Видео

Исаев С.В. - Анализ транскриптомных данных - Лекция 5. Функциональный анализ

Бобровский Д.М. - Анализ транскриптомных данных - Семинар 4. Работа с пакетами DESeq2 и edgeR

Исаев С.В. - Анализ транскриптомных данных - Лекция 4. Дифференциальная экспрессия

Исаев С.В. - Анализ транскриптомных данных - Семинар 3. Максимально правдоподобные распределения

Исаев С.В. - Анализ транскриптомных данных - Лекция 3. Распределения в омиках. Методы нормализации

Исаев С.В. - Анализ транскриптомных данных - Семинар 2. ЕМ-алгоритм и kallisto

Исаев С.В. - Анализ транскриптомных данных - Лекция 2. Выравнивания и псевдовыравнивания

Исаев С.В. - Анализ транскриптомных данных - Семинар 1. Базовая работа с прочтениями

Исаев С.В. - Анализ транскриптомных данных - Лекция 1. Подготовка библиотеки

Доленко С.А, Ефиторов А.О. - Машинное обучение в физике - 13. Генеративные состязательные сети

Доленко С.А. - Машинное обучение в физике - 12. Рекуррентные нейронные сети

Доленко С.А. - Машинное обучение в физике - 11. Некоторые технологии работы с глубокими сетями

Доленко С.А. - Машинное обучение в физике - 10. Глубокие и свёрточные нейронные сети

Широкий В.Р. - Машинное обучение в физике - 9. Обработка данных спектров

Доленко С.А. - Машинное обучение в физике - 8. Многослойные персептроны

Исаев И.В. - Машинное обучение в физике - 7. Базовые методы машинного обучения

Широкий В.Р. - Машинное обучение в физике - 6. Практические основы предобработки данных (практикум)

Доленко С.А. - Машинное обучение в физике - 5. Анализ главных компонент и методы на его основе

Исаев И.В. - Машинное обучение в физике - 4. Отбор и преобразование входных признаков

Исаев И.В. - Машинное обучение в физике - 3. Подготовка данных и анализ результатов

Исаев И.В. - Машинное обучение в физике - 2. Основные понятия языка Python и приёмы работы с ним