Магистратура «Применение машинного обучения в биологии»
Для кого:
для выпускников, получивших образование в области биологии, биотехнологии, химии, математики, информатики, биоинформатики.
Специальность, присваиваемая выпускнику:
06.04.01 Биология
(магистратура)
Вступительное испытание
письменный экзамен “Биоинженерия и биоинформатика”
Форма обучения:
очная
Длительность курса:
4 семестра
с оплатой
по договору — 10
которые оплачивает фонд “Интеллект” — 20
- Для поступления необходим диплом о высшем образовании (бакалавриат/специалитет);
- Поступление по льготам не предусмотрено;
- Граждане Казахстана, Беларуси и Кыргызстана могут поступать на равных условиях с гражданами России;
- Конкурс портфолио не предусмотрен. Поступление только по результатам вступительного испытания и среднего балла диплома бакалавриата/специалитета.
Подпишитесь на рассылку по email о новостях магистратуры.
Проводится:
Партнер:
Партнер:
Партнер:
Партнер:
Открытия в области наук о жизни сегодня основаны на анализе больших объемов новых данных.
Специалисты в области машинного обучения в биологии проектируют архитектуры для анализа таких данных, пишут программный код, исследуют и моделируют сложные взаимосвязи между биологическими объектами.
Результаты успешно используются при поиске новых лекарств, диагностике рака и наследственных заболеваний, а также в фундаментальной науке.
Компетенции, которые приобретут выпускники магистерской программы:
Знания в биологии и их применение:
- Хорошие базовые знания молекулярной и общей биологии, биохимии, генетики, микробиологии, позволяющие уверенно ориентироваться в этих областях современной науки.
- Умение применять полученные знания в области биологии для критического анализа статей и постановки задач собственного эксперимента.
Применение математического и программного аппарата:
- Хорошее понимание математического аппарата: как работают функции, знание того, как осуществляются операции на матрицах для векторизации вычислений.
- Навыки применения теории вероятностей и статистического аппарата для качественных и количественных оценок биологических данных и моделей, умение грамотно интерпретировать полученные результаты.
- Уверенное программирование на языках Python, R, работа в Linux, и способность писать собственные программные модули для анализа биологических и медицинских данных.
- Знания в области структурной биоинформатики, моделирования и анализа трехмерных структур биомолекул, навыки применения этих знаний для поиска и разработки лекарств, дизайна биомолекул с заданными свойствами, а также для фундаментальных исследований.
- Умение адекватно применять методы классического машинного обучения и грамотно, с точки зрения биологии, интерпретировать полученные результаты.
- Умение ориентироваться в спектре нейросетевых моделей, в том числе глубокого обучения: уметь формулировать ключевые задачи машинного обучения, выбирать подходящие метрики, собирать архитектуру нейронной сети.
- Навыки верификации моделей биологических данных и критически анализировать модели, описанные в литературе.
- Знания тонкостей анализа различных данных NGS и умение провести анализ от начала до конца.
- Базовые навыки обработки и анализа биологических изображений.
- Знания в области иммуноинформатики и исследования опухолей.
Работа в команде и научные исследования:
- Умение работать в команде с другими специалистами, распределять нагрузку и делегировать задачи.
- Умение самостоятельно составить план исследования: сформулировать цели и задачи, определить методы, и затем публично представить результаты работы.
- Владение английским языком для написания статей и представления своей работы.