课程描述
提出了解决生命科学中计算问题的创新方法,重点是基于深度学习的方法与传统方法的比较。主题包括蛋白质-DNA相互作用,染色质可及性,法规变异解释,医学影像理解,病历理解,治疗设计和实验设计(干预措施的选择和解释)。专注于机器学习模型的选择,鲁棒性和解释。团队使用TensorFlow或其他框架完成了一个多学科的最终研究项目。提供对每个生命科学问题的全面介绍,但要依靠学生理解概率问题的表述。修读研究生版的学生可以完成其他作业。
文末附所课程视频及ppt免费获取地址,持续更新。
课程大纲
课程主页
https://www.eecs.mit.edu/academics-admissions/academic-information/subject-updates-spring-2021/68026874
课程视频截图
本课程视频及ppt免费获取地址
微信公众号“深度学习与NLP”回复关键字“mpy21”获取下载地址。
往期精品内容推荐
自然语言处理中数据增强(Data Augmentation)技术最全盘点
2020问答系统(QA)最新论文、书籍、数据集、竞赛、课程资源分析
互联网数据驱动力简书-《数据推动力-创造数据文化》免费pdf分享
密歇根大学Justin Johnson-《深度学习与计算机视觉》课程视频及ppt分享
深度学习架构论文解读9-规范等变卷积网络和二十面体CNN
MIT《计算系统生物学:生命科学中的深度学习》课程 (2020) 视频频及ppt免费分享
2019年各大顶会神经关系抽取(NRE)优质论文整理分享
神经网络问答生成最全模型、策略、应用相关论文、资源、评测整理分享
11月新书-《强化学习:算法与理论》分享
2020年最新深度学习模型、策略整理及实现汇总分享
DeepLearning_NLP
深度学习与NLP
商务合作请联系微信号:lqfarmerlq