Машинное обучение в биологии и биомедицине

О курсе

Илья Воронцов, Артем Касьянов и Александр Сарачаков обучают практическому применению методов машинного обучения и нейросетей к задачам биологии и биомедицины. Программа построена с постепенным усложнением: от классических алгоритмов и обучения без учителя до глубокого обучения, анализа мультиомиксных данных и компьютерного зрения.

Материал знакомит с устройством пайплайнов обработки медицинских и биологических данных, критериями выбора между классическими алгоритмами и нейросетями, а также инженерными приемами работы с признаками. В практическую часть входят реализация моделей с нуля на Python, работа с фреймворками глубокого обучения и итоговое групповое соревнование по компьютерному зрению.

Кому подойдет курс

Программа рассчитана на специалистов медико-биологического профиля и разработчиков, планирующих развиваться в биоинформатике:

• биологи, биоинженеры, биотехнологи и врачи-диагносты;
• биостатистики и клинические биоинформатики;
• аналитики и специалисты по данным в сфере биологии и медицины;
• научные сотрудники лабораторий и RnD-центров;
• руководители лабораторий и тимлиды научных групп;
• разработчики на Python, заинтересованные в задачах биомедицины.

Для успешного освоения программы требуются предварительные знания языка Python, а также опыт работы с библиотеками NumPy и Pandas.

Чему вы научитесь

В процессе обучения вы последовательно освоите методы и инструменты анализа данных:

• выбирать и применять модели классического машинного обучения под прикладные задачи;
• оценивать качество классификации и регрессии с помощью метрик точности;
• использовать методы кластеризации и снижения размерности при анализе биологических последовательностей и профилей экспрессии;
• конструировать архитектуры нейронных сетей с нуля, используя базовую математику и векторизацию в NumPy;
• выстраивать пайплайны глубокого обучения в PyTorch с подбором оптимизаторов и регуляризацией;
• интегрировать мультиомиксные данные методами понижения размерности и автоэнкодерами;
• решать задачи классификации и семантической сегментации медицинских изображений, включая формат DICOM;
• настраивать воспроизводимые эксперименты с помощью PyTorch Lightning, TensorBoard и WandB.

Авторы и организаторы

Программу ведут практикующие исследователи и преподаватели:

• Илья Воронцов — data-исследователь и программист, выпускник МФТИ с 10-летним стажем преподавания машинного обучения и анализа данных, занимается транскрипционной регуляцией в ИОГен РАН с 2011 года;
• Артем Касьянов — кандидат наук (PhD), выпускник МГУ, научный сотрудник BIOPOLIS (CiBio, Португалия), 13 лет преподает биоинформатику, геномику, популяционную генетику и машинное обучение;
• Александр Сарачаков — выпускник НГУ и Сколтеха с более чем 10-летним опытом работы в ML-индустрии, руководитель отдела AI и ML в BostonGene, преподаватель МФТИ, СПб ШКН и СберУниверситета;
• Наталья Мнафки — продюсер и методолог программы, специалист по профориентации взрослых с 15-летним стажем в сфере биотехнологий;
• Юлия Линюшина — руководитель экосистемы OpenBio, эксперт в сопровождении высокотехнологичных проектов и коммерциализации технологий в life science.