课程介绍
MIT 6.874 是全球顶校麻省理工 MIT 开设的生命科学与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。
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。
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。
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。
- Deep Learning in Life Sciences（生命科学中的深度学习）
- Machine Learning Foundations（机器学习基础）
- CNNs Convolutional Neural Networks（CNNs卷积神经网络）
- Recurrent Neural Networks RNNs, Graph Neural Networks GNNs, Long Short Term Memory LSTMs（循环神经网络 RNN、图神经网络 GNN、长短期记忆 LSTM）
- Interpretable Deep Learning（可解释的深度学习）
- Generative Models, Adversarial Networks GANs, Variational Autoencoders VAEs, Representation Learning（生成模型、对抗性网络 GAN、变分自动编码器 VAE、表示学习）
- Regulatory Genomics - Deep Learning in Life Sciences（调节基因组学）
- Deep Learning for Regulatory Genomics - Regulator binding, Transcription Factors TFs（调节基因组学的深度学习：调节器结合、转录因子TFs）
- Gene Expression Prediction（基因表达预测）
- Single Cell Genomics（单细胞基因组学）
- Dimensionality Reduction（降维）
- Disease Circuitry Dissection GWAS（疾病电路解剖GWAS）
- GWAS mechanism（GWAS机制）
- Systems Genetics（系统遗传学）
- Graph Neural Networks（图神经网络）
- AI for Drug Design（AI 用于药物设计）
- Deep Learning for Protein Folding（蛋白质折叠的深度学习）
- Machine Learning for Pathology（病理学机器学习）
- Deep Learning for Cell Imaging Segmentation（细胞成像分割的深度学习）
- Deep Learning Image Registration and Analysis（深度学习图像配准与分析）
- Electronic health records（电子健康档案）
- Deep Learning and Neuroscience（深度学习与神经科学）
课程资料 | 下载
 |
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！
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：
- 📚 课件。PDF文件。覆盖Lecture 1~24 所有章节。
- 📚 习题。PDF文件。覆盖Recitation 1~11的所有内容。
- 📚 拓展阅读材料。PDF文件。课程推荐的17篇相关论文/文章。
课程视频 | B站
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
