درس:۴۰۵۵۰

یادگیری ماشین برای بیوانفورماتیک

Machine Learning for Bioinformatics

شماره درس: ۴۰۵۵۰ تعداد واحد: ۳
مقطع: کارشناسی ارشد نوع درس: نظری
پیش‌نیاز: هم‌نیاز: –

اهداف درس

با توجه به افزایش حجم و پیچیدگی داده ها در بیوانفورماتیک، استفاده از روش های نوین تحلیل داده، که قابلیت یادگیری و کشف الگوهای موجود در داده را دارند، اجتناب ناپذیر است. هدف از این درس آشنایی با مفاهیم و روش های یادگیری ماشین از نقطه نظر کاربردی و با تاکید روی حل مسائل بیوانفورماتیک است. به صورت خاص، دانشجو با گذراندن این درس مهارت اعمال روش های یادگیری برای حل چالش های موجود در بیوانفورماتیک، به تناسب نوع مسئله و داده ها را کسب می کند.

ریز مواد

  • مفاهیم مقدماتی (۳ جلسه)
    • معنای یادگیری و انواع مسئله های یادگیری
    • ارزیابی یک سیستم یادگیر (داده های آموزش، تست، ارزیابی)، معیار صحت و دقت
    • 
قدرت تعمیم، بیش برازش و اعتبار سنجی متقابل k-fold cross validation
    • محدودیت های یادگیری (نرخ خطای بیز)
    • روش های بهینه سازی (نزول گرادیان)
    • مصالحه سوگیری/واریانس (bias/variance trade-off)
    • روش های مقدماتی (مانند Naive Bayes ،k-NN، خطی و پرسپترون)
  • مسئله دسته بندی (۷ جلسه)
    • ماشین بردار پشتیبان (support vector machine)
    • روش های یادگیری جمعی (ensemble learning)
    • شبکه های چند لایه پرسپترون و پیچشی (convolutional neural networks)
  • مسئله کاهش ابعاد (۶ جلسه)
    • تحلیل مولفه اساسی (principal component analysis) و فاکتورگیری ماتریس (matrix factorization)
    • روش های انتخاب متغیر (variable selection)
    • خود کد کننده ها (autoencoders)
    • روش tSNE
    • روش های تعبیه (embedding)
  • خوشه‌بندی (۳ جلسه)
    • روش k-means و روش های سلسله مراتبی (hierarchical)
    • بیشینه سازی امید ریاضی (expectation maximization) و مدل ترکیبی گوسی (Gaussian Mixture Model)
  • تحلیل داده های متوالی (۵ جلسه)
    • مدل مخفی مارکوف (Hidden Markov Models)
    • شبکه های ژرف بازگشتی (recurrent neural networks) و شبکه های transformer

مراجع

  1. H. Daumé III, A Course in Machine Learning, Self-published, 2017.
  2. Bishop, Pattern Recognition and Machine Learning, 2nd Edition, Springer, 2006
  3. I. Goodfellow, Y. Bengio, and A. Courville, Deep Learning, MIT Press, 2016
درس/۴۰۵۵۰.txt · آخرین ویرایش: 2019/12/26 01:59 (ویرایش خارجی)