Научно-исследовательский семинар "Машинное обучение для решения биологических и биомедицинских задач"

Бакалавриат 2026/2027

Статус: Курс обязательный (Когнитивная нейробиология)

Кто читает: Базовая кафедра Института биоорганической химии им. академиков М.М. Шемякина и Ю.А. Овчинникова РАН

Где читается: Факультет биологии и биотехнологии

Когда читается: 4-й курс, 1, 2 модуль

Охват аудитории: для своего кампуса

Преподаватели: Вартанов Сергей Александрович, Фаткулин Артем Александрович

Язык: русский

Кредиты: 3

Контактные часы: 36

Дополнительные материалы в LMS Задать вопрос

Аннотация

НИС "Машинное обучение для решения биологических и биомедицинских задач" нацелен на изучение современных методов машинного обучения и их применения в биологии и медицине. Студенты ознакомятся с основными концепциями и алгоритмами машинного обучения, а также с их специфическими приложениями в различных областях биологических исследований.

Цель освоения дисциплины

Целями освоения дисциплины являются: • сформировать у слушателей практических и систематических навыков анализа биомедицинских данных; • сформировать представления о применении современных технологий обработки биомедицинской информации; • познакомить слушателей с основными принципами и приёмами статистической обработки данных • научить слушателей основным понятиям и постановкам задач машинного обучения, возникающих в биологических и биомедицинских задачах; • дать теоретические основы ключевых методов машинного обучения; • познакомить с принципами построения композиций моделей машинного обучения; • познакомить с основными метриками качества для регрессии и классификации; • научить выполнять полный цикл построения модели; • научить обучать основные модели машинного обучения, оценивать их качество; • научить выполнять кластеризацию и визуализацию данных; • дать базовые знания об архитектурах искусственных нейронных сетей, базовых методах их обучения и оценки качества.

Планируемые результаты обучения

Студент ориентируется в классификации задач компьютерного зрения (распознавание, сегментация, детекция); формулирует основные принципы построения сверточных нейросетевых архитектур (CNN) для их решения; создаёт, обучает и дообучает соответствующие модели для решения медицинских и биологических задач.
Студент формулирует основные задачи NLP и их аналоги в биологии и медицине; владеет методами bag-of-words и TF-IDF для задач NLP и их аналогов; воспроизводит основные концепции и подходы в построении трансформерных моделей.
Студент ориентируется в прикладных ИИ-моделях и задачах биологии, медицины и фармацевтики, соотносит поставленные задачи с инструментами их решения; формулирует основные подходы построения и применения агентных ИИ-моделей в биологии, медицине и фармацевтике.