Modelos del Deep Learning para el análisis de datos ómicos con Keras para R

Speaker/s:

Esteban Vegas y Ferran Reverter

Date:
09/09/2019 16:00 - 13/09/2019 20:00
Institution:
Universitat de Barcelona
Venue:
Facultat de Biologia

Summary

Saber aplicar models bàsics de Deep Learning a partir d'una implementació basada en Keras per a l anàlisi de dades òmiques.

 

Abstract

Es tracta de millorar la capacitat d'implementar models per a l'anàlisi de dades complexes provinents de les ciències òmiques.

Aprenentatge màquina. Deep Learning
Implementació basada en Keras (per a R)
Autoencoders
Convolutional Neural Nets
Dades òmiques.

 

 

Description / Information

Tema 1  Algoritmes que aprenen de les dades

Fonaments de l'Aprenentatge Màquina
Models fets per capes
Funcions de pèrdua i optimització

Tema 2  Primeres passes en el Deep Learning

Per què Deep Learning?
Introducció a Keras (API funcional per a TensorFlow)
Regularització i optimització. Selecció dels híperparàmetres.
Construint i avaluant un primer model

Tema 3  Autoencoders

Definició i principals característiques. Tipologies.
Arquitectures
Implementació amb Keras.
Avaluació dels models i millores.

 

Tema 4  Convolutional Neural Networks

Definició i principals característiques. Tipologies.
Arquitectures
Implementació amb Keras.
Avaluació dels models i millores.

 

 

Objectives

Predicció de l'expressió gènica a partir de variants gèniques.
Creació d'un stacked autoenconder per obtenir un model predictiu que combina dos tipus de dades òmiques.
Aquesta aplicació permetrà avaluar com les variants genètiques són explicatives dels canvis en l'expressió gènica.

 

Fenotips basats en imatges histològiques i mesures de l'associació amb malalties
Creació d'un CNN per categoritzar imatges histològiques de manera automàtica i posterior associació de les
categories identificades amb malalties.

 

Predicció de motius d'unió dels factors de transcripció
Creació d'un CNN per descobrir motius d'unió en DNA, on les variables predictores són seqüències més llargues
de DNA i la variable resposta és binaria indicant si hi ha hagut o no unió.

 

Target group

Graduats, llicenciats o professionals que vulguin analitzar dades amb models del Deep Learning.
 

 

Faculty

Esteban Vegas i Ferran Reverter

Fees

Precio del curso: 125€ (más tasas)

Requirements

Requisits d'accés: nivell bàsic d'estadística i R.

Contact

Secretaría de la sección de Estadística
Tel. 934021560, e-mail eballester@ub.edu