ЗАДАЧИ КЛАССИЧЕСКОГО ML
В БИОЛОГИИ И БИОМЕДИЦИНЕ
Первый базовый модуль нашего флагманского курса — теперь доступен отдельно. Ваш самый эффективный старт в Machine Learning.
Освойте фундамент ML — от регрессии до случайного леса — и научитесь решать 80% реальных биомедицинских задач.
Даты: 3 ноября — 15 декабря
17 часов лекций, 11 часов семинаров плюс домашний проект
Онлайн-встречи с преподавателями
для разбора вопросов с записью
для разбора вопросов с записью
Спикер курса - известный преподаватель и действующий практик
Практика в группах и самостоятельно
Занятия по видео лекциям и методическим материалам
Поддержка кураторов и наставников в чате
Кейс по прогнозированию заболевания для портфолио
Перспективная область с высоким спросом на рынке труда и привлекательными зарплатами
Удостоверение о повышении квалификации
МАШИННОЕ ОБУЧЕНИЕ НАЧИНАЕТСЯ ЗДЕСЬ
Это не просто модуль, это ваш алфавит и грамматика в мире данных.
Прежде чем писать сложные "романы" с помощью нейросетей, нужно научиться уверенно складывать "слова" и "предложения". Классические алгоритмы — регрессия, деревья решений, SVM — это та самая фундаментальная грамматика, на которой строятся все более сложные модели. Без нее любой анализ — это набор случайных заклинаний.
За 6 недель нашей программы вы получите четкую систему координат. Вы поймете, как устроен мир ML, научитесь отличать регрессию от классификации, L1 от L2, и сможете осознанно выбрать правильный инструмент для 80% реальных биомедицинских задач.
По окончании модуля вы получите ваше первое конкурентное преимущество: не набор разрозненных "рецептов", а интуицию аналитика. Вы будете понимать почему один метод работает, а другой — нет, что позволит вам сэкономить месяцы самостоятельных проб и ошибок и начать говорить на одном языке с коллегами из мира ML.
Прежде чем писать сложные "романы" с помощью нейросетей, нужно научиться уверенно складывать "слова" и "предложения". Классические алгоритмы — регрессия, деревья решений, SVM — это та самая фундаментальная грамматика, на которой строятся все более сложные модели. Без нее любой анализ — это набор случайных заклинаний.
За 6 недель нашей программы вы получите четкую систему координат. Вы поймете, как устроен мир ML, научитесь отличать регрессию от классификации, L1 от L2, и сможете осознанно выбрать правильный инструмент для 80% реальных биомедицинских задач.
По окончании модуля вы получите ваше первое конкурентное преимущество: не набор разрозненных "рецептов", а интуицию аналитика. Вы будете понимать почему один метод работает, а другой — нет, что позволит вам сэкономить месяцы самостоятельных проб и ошибок и начать говорить на одном языке с коллегами из мира ML.
МАШИННОЕ ОБУЧЕНИЕ НАЧИНАЕТСЯ ЗДЕСЬ
Это не просто модуль, это ваш алфавит и грамматика в мире данных. Прежде чем писать сложные "романы" с помощью нейросетей, нужно научиться уверенно складывать "слова" и "предложения". Классические алгоритмы — регрессия, деревья решений, SVM — это та самая фундаментальная грамматика, на которой строятся все более сложные модели. Без нее любой анализ — это набор случайных заклинаний.
За 6 недель нашей программы вы получите четкую систему координат. Вы поймете, как устроен мир ML, научитесь отличать регрессию от классификации, L1 от L2, и сможете осознанно выбрать правильный инструмент для 80% реальных биомедицинских задач.
По окончании модуля вы получите ваше первое конкурентное преимущество: не набор разрозненных "рецептов", а интуицию аналитика. Вы будете понимать почему один метод работает, а другой — нет, что позволит вам сэкономить месяцы самостоятельных проб и ошибок и начать говорить на одном языке с коллегами из мира ML.
