El martes 15 de marzo comienza un seminario de investigación/estudio de métodos aprendizaje automático estadístico con aplicación a la predicción genómica que pretendemos que lleve cerca de un semestre. Tendrá una carga de unos 4 créditos incluyendo la evaluación y estamos en proceso de aprobar en FIng (grado y posgrado).
Se cubrirán temas como procesamiento de datos genómicos, regresión lineal genómica bayesiana, modelos de predicción bayesianos y clásicos, Reproducing Kernel Hilbert Space, Support Vector Machines, Support Vector Regression, Random Forest, y regresión funcional. Si bien hay temas que son cubiertos en otros cursos, su aplicación a los datos genómicos es el principal objetivo del seminario.
Los temas seguirán el contenido y estructura del libro de referencia «Multivariate Statistical Machine Learning Methods for Genomic Prediction» [1] que puede descargarse sin costo [2]. Las charlas serán cubiertas entre expertos de las áreas involucradas y los participantes del seminario.
Los seminarios serán los martes a las 16.00 por Zoom, comenzando el martes 15 de marzo con una introducción de José Crossa (autor del libro).
El martes 22 de marzo será una charla de aplicación de Francisco Peñagaricano. El resto de los temas serán divididos entre los docentes y los participantes.
Sala zoom: https://salavirtual-udelar.zoom.us/j/81798534465?pwd=ZG9tb1NYWld2Y3dZcmlLOTZ4R0hqdz09
Meeting ID: 817 9853 4465
Passcode: predgen.22
Las charlas quedarán grabadas.
1. Montesinos, O. A., Montesinos, A., & Crossa, J. (2022). Multivariate Statistical Machine Learning Methods for Genomic Prediction. Springer Nature.
2. URL: https://link.springer.com/content/pdf/10.1007%2F978-3-030-89010-0.pdf Last visited 2022-03-14.