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
6.874; Computational Systems Biology: Deep Learning in the Life Sciences; 面向生命科学的深度学习
🏆 课程学习中心 | 🚧 AI生物医疗课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析
Computational Systems Biology: Deep Learning in the Life Sciences
面向生命科学的深度学习
Massachusetts Institute of Technology
麻省理工学院(MIT)
6.874
⭐⭐⭐⭐⭐


课程介绍

6.874; Computational Systems Biology: Deep Learning in the Life Sciences; 面向生命科学的深度学习

MIT 6.874 是全球顶校麻省理工 MIT 开设的生命科学计算机科学的交叉专业课程。课程广泛地介绍了基因组学、生命科学领域中,机器学习/深度学习的基础知识和前沿挑战;并使用深度学习和经典机器学习方法来解决关键问题。

6.874; Computational Systems Biology: Deep Learning in the Life Sciences; 面向生命科学的深度学习

课程帮助学生了解该领域面临的关键问题与各种解决方案,能够评估各方案的效果与局限性,并在课程结束后参与独立项目,为实际挑战性问题创建新的解决方案。因此,学生将使用 Python 3 和 TensorFlow 进行编程。

6.874; Computational Systems Biology: Deep Learning in the Life Sciences; 面向生命科学的深度学习

课程学习需要具备一定的知识储备:Calculus / 微积分、Linear Algebra / 线性代数、Probability / 概率论、Programming / 编程、Introductory Biology / 生物学基础。

对于生命科学感兴趣,希望通过AI驱动领域研究发现的同学,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。

6.874; Computational Systems Biology: Deep Learning in the Life Sciences; 面向生命科学的深度学习

课程由 David Gifford 与 Manolis Kellis 联合创建。本期课程(2021年春)授课讲师为 Manolis Kellis。

Manolis Kellis 是麻省理工学院 MIT 计算生物学组负责人,MIT Broad 研究所成员,哈佛计算机科学与人工智能实验室首席研究员。其研究方向是通过大规模功能和比较基因组学数据集的计算集成来进一步了解人类基因组。


课程主题

课程官网发布了课程主题,ShowMeAI 对其进行了翻译。


课程资料 | 下载

6.874; Computational Systems Biology: Deep Learning in the Life Sciences; 面向生命科学的深度学习

扫描上方图片二维码,关注公众号并回复关键字 🎯『6.874』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

6.874; Computational Systems Biology: Deep Learning in the Life Sciences; 面向生命科学的深度学习
6.874; Computational Systems Biology: Deep Learning in the Life Sciences; 面向生命科学的深度学习

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:


课程视频 | B站

🌍 B站 | 【双语字幕+资料下载】MIT 6.874 | 面向生命科学的深度学习(2021最新·完整版)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!

本门课程,ShowMeAI 将部分章节进行了切分,按照主题形成更短小的视频片段,便于按照标题进行更快速的检索。切分后的视频清单列写在这里:

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


更多技术与课程清单 | 点击查看详细课程

合辑 课程链接
CS数学基础课程合辑 【ENGR108】Stanford斯坦福 · 线性代数与矩阵方法导论课程
【6.042J】MIT麻省理工 · 计算机科学的数学基础课程
【MATH100】辛辛那提大学 · 微积分Ⅰ课程
【MATH101】辛辛那提大学 · 微积分Ⅱ课程
【MATH1071】辛辛那提大学 · 离散数学课程
计算机基础课程合辑 【14-455】CMU卡内基梅隆 · 数据库系统导论课程
【15-721】CMU卡内基梅隆 · 数据库系统进阶课程
【CS105】Stanford斯坦福 · 计算机科学导论课程
【CS50-CS】Harvard哈佛 · 计算机科学导论课程
【CS50-WEB】Harvard哈佛 · 基于Python / JavaScript的Web编程课程
【6.0001】MIT麻省理工 · 计算机科学与Python编程导论课程
【6.046J】MIT麻省理工 · 数据结构与算法设计课程
【18.S191】MIT麻省理工 · 计算思维导论(Julia)课程
【CMSC420】马里兰大学 · 数据结构课程
机器学习课程合辑 【AndrewNG-ML】吴恩达 · 机器学习专项课程
【CS229】Stanford斯坦福 · 机器学习课程
【6.036】MIT麻省理工 · 机器学习导论课程
深度学习课程合辑 【AndrewNG-DL】吴恩达 · 深度学习专项课程
【CS230】Stanford斯坦福 · 深度学习课程
【CSW182】Berkeley伯克利 · 深度神经网络设计、可视化与理解课程
【FSDL】Berkeley伯克利 · 全栈深度学习训练营课程
【CS50-AI】Harvard哈佛 · Python人工智能入门课程
【6.S191】MIT麻省理工 · 深度学习导论课程
【APPLY-DL】科罗拉多大学 · 应用深度学习(全知识点覆盖)课程
【STAT453】威斯康星 · 深度学习和生成模型导论课程
【T81-558】WUSTL · 深度神经网络应用案例实操课程
【HYLEE】李宏毅 · 机器学习(&深度学习)课程
NLP课程合辑 【CS224n】Stanford斯坦福 · 深度学习与自然语言处理课程
【CS124】Stanford斯坦福 · 从语言到信息课程
【CS520】Stanford斯坦福 · 知识图谱课程
【CS685】马萨诸塞大学 · 自然语言处理进阶课程
计算机视觉课程合辑 【CS231n】Stanford斯坦福 · 深度学习与计算机视觉课程
【EECS498】Michigan密歇根 · 深度学习与计算机视觉(CS231n进阶课)
【ADL4CV】慕尼黑工大 · 计算机视觉深度学习进阶课
强化学习课程合辑 【CS285】Berkeley伯克利 · 深度强化学习课程
【CS234】Stanford斯坦福 · 强化学习课程
AI生物医疗课程合辑 【6.047】MIT麻省理工 · 基因组学机器学习课程
【6.874】MIT麻省理工 · 面向生命科学的深度学习课程
【6.S897】MIT麻省理工 · 医疗机器学习课程
其他名校AI课程合辑 【CS294】Berkeley伯克利 · 深度无监督学习课程
【11-777】CMU卡内基梅隆 · 多模态机器学习课程
【15-462】CMU卡内基梅隆 · 计算机图形学课程
【CS224W】Stanford斯坦福 · 图机器学习课程
【6.S094】MIT麻省理工 · 深度学习与无人驾驶课程
【GDL】AMMI · 几何深度学习课程
6.874; Computational Systems Biology: Deep Learning in the Life Sciences; 面向生命科学的深度学习
*****
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!