309283_zh-TW

liliconcom

精密醫學的機器學習和生物標誌物子組分析

 

了解如何：

• 了解機器學習的基礎
  • 比較使用大量人口數據樣本進行的統計建模與數據機制未知的算法建模（機器學習）之間的差異
• 了解4種型號
  • 使用不同算法的模型（回歸，基於樹的模型，神經網絡）
  • 使用不同參數設置的模型（網格搜索，隨機搜索，遺傳算法）
  • 使用不同特徵（特徵選擇，特徵提取，特徵工程）的模型
  • 部署訓練集的模型（裝袋，加強，5倍交叉驗證）
• 了解亞組分析的使用和亞組鑑定（為給定藥物找到正確的患者）和最佳治療方案（給定患者的最佳藥物）
• 使用JMP基因組學
  • 根據入院時收集的數據預測敗血症導致的死亡
  • 識別歸因於FAP的化學預防療法治療的正常組織與息肉組織的差異分子表達特徵
  • 使用亞組分析來發現具有臨床表現的代謝物或生物標誌物

• 資源資源

  • 集成的臨床代謝模型改善了敗血症死亡的預測案例分析
  • 有關JMP成功案例描述將JMP基因組學用於所有分析的絕大部分

 

 

 

31+分鐘高級基因組學掌握JMP視頻