За 6 недель нашей программы вы получите четкую систему координат. Вы поймете, как устроен мир ML, научитесь отличать регрессию от классификации, L1 от L2, и сможете осознанно выбрать правильный инструмент для 80% реальных биомедицинских задач.
По окончании модуля вы получите ваше первое конкурентное преимущество: не набор разрозненных "рецептов", а интуицию аналитика. Вы будете понимать почему один метод работает, а другой — нет, что позволит вам сэкономить месяцы самостоятельных проб и ошибок и начать говорить на одном языке с коллегами из мира ML.
Используемые технологии
Python
OpenAI
Pandas
NumPy
Matplotlib
Seaborn
SciPy
Git
Scikit-team
Теория вероятностей
ML-алгоритмы
ML-модели
Линейная алгебра
ДЛЯ КОГО ЭТОТ КУРС
- биологи, биоинженеры, биотехнологи, врачи-диагносты
- биостатистики и клинические биоинформатики
- аналитики и специалисты по данным в биологии/медицине
- научные сотрудники лабораторий и RnD центров
- руководители лабораторий и team-лиды научных групп
- а также разработчики Python, которые хотят решать проблемы биоинформатики и биомедицины
ПРИМЕРЫ ВАКАНСИЙ
c запросом компетенций в области ML
- Аналитик данныхЗ/п от 150 000 рублей на руки
Какие задачи вас ждут:- постоянный анализ пользовательского поведения с целью поиска точек роста и узких мест в сервисе
- генерация и проверка гипотез на основе данных
- работа над улучшениями и анализ ключевых контентных метрик, таких как конверсия в просмотр, досматриваемость, время в сервисе
- подготовка данных для подбора и создания нового контента
- создание отчетов / дашбордов для мониторинга основных показателей
- Хорошее знание математической статистики;
- Умение читать и писать код на Python;
- Опыт визуализации данных в дашбордах на Seaborn, Plotly;
- Уверенное владение SQL;
- Знание Grafana для разработки дашбордов:
- Понимание и умение оценивать, как изменение в сервисе повлияет на бизнес;
- Знание методов машинного обучения
- БиоинформатикЗ/п до 150 000 ₽ на руки
Обязанности:- Участвовать в обработке данных генотипирования (Illumina microarrays),
- Выстраивать пайплайн биоинформатического и статистического анализа для генетических тестов по генеалогии, фармакогенетике, генетике многофакторных и наследственных заболеваний,
- Участвовать в научно-исследовательской работе (GWAS, разработка алгоритмов оценки рисков, определения степени родства по генетическим данным и тд.).
- Профильное высшее образование (математика / биоинформатика / программирование),
- Уверенная работа в bash / Linux / Git,
- Уверенное владение Python или R,
- Базовые знания в области машинного обучения.
- Имеете опыт работы в биоинформатике,
- Умеете работать с базами данных (SQL, MongoDB),
- Имеете навыки работы в облачных платформах (Google Cloud, Яндекс.Облако).
- ML инженер (Early Drug Discovery)З/п не указана
Обязанности:- Проектирование и поддержка высоконагруженных ETL-пайплайнов для интеграции HTS/HCS, структурной, –omics- и различной текстовой информации.
- Разработка и валидация ML/AI-моделей (GNN, 3D-transformers, diffusion) для приоритизации хитов, ADMET/off-target-прогноза, de-novo-дизайна малых молекул и белков, оптимизации биопроцессов и аналитических методов.
- Внедрение MLOps: Docker, MLflow, CI/CD, деплой на GPU-кластер.
- Профильное высшее образование
- 3+ лет опыта построения и эксплуатации ML-систем: Python 3.*, PyTorch/TF, scikit-learn, NumPy/Pandas.
- Стек Data Engineering: SQL/NoSQL, Spark или Dask, Airflow/Prefect и др.
- Опыт работы с HPC или облачными GPU-ресурсами, оптимизацией вычислений (CUDA, mixed-precision, distributed training).
