Per i Dottorandi dei corsi in Biologia Evoluzionistica ed Ecologia, Il Dott. Giulio Formenti della Rockefeller University terrà dei seminari come Visiting Professor ad UniFi all'interno dei corsi per i dottorandi in Biologia Evoluzionistica ed Ecologia.
TITOLO DEL CORSO:
Hands-on introduction to machine learning and deep learning for biology
DOCENTE:
Giulio Formenti, PhD
Co-Director and Bioinformatics Lead
The Vertebrate Genome Laboratory, The Rockefeller University, USA
DATE E LUOGO:
Lunedì 4 Novembre 9:30-12:30
Martedì 5 Novembre 9:30-13:30
Mercoledì 6 Novembre 9:30-12:30
Giovedì 7 Novembre 9:30-13:30
Venerdì 8 Novembre 9:30-12:30
DOVE:
Aula seminari (A.0.20), Dipartimento di Biologia, Via Madonna del Piano 6, Sesto Fiorentino
LINGUA:
Inglese (possibilità di avere il corso in Italiano dipendentemente dalla nazionalità dei partecipanti)
MODALITA':
Il corso prevede l'integrazione di lezioni frontali e lavoro pratico su PC.
Ciascun partecipante dovrà dotarsi di un PC portatile proprio.
Il corso si svolgerà in modalità ibrida, nonstante la presenza sia caldamente consigliata per la parte di lavoro su PC.
PROGRAMMA:
- The aim of this course is to introduce the participants to machine learning techniques that can be applied to address biological questions. After the course participants will be able to apply the techniques learned to their data sets, solving classification and regression problems using machine learning.
- -A gentle introduction to Python 3, including: syntax, data structures, conditionals, loops, functions, object-oriented programming , and libraries (Numpy, Pandas, SciPy, Matplotlib);
- Supervised learning, including: algorithms (decision trees, ensemble learning, k-nearest neighbors, neural networks), cross validation, grid search, libraries (Sklearn);
- Unsupervised learning, including: clustering algorithms (k-means, GMM) and dimensionality reduction (Principal Component Analysis, Independent Component Analysis, Randomized Projections, manifold learning)
- An introduction to deep learning, including: models, libraries (Pytorch, Keras)