یادگیری ماشین برای بیوانفورماتیک

با توجه به افزایش حجم و پیچیدگی داده‌ها در بیوانفورماتیک، استفاده از روش‌های 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 روش‌های یادگیری ماشین از نقطه نظر کاربردی و با تاکید روی حل مسائل بیوانفورماتیک است. به صورت خاص، دانشجو با گذراندن این درس مهارت اعمال روش‌های یادگیری برای حل چالش‌های موجود در بیوانفورماتیک، به تناسب نوع مسئله و داده‌ها را کسب‌ می‌کند.

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