Überbrücken Sie die Lücke zwischen modernem maschinellem Lernen und der realen Biologie mit diesem praxisorientierten, projektbasierten Leitfaden. Egal, ob Ihr Hintergrund in Biologie, Softwareentwicklung oder Datenwissenschaft liegt, Deep Learning für Biologie gibt Ihnen die Werkzeuge, um Deep-Learning-Modelle zur Bewältigung einer Vielzahl biologischer Probleme zu entwickeln.

Die Autoren Charles Ravarani und Natasha Latysheva führen Sie durch praktische Projekte, bei denen Deep Learning auf Bereiche wie DNA, Proteine, biologische Netzwerke, medizinische Bilder und Mikroskopie angewendet wird. Jedes Kapitel ist ein eigenständiges Mini-Projekt mit Schritt-für-Schritt-Erklärungen, die Ihnen zeigen, wie man Deep-Learning-Modelle mit echten biologischen Daten trainiert und interpretiert.

Erstellen Sie Modelle für reale biologische Fragestellungen wie Genregulation, Proteinfunktionsvorhersage, Wirkstoffinteraktionen und Krebsdiagnose. Wenden Sie Architekturen wie konvolutionale neuronale Netzwerke, Transformer, Graph-Neuronale Netzwerke und Autoencoder an. Nutzen Sie Python und interaktive Notizbücher für praktisches Lernen und entwickeln Sie Problemlösungsfähigkeiten, die über die Biologie hinausgehen.

Egal, ob Sie neue Methoden erforschen, in die computergestützte Biologie wechseln oder versuchen, maschinelles Lernen in Ihrem Fachgebiet zu verstehen – dieses Buch bietet einen klaren und zugänglichen Weg nach vorne.

Seiten: 300