Летняя школа по ML в биоинформатике — 2023 (original) (raw)

В старых версиях браузеров сайт может отображаться некорректно. Для оптимальной работы с сайтом рекомендуем воспользоваться современным браузером.

Факультет компьютерных наук в четвертый раз проводит летнюю школу по ML в биоинформатике.

Современная биология ежегодно накапливает огромные массивы данных, для обработки которых необходимо грамотное владение компьютерными методами и специальными алгоритмами. Постоянно возрастает спрос на высококвалифицированных специалистов в области вычислительной биологии и биоинформатики, способных применять математический аппарат для решения биологических проблем.

Школа пройдет по адресу Покровский бульвар, 11. Участие бесплатное для всех желающих, нужно только зарегистрироваться. Заявки принимаются до 24 августа.

структурная биоинформатика
биоинформатика ДНК, РНК и белков
элементарная геномика
современные методы анализа данных
молекулярная биология
система предсказаний ФЭГ

Спикеры

Дмитрий Пензар

факультет биоинженерии и биоинформатики МГУ

Александр Ракитько

Genotek

Дмитрий Умеренков

Sber Artificial Intelligence Laboratory

Алексей Шмелев

AIRI, Международная лаборатория статистической и вычислительной геномики НИУ ВШЭ

Владимир Щур

Московский институт электроники и математики им. А.Н. Тихонова НИУ ВШЭ

Программа школы

11:00-14:15 — Дмитрий Умеренков, Ольга Кардымон

Языковые модели для изучения свойств белков

14:15-15:15 — Перерыв

15:15-18:30 — Дмитрий Пензар

Машинное обучение для предсказания активности регуляторных районов генов

11:00-12:30 — Владимир Щур

Генетика и история популяций

12:45-14:15 — Всеволод Макеев

Bayessian inference and analysis of high-throughput sequencing data

14:15-15:15 — Перерыв

15:15-18:30 — Александр Ракитько

Генетический паспорт

11:00-14:15 — Вениамин Фишман, Юрий Куратов, Алексей Шмелев

Трансформер GENA для решения задач геномики

14:15-15:15 — Перерыв

15:15-18:30 — Дмитрий Иванков

АльфаФолд: революция в структурной биоинформатике и её последствия для предсказания изменения стабильности белка вследствие мутаций методами машинного обучения