- Имеете реальный опыт ML в фарминдустрии или химии, навыки работы с RDKit/OpenBabel, SDF/PDB, умение интерпретировать данные биологических тестов (SPR, BLI, ELISA, HTS), есть публикации, патенты, опыт участия в open-source или Kaggle.
Больше вакансий
и других полезных материалов в еженедельной рассылке про ML в биологии и биомедицине
Больше вакансий
и других полезных материалов в еженедельной рассылке про ML в биологии и биомедицине
Нажимая на кнопку "ПОЛУЧАТЬ ПОДБОРКУ", вы даете согласие на обработку персональных данных и на получение информационных рассылок (в любой момент можно отказаться в личном кабинете)
Нажимая на кнопку "ПОЛУЧАТЬ ПОДБОРКУ", вы даете согласие на обработку персональных данных и на получение информационных рассылок (в любой момент можно отказаться в личном кабинете)
Прямо сейчас эти компании набирают себе специалистов со знанием ML
Прямо сейчас эти компании набирают себе специалистов со знанием ML
Необходимый уровень знаний
Требуются знания Python, а также библиотек numpy и pandas.
Этот модуль для вас, если вы:
-
- Работаете c биологическими / клиническими таблицами и хотите наконец-то понимать, какой алгоритм выбрать;
- Учились ML по кусочным туториалам и хотите упорядочить базу: метрики, валидация, регуляризация;
- Хотите уверенно пользоваться pandas и sklearn, а не копировать чужой код вслепую;
- Готовите первое портфолио кейсов по ML (регрессия, бинарная и мультиклассовая классификация);
-
- Думаете о переходе из «мокрой» лаборатории в аналитическую роль и ищете короткий вход
- Прокачиваете свое резюме кейсами, которые помогут вам найти работу или получить повышение
- Хотите получить базу для потенциальной смены сферы деятельности в сторону IT для био/медицины
- Хотите сэкономить свое время и получить рафинированный набор ресурсов для дальнейшего развития
Этот модуль для вас, если вы:
-
Работаете c биологическими / клиническими таблицами и хотите наконец-то понимать, какой алгоритм выбрать; - Учились ML по кусочным туториалам и хотите упорядочить базу: метрики, валидация, регуляризация
- Хотите уверенно пользоваться pandas и sklearn, а не копировать чужой код вслепую;
- Готовите первое портфолио кейсов (регрессия, бинарная и мультиклассовая классификация);
-
Думаете о переходе из «мокрой» лаборатории в аналитическую роль и ищете самый короткий вход; - Прокачиваете свое резюме кейсами, которые помогут вам найти работу или получить повышение
- Хотите получить базу для потенциальной смены сферы деятельности в сторону IT для био/медицины
- Хотите сэкономить свое время и получить рафинированный набор ресурсов для дальнейшего развития
ПРОГРАММА МОДУЛЯ
Задачи классического ML в биологии и биомедицине
- Основные задачи машинного обучения: регрессия и классификация.
- Линейная регрессия. Функция потерь. Метрики MSE и R2
- Скоррелированные признаки. Проблема переобучения, гиперпараметры, Train/Test/Validation. L1 и L2 регуляризация.
- Шкалирование признаков. One-hot encoding категориальных признаков. Работа с пропущенными значениями.
- Логистическая регрессия. Метрики качества классификации: accuracy, AUROC, AUPRC. Задача мультиклассовой классификации. Линейная разделимость и feature engineering. Методы оценки значимости признаков.
- Библиотека sklearn и интерфейс fit/predict/predict_proba.
- Основные типы классических моделей: SVM, градиентный бустинг и случайный лес, kNN, кластеризация.
Домашний проект - предсказание рака молочной железы.
ОПЛАТИТЬ УЧАСТИЕ
Если вы - физическое лицо, нажмите на кнопку "КУПИТЬ", чтобы получить ссылку на страницу оплаты.
