Назад, к природе
Интересно, что общего у нейросетей и живых нейронов? Может ли компьютерный томограф самообучаться? Возможно ли возвращение к прежним методам исследований человека, генов, живой природы, микромира? Это старику Менделю достаточно было простейших математических действий, чтобы вывести законы наследования. Современные массивы данных, собираемых для обработки в генетике, медицине, биологии и продуцируемых в процессе исследования трудно себе вообразить. Их анализ возможен только с использованием компьютеров, сложных интеллектуальных систем и алгоритмов. Уже возникли такие направления (или самостоятельные науки?) как биоинформатика, хемоинформатика, количественная генетика и т.п.
Глубокое обучение (deep learning) позволяет не привязываться к конкретным алгоритмам, используя обучение представлениям. Пособие «Глубокое обучение в биологии и медицине» представляет архитектуры глубоких сетей и приложение различных моделей к конкретным задачам. Авторы - Бхарат Рамсундар, Питер Истман, Патрик Уолтерс, Виджай Панде - рассказывают не только об IT-технологиях ведения баз данных и историй болезни, диагностики или прогнозирования, но и о перспективах новых направлений исследований для конкретного человека. Книга заинтересует разработчиков и ученых, работающих в фармакологии, биологии и генетике.
Пособие вышло в издательстве «ДМК Пресс». Между прочим, оригинальное издание имеет название «Deep Learning for the Life Sciences» - «Глубокое обучение для наук о жизни».