MIT面向生命科学的深度学习-学习资料
MIT面向生命科学的深度课程,内容覆盖深度学习、基因组学、基因表达、疾病电路解剖、GWAS、药物设计、蛋白质折叠、细胞成像分割、表示学习等

关键词标签: MIT, 基因组学, GWAS, 药物设计, 蛋白质折叠

课程介绍

MIT 6.874是全球顶校麻省理工开设的生命科学与计算机科学的交叉专业课程,本课程以生命科学为主要应用领域,讲解了深度学习的典型应用场景与目前前沿技术方法进展。

对于生命科学感兴趣,希望通过AI驱动生命科学领域的研究发现的同学,通过该课程可以收获前沿完备的知识储备,获得创新与应用的思路方法。课程内容覆盖 调节基因组学、基因表达、单细胞基因组学、降维、疾病电路解剖、GWAS、系统遗传学、药物设计、蛋白质折叠、细胞成像分割、卷积神经网络、循环神经网络、图神经网络、生成模型、GAN、VAE、表示学习 等知识。


课时编号 课时内容
第1讲 生命科学中的深度学习
第2讲 机器学习基础
第3讲 CNNs卷积神经网络
第4讲 循环神经网络 RNN、图神经网络 GNN、长短期记忆 LSTM
第5讲 可解释的深度学习
第6讲 生成模型、对抗性网络 GAN、变分自动编码器 VAE、表示学习
第7- 调节基因组学 讲 生命科学中的深度学习
第8讲 调节基因组学的深度学习:调节器结合、转录因子TFs
第9讲 基因表达预测
第10讲 单细胞基因组学
第11讲 降维
第12讲 疾病电路解剖GWAS
第13讲 GWAS机制
第14讲 系统遗传学
第15讲 图神经网络
第16讲 AI 用于药物设计
第17讲 蛋白质折叠的深度学习
第20讲 病理学机器学习
第21讲 细胞成像分割的深度学习
第22讲 深度学习图像配准与分析
第23讲 电子健康档案
第24讲 深度学习与神经科学

ShowMeAI课程解读:全套资料

更多技术与课程清单 | 点击查看详细课程

技术方向 课程及链接
计算机数学基础 MIT-计算机科学的数学基础
辛辛那提大学-微积分I
辛辛那提大学-微积分II
辛辛那提大学-离散数学
斯坦福-线性代数与矩阵方法导论
计算机科学导论 斯坦福-计算机科学导论
哈佛-计算机科学导论
MIT-计算机科学与Python编程导论
数据结构与算法 MIT-数据结构与算法设计
马里兰大学-数据结构
数据库 CMU-数据库系统导论
CMU-数据库系统进阶
机器学习及应用 斯坦福CS229
MIT-机器学习导论
深度学习及应用 斯坦福CS230
哈佛-Python人工智能入门
MIT-深度学习导论
李宏毅-机器学习(&深度学习)
应用深度学习(全知识点覆盖)
UC Berkeley-深度神经网络设计、可视化与理解
威斯康星-深度学习和生成模型导论
UC Berkeley-全栈深度学习训练营
自然语言处理 斯坦福CS224n(深度学习与NLP)
斯坦福CS124(从语言到信息)
斯坦福CS520(知识图谱)
马萨诸塞-自然语言处理进阶
计算机视觉 斯坦福CS231n(深度学习与CV)
密歇根eecs498(CS231n进阶课)
慕尼黑工大adl4cv(深度学习与CV高阶课)
多模态 CMU-多模态机器学习
图机器学习 斯坦福CS224w
强化学习 斯坦福CS234(强化学习)
伯克利CS285(深度强化学习)
无监督学习 伯克利CS294-158(深度无监督学习)
AI与生物医疗 MIT-面向生命科学的深度学习
MIT-基因组学机器学习
MIT-医疗机器学习
图形学与几何 CMU-计算机图形学
AMMI-几何深度学习
其他课程 哈佛-基于Python/JavaScript的web编程
MIT-计算思维导论(Julia)
end
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!