境外开放课程——按学科专业列表
开放课程→自然科学→信息科学与系统科学::

226
Introduction to kernel methods[内核方法简介]
  Alexander J. Smola(澳大利亚国立大学) Smola先生的讲座与Bernhard Schoelkopf先生合并，并将完成整个讲座的第1部分，第5部分。这个讲座的第2,3和4部分可以在这里找到[[mlss07_scholkopf_intkmet | //...
热度：62

227
Introduction to bioinformatics[生物信息学概论]
  Gunnar Rätsch(马克斯普朗克研究所) 我将首先对生物信息学进行一般性介绍，包括基础生物学，典型数据类型（序列，结构，表达数据和网络）和已建立的分析任务。在第二部分中，我将讨论使用支持向量机...
热度：15

228
Online Learning and Bregman Divergences[在线学习与布雷格曼分歧]
  Manfred K. Warmuth(加州大学圣克鲁兹分校) L 1：在线学习简介（预测与最佳专家一样好，预测与专家的最佳线性组合，添加剂与乘法更新系列一样好）\\ L 2：Bregman分歧和损失界限（Bregman分歧介绍，线性情...
热度：65

229
Efficient, data-based network inference using a linear programming approach[使用线性编程方法进行高效，基于数据的网络推理]
  Bettina Knapp(德累斯顿工业大学) **动机：**近年来，技术发展促进了生物学高通量数据的便利测量。这导致基因评级数据的定性和定量改进，并且提供了更详细地理解复杂生物系统的潜力。例如使用RNA...
热度：57

230
Inference in hierarchical transcriptional network motifs[分层转录网络图案的推论]
  Andrea Ocone(爱丁堡大学) 我们提出了一种新的推理方法，用于在诸如前馈循环的分层网络模型中反转引擎转录因子（TF）的动态。我们提出的方法基于系统的连续时间表示，其中高级主控TF被表示...
热度：47

231
Inferring regulatory networks from expression data using tree-based methods[使用基于树的方法从表达数据中推断出监管网络]
  Van Anh Huynh-Thu(列日大学) 计算系统生物学的一个紧迫的开放问题是使用高通量基因组数据，特别是微阵列基因表达数据，对遗传调控网络（GRN）的拓扑结构进行了研究。反向工程评估和方法对话...
热度：45

232
On the stability and interpretability of prognosis signatures in breast cancer[乳腺癌预后信号的稳定性和可解释性]
  Anne-Claire Haury(居里研究所) 在这项工作中，我们希望回答以下问题：（1）我们可以信任多少基因列表和预测签名中发现的生物功能;（2）在这方面，共同特征选择方法如何相互比较？我们提出了一...
热度：49

233
On learning gene regulatory networks with only positive examples[关于学习基因调控网络的积极例子]
  Luigi Cerulo(桑尼奥大学) 当二元分类器的训练集由已知为正的示例组成，以及标签类别未知的示例时，仅使用正例学习。这种情况大大影响了学习基因调控网络的任务，因为生物学家不知道两个基...
热度：80

234
Machine Learning Methods For Protein Analyses[蛋白质分析的机器学习方法]
  William Stafford Noble(华盛顿大学) 计算生物学家和生物学家更普遍地花费大量时间试图更全面地表征蛋白质。在本次演讲中，我将描述我们最近使用机器学习方法来更好地理解蛋白质的几项努力。首先，我...
热度：96

235
Metadata For Systems Biology[系统生物学元数据]
  Nick Juty(欧洲生物信息学研究所) 现代计算和理论工具可以轻松应用于建模，这导致生物学中计算模型的大小和复杂性呈指数增长。与此同时，加速的进展速度也凸显了当前建模方法的局限性。其中一个局...
热度：39

236
Synthetic Biology Achievements And Future Prospects[合成生物学成就和未来展望]
  Roman Jerala(斯洛文尼亚国立化学研究所) 由于最近的技术进步，合成生物学结合了生物系统中的工程方法，这使我们能够以前所未有的规模操纵遗传信息。目前合成生物学正在利用其潜力和优势，但也存在瓶颈。...
热度：92

237
Networking Genes And Drugs: Understanding Gene Function And Drug Mode Of Action From Large-Scale Experimental Data[网络基因和药物：从大规模实验数据中了解基因功能和药物作用模式]
  Diego di Bernardo(Telethon遗传医学研究所) 细胞可以被描述为彼此相互作用的生物实体（mRNA，蛋白质，ncRNA，代谢物等）的协同集合，其集体行为导致观察到的表型。正在进行一项伟大的研究工作，以确定和绘...
热度：70

238
Introduction and overwiew of the Machine Learning Open Source Software workshop[机器学习软件研讨会的介绍和概述]
  Sören Sonnenburg(柏林工业大学) 我们相信，开源软件政策的广泛采用将为机器学习领域带来巨大的影响力。本次研讨会的目的是进一步支持该领域目前的发展并为其提供新的动力。继NIPS 2006年首届NIP...
热度：72

239
Machine Learning Py (mlpy)[机器学习]
  Davide Albanese(布鲁诺凯斯勒基金会) 我们介绍mlpy，一个用于预测建模的高性能Python包。它广泛使用NumPy来提供快速的N维数组操作和C代码的轻松集成。 Mlpy提供高级程序，只需很少的代码，就可以设计...
热度：91

240
Multi-modal Authoring Tool for Populating a Database of Emotional Reactive Animations[用于填充情绪反应动画数据库的多模式创作工具]
  Alejandra Rojas García(瑞士联邦理工学院) 我们的目标是创建情绪反应虚拟人的模型。将使用大量预先录制的动画来获得此类模型。我们已经定义了一个基于知识的系统来存储反射运动的动画，同时考虑到个性和情...
热度：60