Difundo a pedido.
abajo info y ver adjunto.
slds
-----------------------------------
Buscamos estudiantes que quieran sumarse a un proyecto de investigación sobre el desarrollo de métodos de Aprendizaje Automático, en particular, Aprendizaje Profundo y su aplicación en el área de Predicción Genómica, financiado por ANII (Fondo Sectorial de Investigación a partir de Datos).
Este proyecto lleva un año de avance con resultados relevantes al momento. Las actividades a realizar presentan múltiples desafíos, que van desde avanzar en el desarrollo y aplicación de nuevos métodos de Aprendizaje Profundo hasta lograr una mayor comprensión y manejo de los métodos, las arquitecturas ya evaluadas y su vínculo con el desempeño alcanzado. La aplicación de estos métodos será sobre datos ya evaluados así como en nuevas bases de datos.
Si sos un egresado reciente o estudiante finalizando tu grado (en matemática, ingeniería, procesamiento de señales, bioinformática, ...) o con ganas de comenzar una maestría y te interesan estos temas contactanos. Ofrecemos formar parte de un equipo de investigación donde conjugamos diferentes perfiles académicos en el área de Ciencia de Datos. No es necesario saber algo de genómica o de aprendizaje profundo, ya que parte de la idea del proyecto es formarse en estos temas.
Está prevista la contratación por un año. Abajo va un pequeño resumen sobre lo hecho hasta ahora; y detalles de presentación de lo realizado al momento (28/Junio, 10:00).
¡Contactanos!
--
María Inés Fariello (fariello@fing.edu.uy)
Federico Lecumberry (fefo@fing.edu.uy)
Defensa Remota Proyecto Fin de Carrera (IIE): «DNAI : Machine learning for genome enabled prediction of complex traits in agriculture» (G. Etchebarne, J. Elenter, I. Hounie)
El lunes 28/06 a las 10:00 será la defensa remota (por Zoom) de este grupo que ha estado trabajando en este proyecto. Detalles de la conexión en https://iie.fing.edu.uy/blog/2021/06/21/defensa-remota-proyecto-dnai-machine-learning-for-genome-enabled-prediction-of-complex-traits-in-agriculture/
Resumen: En los últimos años hemos experimentado el auge de la aplicación de técnicas de Machine Learning (ML), o métodos de Inteligencia Artificial (IA) para la resolución de problemas en diferentes dominios. En particular, la Predicción Genómica busca estimar el valor que tendrá una cierta característica de un individuo a partir de su genotipo. Este proyecto se enfoca en la predicción de caracteres de valor agropecuario mediante técnicas de Aprendizaje Automático, con énfasis en técnicas modernas de Aprendizaje Profundo. Su aplicación a este problema, todavía incipiente, se ve motivada por el aumento en la disponibilidad de datos genéticos y en la capacidad de cómputo. En este contexto, se propusieron y evaluaron varias arquitecturas de redes neuronales, entre ellas redes neuronales convolucionales (CNNs) y redes neuronales soportadas en grafos (GNNs). En algunas bases de datos, dichos modelos mostraron un desempeño superior al estado del arte, poniendo en evidencia el lugar que creemos ocupará el Aprendizaje Profundo en el área.