Если у Вас есть вопросы или вы представитель компании, оставьте заявку ниже.
Если у Вас есть вопросы или вы представитель компании, оставьте заявку ниже.
Нажимая на кнопку "КУПИТЬ" или "ПОЛУЧИТЬ КОНСУЛЬТАЦИЮ", вы даете согласие на обработку персональных данных
СПИКЕР
Илья Воронцов
11 лет преподает компьютерные науки, машинное обучение и анализ данных. Data-исследователь, программист / computational researcher, teacher and programmer.
Занимается биоинформатикой в области транскрипционной регуляции в ИОГен РАН с 2011 г.
Занимается биоинформатикой в области транскрипционной регуляции в ИОГен РАН с 2011 г.
Alma mater: МФТИ
ПАРТНЕРЫ ПРОЕКТА
ОРГАНИЗАТОРЫ И МЕТОДОЛОГИ КУРСА
Российский форум биотехнологий OpenBio уникально сочетает в себе мощную экспертизу науки и бизнеса, диалог с государством, соединение с искусством и самые теплые встречи отрасли
- отраслевая экспертиза более 10 лет
- более 10 000 участников
- 56% аудитории OpenBio составляет научное сообщество
- опыт трансляций масштабных мероприятий
- участники из всех регионов РФ и более 30 стран
На протяжении 12 лет OpenBio - это яркое событие в мире биотех и один из ведущих российских форумов биотехнологий. Задача экосистемы OpenBio мероприятий "подружить" науку, бизнес и государство. Наше событие ежегодно собирает сотни ученых, студентов и аспирантов и представителей бизнеса. На полях форума и круглых столах разбираем острые проблемы, с которыми сталкивается биотехнологическая отрасль . Знаем, за кем гоняются компании и какие навыки релевантны. Участники часто просят рассказать "какой же он "идеальный" кандидат для топовых биотехкомпании". Мы пошли дальше и хотим непросто рассказать об востребованных навыках для работы в биотехе, а сразу дать их.
- Наталья МнафкиПродюсер и методолог программы, соучредитель и ex-руководитель образовательных программ ООО "Бластим", международный эксперт по профориентации для взрослых
- C нуля разработала более 6 образовательных программ
- Запустила 33+ потоков курсов
- Более 15 лет в биотехе
- Более 18 лет в образовании
- Юлия Линюшина
Основатель и руководитель экосистемы OpenBio - Российского форума биотехнологий, Площадки открытых коммуникаций - мультиформатного пространства взаимодействия науки, бизнеса, государства и общества (11 лет работы в отрасли), экспертиза в сфере коммерциализации технологий, бизнес-инкубирования (Tech2B, Австрия)
- Более 10 лет организации экспертных мероприятий
- Более 15 лет в сопровождении высокотехнологичных проектов, преимущественно life science
ПОСЛЕ ОБУЧЕНИЯ ВЫ СМОЖЕТЕ
-
Навигировать в “зоопарке” методов классического машинного обучения -
Применять методы классического ML для распространенных задач -
Оценивать качество моделей ML и корректно использовать метрики качества -
Общаться с опытными ML-щиками на одном языке -
Показать работодателю ваши кейс через ссылку на нашем сайте с отзывом наставника -
Эффективно развиваться в новых задачах на базе знаний курса -
Претендовать на новые зоны ответственности по задачам ML для табличных данных
-
Навигировать в “зоопарке” методов классического машинного обучения -
Применять методы классического машинного обучения для распространенных задач -
Оценивать качество моделей ML и корректно использовать метрики качества -
Общаться с опытными ML-щиками на одном языке -
Показать работодателю ваши кейсы через ссылку на нашем сайте с отзывом наставника -
Эффективно развиваться в новых задачах на базе знаний курса -
Претендовать на новые зоны ответственности по задачам ML для табличных данных
ПОЧЕМУ МЫ РЕКОМЕНДУЕМ ЭТОТ КУРС?
