Notice
Modélisation des séquences régulatrices par apprentissage automatique
- document 1 document 2 document 3
- niveau 1 niveau 2 niveau 3
Descriptif
Intervention de Laurent Bréhélin lors de la journée thématique "Apprentissage automatique sur données omiques" organisée le 6 octobre 2022 par le groupe de travail "Statistique & Génomique" du RIS
Utilisation de l'apprentissage automatique pour modéliser les régions de régulation de l'expression des gènes dans les cellules eucaryotes
Thème
Sur le même thème
-
Impact des techniques neuronales pour la microscopie computationnelle
DorizziBernadetteGottesmanYaneckCet exposé s'attachera à décrire l'intérêt des techniques de réseaux de neurones pour la microscopie computationnelle…
-
Angela Dai – 3D in a Large-Data World
DaiAngelaRecent advances in machine learning have shown remarkable progress in the 2D and video domain, fueled by very large-scale data and compute. 3D, however, which is critical for applications spanning
-
Accidents du travail dans l’UE-15 et méthodes d’apprentissage automatique-PUDD
MboméMarieCette présentation met en avant l'apport des outils modernes de traitement des données dans le domaine des sciences humaines et sociales, en combinant statistiques avancées et intelligence
-
Unsupervised learning approaches for patient stratification from electronic health records
José-GarciaAdanPrésentation de deux méthodes d'apprentissage non supervisé : multi-view data clustering et biclustering
-
Réseaux de neurones appliqués aux données d'expression pour la prédiction de phénotype
HanczarBlaiseApplication de réseaux de neurones sur des données d'expression pour prédire des phénotypes
-
Réutilisations des données et bonnes pratiques par les algorithmes d'IA (REX de l'AI act et d'ANIT…
RisserLaurentLaurent RISSER est un ingénieur de recherche à l'IMT (Institut de Mathématique de Toulouse et au 3IA ANITI.
