|
Machine Learning & Data Mining
|
 (05-11-2015, 07:10 PM)مهمان نوشته: سلام ببخشید میشه بگید این ویدیوهای استنفورد رو از کجا باید دید سلام ار طریق این لینک می تونید به repository که برای دسترسی به بعضی lecture های stanford هست، دسترسی داشته باشید: https://see.stanford.edu/Course/CS229 براتون آرزوی موفقیت دارم 
30-04-2017, 07:00 PM
از دوستان کسی در مورد به درد بخور بودن Bayesian inference با هدف gene regulatory network reconstruction نظری داره ممنون میشم. یه استادی هست که چند وقت کار پاره وقت در Pfizer داشته و کارش همینه. پروژه به نسبه سختی هست چون بکگراندی ندارم ولی میدونم که از پسش برمیام. پایه های بحث به نظر کاربردهای زیادی در زمینه های مختلف مثل صنعت تبلیغات یا finance یا خود bioinformatics داره ولی نمیدونم واقعا در صنعت نگاه به کارهای تئوری چطور هست؟
@Babak @Matinking (30-04-2017, 07:00 PM)usphys نوشته: از دوستان کسی در مورد به درد بخور بودن Bayesian inference با هدف gene regulatory network reconstruction نظری داره ممنون میشم. یه استادی هست که چند وقت کار پاره وقت در Pfizer داشته و کارش همینه. پروژه به نسبه سختی هست چون بکگراندی ندارم ولی میدونم که از پسش برمیام. پایه های بحث به نظر کاربردهای زیادی در زمینه های مختلف مثل صنعت تبلیغات یا finance یا خود bioinformatics داره ولی نمیدونم واقعا در صنعت نگاه به کارهای تئوری چطور هست؟ کاربرد Bayesian inference در field های algorithmic و computational مثل bioinformatic هست عمدتا نه gene regulatory networks... اساسا GRN دو تا پایه اساسی داره... یکی systems biology و یکی کنترل... از هر سمتی بهش نزدیک بشید به یکی از این دو مورد برخورد می کنید... کلا حیطه synthetic biology الان صرفا در حال توسعه نظری هست عمدتا... هرچند از دید کنترلی، مداراتی هم ساخته ان ولی بیشتر کار الان مدل سازی و شناسایی یا طراحی و پایدارسازی از دید کنترلی هست... از طرف دیگه bioinformatic کاربرد فعلی بیشتری در صنعت داره... البته بیش از صنعت finance، الان ازش در شناسایی sequence های ژن های معیوب مثلا در تخمین احتمال سرطان در افراد استفاده می کنند و از این قبیل موارد... الان کار های big data روی روش های bioinformatic میره که خیلی فراگیر بشه...
01-05-2017, 01:56 AM
(30-04-2017, 09:33 PM)Matinking نوشته: کاربرد Bayesian inference در field های algorithmic و computational مثل bioinformatic هست عمدتا نه gene regulatory networks... اساسا GRN دو تا پایه اساسی داره... یکی systems biology و یکی کنترل... از هر سمتی بهش نزدیک بشید به یکی از این دو مورد برخورد می کنید... کلا حیطه synthetic biology الان صرفا در حال توسعه نظری هست عمدتا... هرچند از دید کنترلی، مداراتی هم ساخته ان ولی بیشتر کار الان مدل سازی و شناسایی یا طراحی و پایدارسازی از دید کنترلی هست...منظورتون از جمله "کاربرد Bayesian inference در bioinformatic هست نه gene regulatory networks" چیه؟ دقیقا اینکار استاد که ادامه همون پروژه هاش با pfizer هست همین کاربرد هستش (مقاله های قبلیش هم همه در ژورنال Bioinformatics چاپ شدن). مثلا این مقاله: Friedman, Nir, Michal Linial, Iftach Nachman, and Dana Pe'er. "Using Bayesian networks to analyze expression data." Journal of computational biology 7, no. 3-4 (2000): 601-620. 3500 تا رفرنس خورده و در واقع یه نسخه اولیه این ایده استاد هست. من به شخصی هیچ مقاله ای برای کاربرد Bayesian ندیدم با این تعداد اشاره حالا در هر کاربردی چه ژنتیک چه مارکتینگ چه چیزهای دیگه. ولی رفرنس خوزدن به کارم نمیاد و من دنبال اسکیلهایی که بشه باهاش کارپیدا کرد هستم در زمینه یادگیری ماشین و آمار حالا با هر کاربردی
01-05-2017, 02:13 AM
(01-05-2017, 01:56 AM)usphys نوشته: منظورتون از جمله "کاربرد Bayesian inference در bioinformatic هست نه gene regulatory networks" چیه؟ دقیقا اینکار استاد که ادامه همون پروژه هاش با pfizer هست همین کاربرد هستش (مقاله های قبلیش هم همه در ژورنال Bioinformatics چاپ شدن). مثلا این مقاله: اگر به title مقاله دقت کنید کاربرد روش های Bayesian در آنالیز "دیتای منشعب از شبکه" هست... توصیه می کنم کتاب biomolecular feedback systems کار Del Vecchio& Murray رو بخونید... اون وقت براتون روشن میشه اصلا gene regulation networks چی هستن و ارتباط مستقیمی بین functionality اونها و روش های algorithmic وجود نداره... |
|
|
| کاربران در حال بازدید این موضوع: |
| 2 مهمان |