- Классические методы ML — это фундамент вашего развития в области Data Science, с которым вы сможете решать 80% реальных биомедицинских задач
- Оптимальный формат обучения с лучшими педагогическими практиками
- Возможность изучать материалы в удобное для вас время, прямые эфиры - раз в неделю
- Постоянная поддержка наставников в чате
- Групповые форматы практик для отработки домашнего проекта и обсуждения пройденного материала
- Материалы лекций и доступ к комьюнити сохраняется в течение полугода
- Организаторы и методологи программы 12 лет проводят отраслевую конференцию OpenBio и более 5 лет делают курсы по программированию в биотехе
ОТЗЫВЫ О ПОЛНОЙ ПРОГРАММЕ
СТОИМОСТЬ УЧАСТИЯ И ОПЛАТА КУРСА
СТОИМОСТЬ УЧАСТИЯ И ОПЛАТА КУРСА
Старт участия в модуле вместе с основным потоком курса — 3 ноября.
Не хватает информации? Мы проконсультируем Ваc бесплатно!
Возврат денег
Если обучение вам не подойдет вы можете вернуть полную сумму до начала второй недели обучения. Условия возврата прописываются в договоре.
Гарантии и договор
С каждым студентом заключается договор.
Для студентов дневных и вечерних отделений бакалавриата, магистратуры и специалитета предоставляется скидка 30%, для аспирантов — 10%. Пригласите на обучение друга и получите скидку до 35% каждый!
Уточнить вопросы можно по контактам ниже:
+7 (923) 181-98-86
education@openbio.ru
Если обучение вам не подойдет вы можете вернуть полную сумму до начала второй недели обучения. Условия возврата прописываются в договоре.
Гарантии и договор
С каждым студентом заключается договор.
Для студентов дневных и вечерних отделений бакалавриата, магистратуры и специалитета предоставляется скидка 30%, для аспирантов — 10%. Пригласите на обучение друга и получите скидку до 35% каждый!
Уточнить вопросы можно по контактам ниже:
+7 (923) 181-98-86
education@openbio.ru
FAQ's
Машинное обучение (ML) применяется для извлечения закономерностей из данных, предсказаний и принятия решений. Специалисты с помощью ML-моделей на огромных данных делают прогнозы с высокой степенью точности, оптимизируя процессы и минимизируя риски. Методы ML открывают новые возможности для исследований, оптимизации и автоматизации во всех сферах жизни.
Сферы применения ML безграничны: медицина, финансы, маркетинг, производство, научные исследования и многое другое. Поэтому ML – это одна из самых перспективных и быстроразвивающихся областей IT.
Сферы применения ML безграничны: медицина, финансы, маркетинг, производство, научные исследования и многое другое. Поэтому ML – это одна из самых перспективных и быстроразвивающихся областей IT.
Базовые навыки программирования на Python: работа с переменными и областями их видимости, функции, встроенные контейнеры: список, словарь, кортеж, классы и наследование. Библиотеки Numpy и Pandas.
Базовая математика и элементы статистики и теории вероятностей.
По данным вопросам мы даем бесплатную информацию в нашем телеграм-канале.
Базовая математика и элементы статистики и теории вероятностей.
По данным вопросам мы даем бесплатную информацию в нашем телеграм-канале.
Да, программа построена таким образом, что основную часть материалов вы можете изучать в удобное для вас время, прямые эфиры раз в неделю по субботам, групповые задания вы будете выполнять по договоренности с другими участниками без жесткого графика.
По банковской карте всю сумму
Есть возможность оплатить иностранными картами.
Без переплат. Вы заплатите ровно сумму покупки.
Вы оплачиваете только покупку. Проценты мы берем на себя.
Решение по заявке в течение пары минут.
Вы можете отправить к нам на обучение ваших сотрудников. Мы подпишем с вами договор и предоставим все необходимые закрывающие документы.
Есть возможность оплатить иностранными картами.
