Venez participer au workshop de la Graduate School Translational Bioinformatics sur la théorie de l’apprentissage automatique et ses applications à la résolution de problèmes en sciences médicales et biologiques. Ce workshop comprendra à la fois des sessions théoriques et pratiques avec de multiples exemples.
L’objectif
Les participantes et participants travailleront avec différents types de données biomédicales et apprendront à choisir la meilleure architecture de modèle, adaptée à chaque tâche. L’objectif principal des sessions sera de leur démontrer la puissance de ces méthodes et leur champ d’application, mais aussi de prendre conscience de leurs limites. Une attention particulière sera accordée à la gestion des bonnes pratiques et à leur utilisation dans des conditions appropriées.
La cible
Doctorantes et doctorants (ou post-doc), étudiantes et étudiants inscrits en Master, intéressés par une formation en Machine Learning et/ou Deep Learning, appliquée aux données biologiques ou biomédicales. Ce workshop accueille également les étudiantes et étudiants en médecine, en biologie ou d’autres formations, avec pour critère : des connaissances de base d’un langage de programmation comme R ou Python.
Les intervenants d’Université Paris Cité
- Farah ELLOUZE, laboratoire de Bioinformatique Clinique, IHU Institut Imagine
- Tatiana GALOCHKINA, équipe DSIMB, UMR-1134, MCU
- Nicolas GARCELON, plateforme de science des données et laboratoire de bio-informatique clinique, IHU Institut Imagine
- Jean-Christophe GELLY, équipe DSIMB, UMR-1134, MCU
- Frédéric GUYON, équipe DSIMB, UMR-1134, IR
- Romain NICOLLE, laboratoire de Bioinformatique Clinique, IHU Institut Imagine
- Marc VINCENT, plateforme de science des données et laboratoire de bio-informatique clinique, IHU Institut Imagine
Thèmes abordés
- Introduction à l’apprentissage automatique et aux principaux concepts de l’apprentissage supervisé : fonction de perte, optimisation du modèle, évaluation du modèle, sous-adaptation et sur adaptation. Introduction à l’apprentissage profond (DL) et ses applications.
- Réseaux de convolution et leur application au traitement d’images. Travaux pratiques sur des images médicales.
- Architectures de réseaux avancées et modèles de traitement du langage : des réseaux récurrents aux transformateurs. Enchâssement de séquences de protéines.
- Sujets avancés de l’apprentissage profond : réseaux neuronaux graphiques, apprentissage fédéré, traitement du langage naturel (NLP).
L’inscription est gratuite mais obligatoire (20 places disponibles)
Cet évènement est organisé par Catherine Etchebest (équipe DSIMB, UMR-1134) et Antonio RAUSELL (Laboratoire de Bio-informatique Clinique, IHU Institut Imagine).
À lire aussi
Appel à candidatures 2024 Université Paris Cité et King’s College London
L’Université Paris Cité et le King’s College de Londres lancent un appel à projets de recherche conjoints pour promouvoir et renforcer les collaborations entre leurs chercheurs et chercheuses. Thématiques de recherche Le présent appel est ouvert à toutes les...
lire plusLa consommation de certains additifs alimentaires émulsifiants serait associée à un risque accru de diabète de type 2
Les émulsifiants sont parmi les additifs les plus fréquemment utilisés par l’industrie agroalimentaire. Leur usage vise à améliorer la texture des produits tout en prolongeant leur durée de conservation. Des chercheurs et des chercheuses de l’Inserm,...
lire plusTheileria annulata et Cancer : une stratégie du parasite dévoilée !
L’équipe de recherche du Pr Jonathan Weitzman a mis en lumière le mécanisme par lequel le parasite Theileria annulata, responsable de maladies semblables aux cancers chez les bovins, échappe au mécanisme de défense de la cellule hôte.
lire plusUniversité Paris Cité félicite le professeur Anton Zorich pour l’obtention de son ERC Advanced Grant
ERC Advanced Grant 2023 : le professeur Anton Zorich, mathématicien à l’université Paris Cité compte parmi les 37 lauréates et lauréats français.
lire plus