0
点赞
收藏
分享

微信扫一扫

MIT-6874-Deep Learning in the Life Sciences Week1

爱做梦的夏夏 2022-04-30 阅读 57
深度学习

MIT-6874-Deep Learning in the Life Sciences Week1

Week1 Intro

在这里插入图片描述

Why deep learning in life science

在这里插入图片描述
主要驱动因素+可以产生具有革命性的结果

Why computational Biology

生物学的数据具有一定的规律性,但数据是庞杂的
在这里插入图片描述
机器擅长利用规律性的知识,从噪声中找到我们想要的东西
在这里插入图片描述
在这里插入图片描述

Intro to Machine Learning

在这里插入图片描述

机器学习推理的基本理论:贝叶斯原理

Making conclusions of the hidden state of the world given observations about the observable state of the world!
为世界建模,然后推断出一些东c!
在这里插入图片描述 Posterior: 给定事件的后验概率
Likelihood:当假设成立时收集到这些数据的概率
Prior:该假设的先验概率(即该假设发生的概率,是数据收集之前的先决条件)
Marginal:边际概率(在所有的可能性下,收集到当前数据的概率)

Classification and clustering

在这里插入图片描述
分类已知具体的类别,期望找到区分这个类别的rules
聚类则是通过发现数据内的特征,将具有相似性质/特征的数据归为一类
二者都是通过期望最大化,迭代学习对模型的参数估计
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

Intro to Genomics

基因组学/基因调控包括什么内容,有什么技术?
分子生物学的-中心法则
待补充
在这里插入图片描述

Where to make in progress?

*待补充
在这里插入图片描述

举报

相关推荐

0 条评论