کتاب یادگیری ماشین در فیلد ژنومیکس با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین در فیلد ژنومیکس

موضوع کلی: هوش مصنوعی پیشرفته و مقیاس‌بندی آن

موضوع میانی: هوش مصنوعی در تحلیل داده‌های حاصل از مطالعات زیست‌شناسی تکاملی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین و ژنومیکس
• 2. اصول آمار برای تجزیه و تحلیل داده‌های ژنومی
• 3. پیش‌پردازش داده‌های ژنومی: پاکسازی و نرمال‌سازی
• 4. فرمت‌های رایج داده‌های ژنومی
• 5. مقدمه‌ای بر توالی‌یابی نسل جدید (NGS)
• 6. تحلیل داده‌های RNA-Seq
• 7. تحلیل داده‌های چیپ‌های میکرواَری
• 8. شناسایی تنوع ژنتیکی (SNPs و Indels)
• 9. تحلیل داده‌های واریانت ساختاری (Structural Variants)
• 10. یادگیری ماشین نظارت شده: رگرسیون
• 11. یادگیری ماشین نظارت شده: طبقه‌بندی
• 12. ارزیابی مدل‌های یادگیری ماشین
• 13. انتخاب ویژگی در داده‌های ژنومی
• 14. کاهش ابعاد داده‌های ژنومی: PCA
• 15. کاهش ابعاد داده‌های ژنومی: t-SNE
• 16. خوشه‌بندی داده‌های ژنومی
• 17. شبکه‌های بیولوژیکی و یادگیری ماشین
• 18. پیش‌بینی بیان ژن با استفاده از یادگیری ماشین
• 19. پیش‌بینی بیماری با استفاده از یادگیری ماشین
• 20. شناسایی ژن‌های مرتبط با بیماری
• 21. تحلیل مسیرهای بیولوژیکی
• 22. یادگیری عمیق: شبکه‌های عصبی کانولوشنی (CNN)
• 23. یادگیری عمیق: شبکه‌های عصبی بازگشتی (RNN)
• 24. استفاده از یادگیری عمیق در ژنومیکس
• 25. یادگیری نیمه نظارت شده در ژنومیکس
• 26. یادگیری تقویتی در ژنومیکس
• 27. کاربرد یادگیری ماشین در داروشناسی ژنومیک
• 28. تحلیل داده‌های epigenomic
• 29. تحلیل داده‌های metagenomic
• 30. تحلیل داده‌های microbiome
• 31. یادگیری ماشین و تشخیص سرطان
• 32. یادگیری ماشین و بیماری‌های ارثی
• 33. یادگیری ماشین و پاسخ به درمان
• 34. تفسیرپذیری مدل‌های یادگیری ماشین در ژنومیکس
• 35. استفاده از یادگیری ماشین برای کشف دارو
• 36. تحلیل داده‌های پروتئومیکس با یادگیری ماشین
• 37. تحلیل داده‌های متابولومیکس با یادگیری ماشین
• 38. یادگیری ماشین و شخصی‌سازی پزشکی
• 39. چالش‌ها و محدودیت‌های یادگیری ماشین در ژنومیکس
• 40. ابزارهای رایج یادگیری ماشین در ژنومیکس
• 41. مجموعه داده‌های ژنومی عمومی
• 42. اخلاق و حریم خصوصی در یادگیری ماشین ژنومی
• 43. پیشرفت‌های آینده در یادگیری ماشین و ژنومیکس
• 44. استفاده از یادگیری ماشین برای تشخیص بیماری‌های نادر
• 45. تحلیل داده‌های تک‌سلولی با یادگیری ماشین