- Дробными платежами
Без переплат. Вы заплатите ровно сумму покупки.
- В рассрочку
Вы оплачиваете только покупку. Проценты мы берем на себя.
Решение по заявке в течение пары минут.
- Через компанию на р/с
Вы можете отправить к нам на обучение ваших сотрудников. Мы подпишем с вами договор и предоставим все необходимые закрывающие документы.
- Удостоверение о повышении квалификации
- Сертификат
Налоговый вычет
– сумма, которую налогоплательщик может вычесть из суммы налога на доходы физических лиц (НДФЛ 13%), уплачиваемого в бюджет. Образование подходит по статью расхода с возможностью получения вычета.
Условия получения налогового вычета:
Для повышения квалификации и профессиональной переподготовки:
Налогоплательщик должен предоставить необходимые документы:
См. подробности про налоговый вычет на сайте ФНС РФ.
– сумма, которую налогоплательщик может вычесть из суммы налога на доходы физических лиц (НДФЛ 13%), уплачиваемого в бюджет. Образование подходит по статью расхода с возможностью получения вычета.
Условия получения налогового вычета:
- Вы - физическое лицо
- У вас есть доход, подлежащий обложению налогом на доходы физических лиц.
- Образовательное учреждение имеет государственную аккредитацию (у нас она есть).
- Сумма вычета находится в рамках установленных законодательством ограничений.
Для повышения квалификации и профессиональной переподготовки:
- Максимальная сумма на одного налогоплательщика – 120 000 рублей в год, с которой вы можете вернуть 13%, то есть – 15 600 рублей.
- Сумма налогового вычета может быть уменьшена на сумму полученных грантов, стипендий и других видов компенсации затрат на обучение или образование.
- Налоговый вычет имеет общий лимит для расходов на лечение и обучение, фитнес, добровольное страхование и прохождение независимой оценки квалификации.
Налогоплательщик должен предоставить необходимые документы:
- Чек об оплате обучения (приходит на почту после оплаты)
- Договор на оказание платных образовательных услуг с АНО «ИЦК»
- Приложения к договору
- Дополнительные соглашения
- Справка об обучении
- Предоставление заявки налогоплательщика в налоговую службу.
См. подробности про налоговый вычет на сайте ФНС РФ.
Автономная некоммерческая организация “Инновационный центр Кольцово” (АНО ИЦК)
Юридический адрес:
630559, Новосибирская область, р.п. Кольцово, дом 12
Тел./факс: +7 (383) 336-63-45
Технопарковая, 1
Тел./факс: +7 (383) 306-19-17, 233-37-03
Е-mail: info@ick.ru
Почтовый адрес:
630559, Новосибирская область, р. п. Кольцово, а/я 6
______________________________
ИНН 5433141963 КПП 543301001
ОКПО 56009071 ОКАТО 50240552000
ОКОПФ 71400 ОГРН 1025404358154
ОКВЭД 70.22 85.42.9
ОКОГУ 49014
ОКТМО 50740000
______________________________
Р/сч 40703810201400000007
В Банк “Левобережный” (ПАО) г. Новосибирск
БИК 045004850
К/с 30101810100000000850
630559, Новосибирская область, р.п. Кольцово, дом 12
Тел./факс: +7 (383) 336-63-45
Технопарковая, 1
Тел./факс: +7 (383) 306-19-17, 233-37-03
Е-mail: info@ick.ru
Почтовый адрес:
630559, Новосибирская область, р. п. Кольцово, а/я 6
______________________________
ИНН 5433141963 КПП 543301001
ОКПО 56009071 ОКАТО 50240552000
ОКОПФ 71400 ОГРН 1025404358154
ОКВЭД 70.22 85.42.9
ОКОГУ 49014
ОКТМО 50740000
______________________________
Р/сч 40703810201400000007
В Банк “Левобережный” (ПАО) г. Новосибирск
БИК 045004850
К/с 30101810100000000850