы по огромному объему разнородной информации используется машинное обучение – инструмент для автоматического быстрого анализа больших данных.

Машинное обучение в настоящее время применяется в самых разных областях: в кредитовании клиентов банка, в рекомендательных системах кинофильмов, в прогнозировании онкологических заболеваний.  Уже сейчас эта наука применяется для решения множества прикладных задач, а в будущем ее актуальность вырастет еще больше.

Для анализа больших данных, таких как истории банковских транзакций, статистики интернет-запросов, биоинформатические данные, применение машинного обучения уже давно стало одним из основных подходов. Понимание основ работы с большими данными входит в интеллектуальных багаж любого современного исследователя.

На предлагаемом курсе вы изучите основные типы задач, возникающих в машинном обучении: в основном, речь будет идти о классификации, регрессии и кластеризации. В курсе не будет многочисленных сложных математических выкладок, в первую очередь акцент будет поставлен на том, чтобы слушатель понял принципы машинного обучения и освоил основные алгоритмы для анализа больших данных. Кроме того, слушатели познакомятся с современными библиотеками, в которых реализованы обсуждаемые модели. В качестве домашних заданий будет предложен анализ различных наборов данных, тем самым у пользователя будет возможность применить свои навыки на реальных задачах.

Для участия в курсе необходимо знать базовые математические понятия, такие как: вектора, матрицы, функции и производные. Также желательно иметь некоторые навыки программирования на языке Python.

Данный курс будет полезен каждому, кто планирует применять в своей работе интеллектуальный анализ данных.