Descripción
El curso Machine Learning para Bioinformática refuerza conocimientos estadísticos, familiariza con el lenguaje de programación Python y capacita en la comprensión e implementación de técnicas de aprendizaje automático actualmente empleadas en el análisis de grandes volúmenes de datos, incluyendo desde datos ómicos como RNA-seq, Microbiomas y proteomas, hasta mediciones eléctricofisiológicas en Neurociencia.
La estructura general del curso incluye una Introducción a Python en la nube para personas sin experiencia en programación, con el fin de obtener los conocimientos mínimos para continuar con las secciones de Aprendizaje Automático No Supervisado, y finalmente Aprendizaje Automático Supervisado.
Cada sesión constará de una exposición teórica seguida de un laboratorio práctico, en donde se abordarán temas fundamentales requeridos para luego continuar con el curso de Deep Learning en el segundo semestre, donde se profundizará en técnicas avanzadas de Inteligencia Artificial basadas en redes neuronales artificiales aplicadas a problemas biológicos, incluyendo la traducción de datos multi-dominio (Imagen a Expresión Génica, y viceversa, por ejemplo).
Objetivo General
Capacitar a sus asistentes en la comprensión teórica e implementación práctica de metodologías de Aprendizaje Automático aplicadas a la resolución de problemas en Ciencias Biológicas.
Horario
Lunes 19:00 hasta las 21:30 horas. Vía Zoom.
Público objetivo
Este curso intensivo está especialmente dirigido a personas trabajando en Ciencias Biológicas incluyendo Biología Molecular, Bioquímica, Biotecnología, Bioinformática, Ecología, Microbiología, Inmunología y Tecnología Médica, entre otras áreas afines.
Programa
Semana 1 (lunes 5 de abril de 2021):
- Repaso conceptos generales de estadística clásica o frecuentista (valor p).
- Introducción a la programación en Python.
- Tipos de variables y estructuras de datos. Flujos de control y condicionales.
- Práctico en Python: Primeros pasos en la nube.
Semana 2 (lunes 12 de abril de 2021):
- Repaso conceptos generales de estadística Bayesiana (probabilidades a posteriori).
- Introducción a la programación en Python.
- Funciones y clases.
- Práctico en Python: Introducción a la computación científica con Python.
Semana 3 (lunes 19 de abril de 2021):
- Introducción a la programación en Python.
- Arreglos y operaciones matemáticas: Uso de paquetes NumPy y SciPy.
- Manipulación de Dataframes: Uso de paquete Pandas.
- Práctico en Python: Pre-procesamiento de datos tabulados. Casos Covid-19 Chile.
Semana 4 (lunes 26 de abril de 2021):
- Introducción a la programación en Python.
- Visualización de datos: Uso de paquetes Matplotlib, Plotly.
- Práctico en Python: Implementación de herramientas de visualización.
Semana 5 (lunes 3 de mayo de 2021):
- Aprendizaje Automatico No Supervisado I.
- Clustering Jerárquico, K-means, DBSCAN.
- Práctico en Python: Exploración y visualización de Datos transcriptómicos I.
Semana 6 (lunes 10 de mayo de 2021):
- Aprendizaje Automatico No Supervisado II.
- Reducción Dimensionalidad: PCA, tSNE, UMAP.
- Práctico en Python: Exploración y visualización de Datos transcriptómicos II.
Semana 7 (lunes 17 de mayo de 2021):
- Minería de Datos: Selección de Atributos.
- Métricas y estrategias para la selección de variables.
- Práctico en Python: Por qué y Cómo escoger las variables más “útiles” para nuestros modelos.
Semana 8 (lunes 24 de mayo de 2021):
- Automatización y búsqueda de hiperparámetros.
- Pipelines y GridSearch.
- Práctico en Python: Creación de flujos de trabajo y búsqueda automática de hiperparametros.
Semana 9 (lunes 31 de mayo de 2021):
- Aprendizaje Automatico Supervisado I.
- Métricas y Métodos para evaluar desempeño.
- Accuracy, Precision, Recall, F1, ROC.
- Holdout, Muestreo Aleatorio, Validación cruzada. Evaluando overfitting.
- Práctico en Python: Cómo comparar y escoger modelos.
Semana 10 (lunes 07 de junio de 2021):
- Aprendizaje Automatico Supervisado II.
- Support Vector Machines (SVM), Naive Bayes, k-Nearest Neighbors (KNN).
- Práctico en Python: Clasificación de enfermedades basados en datos de Microbioma I.
Semana 11 (lunes 14 de junio de 2021):
- Aprendizaje Automatico Supervisado III: .
- Árboles de Decisión, Random Forest, XGBoost.
- Práctico en Python: Clasificación de enfermedades basados en datos de Microbioma II.
Instructor:
Luis Valenzuela Villa, PhD Biotecnología Molecular, Universidad de Chile.
Investigador Postdoctoral, INTA, Universidad de Chile, y Fundador Omics Lab SpA.
https://www.linkedin.com/in/luisvalenzuelavilla
Costo Curso: $60.000.
Inscripciones y más información: luis.valenz.v@gmail.com
