1,068
个编辑
更改
跳到导航
跳到搜索
第279行：
第279行： − + + + + + + + + + + + + + + + + + + + + + + + + + + + +
无编辑摘要
==编者推荐==
== 编者推荐==
===集智文章传递===
[[File:wxsync-2021-12-6c9f7cfc315528df658c52f247ceffc9.png|300px|thumb|right| ]]
[https://swarma.org/?p=31457 长文综述：给生物学家的机器学习指南]
过去几十年，生物数据集的规模与复杂性大幅增长，这使得机器学习越来越多地用于为潜在生物过程构建信息与预测模型。所有机器学习技术都在让模型与数据相匹配；然而，具体的方法多种多样，乍一看似乎令人眼花缭乱。对于不同类型的生物数据，该如何选择特定的机器学习技术？
2021年9月，发表在 Nature Reviews Molecular Cell Biology 上的综述文章“给生物学家的机器学习指南”，向读者简要介绍了一些关键的机器学习技术：既包括分类、回归、聚类模型等传统机器学习方法，也包括最近开发和广泛使用的涉及深度神经网络的技术。本文还记录了一些最佳做法与入门要点，并展望了机器学习应用于生物学的一些最令人兴奋的前景。
[https://swarma.org/?p=29700 Nat. Methods|利用深度学习进行基于生物物理学和数据驱动的分子机制建模]
本文介绍由美国马萨诸塞州波士顿哈佛医学院系统生物学系系统药理学实验室的Mohammed AlQuraishi等人发表于Nature Methods 的研究成果：研究人员报道了可微程序与分子和细胞生物学结合产生的新兴门类：“可微生物学”。
===集智课程===
[[File:3da5b64486e5902252138a9922435dcd.jpg|300px|thumb|right| ]]
[https://campus.swarma.org/course/3617 自生成结构读书会第一季]
为了能够更加深入地讨论生命的本质结构和意识等重要问题，并在不同学科间建立有效沟通的桥梁，自生成结构第一季主要围绕形成自生成结构与自复制自动机研究背景相关的基本共识展开。前期将从科学哲学、复杂科学和生物学等学科的不同角度来分别介绍，各个学科在关注生命和意识本质的主体性和生成过程性问题的学科进展和背景，建立起其讨论的基础话语体系。后半部分将进行《自复制自动机》部分内容的学习，在学习中辨析冯诺依曼建立的冯诺依曼计算机结构、自复制自动机以及元胞自动机等模型与自指、图灵机及当代神经网络之间的关系等。
[https://campus.swarma.org/course/636 规模法则如何制约生长与死亡——AI&Society 第九期]
在本课程中，我们邀请了北京师范大学教授张江、电子科技大学教授吕琳媛，为我们揭示《规模》所代表的新的世界观与新的规律。