機器學習與數據算法在生物數據分析中的應用
Algorithmic Foundation of Computational Biology
課題背景
1866年，揭示了遺傳的基本規律，這是最早運用數理統計於生物實驗的一個成功的範例。1889年，在《自然的遺傳》一書中，通過對人體身高的方法又獲得了新的生命力，應用更為廣泛，並在現代科研究指出,子代的身高不僅與親代的身高相關,而且有向平均值“迴歸”的趨勢，由此提出了“迴歸”和“相關”的概念和算法，從而奠定了生物統計的基礎。
20世紀20年代以來，各種數理統計方法陸續創立，它們在實驗室、田間、飼養和臨床實驗中得到廣泛應用並日益擴大到整個工業界。70年代，隨著計算機的普及，使本來由於計算量過大而不得不放棄的統計技中佔有十分重要的地位。
課題內容
本課題主要目的將提供對分子生物學進行計算機運算的應用研究分析，將會涉及到四個主要分析模型和相關學習方法。同時將對其所涉及到的基礎部分進行討論，並提出詳細的生物理論問題和計算機科學以及統計結果所會對其產生的影響，建立建模算法，從而解決所涉及到的問題。
適合人群
▪ 對分子生物學、神經網絡、機器學習、算法研究專業感興趣的高中生、本科生
▪ 修讀分子生物學、計算機、機器學習、算法研究、人工智能專業，以及未來希望在生物學、計算機、算法研究等領域從業的學生
▪ 具備一定的生物學和算法背景知識的學生優先
教授介紹
Sorin Istrail
布朗大學計算機科學終身教授
(1)布朗大學首席榮譽教授
(2)布朗大學計算機學院副主席（主管科研）
(3)由於在人類基因組計劃中的計算機方面的突出貢獻， 曾連續三年獲得美國最高科學獎項之一國家科學基金會二等獎
(4)在2000年破解著名的三維伊辛模型問題， 獲布朗大學終身稱號，並以istrail命名美國國家級生物計算實驗室
(5)前任Sandia美國國家實驗室生物研究系統主任
課程安排與收穫
▪ 8周在線小組科研
▪ 網申推薦信
▪ 學術評估報告
▪ 項目成績單
▪ 論文成果
瞭解更多CIS科研項目
成為更好的自己
添加科研小助手（cis-research01）
