私はRで統計解析をしていますが、Juliaというプログラミング言語で科学技術計算する人もどんどん増えているようです。そんな人むけの統計の本がでています。 Statistics with Julia:Fundamentals for Data Science, Machine Learning and Artificial Intelligence A book by Yoni Nazarathy and Hayden Klok （Springer 2021) 大学などでSpringer Linkを契約しているところに所属している人なら（九州大学は契約しています）ダウンロードして読むことができるので、可能な人は試し読みしてみてください。写真は次のSpringer Natureのサイトからコピーしたこの本の表紙です。 https://link.springer.com/book/10.1007/978-3-030-70901-3
別途、この本の付属サイトもあって、コードや正誤表、ビデオなどのリンクがそろっています。 https://statisticswithjulia.org/ このサイトの中には、Juliaのチュートリアルビデオがいろいろ紹介されていて役立ちます。
Modeling and design of cell type specific enhancers using single-cell multi-omics and deep learning Stein Aerts, Professor at University of Leuven; VIB Scientific Director & Group Leader https://www.youtube.com/live/G5-XXC4nACo?si=aUA0Ut7mzRTVzYGa
Single-cell transcriptomics and single-cell epigenomics allow building cell atlases of any tissue and species, providing new opportunities to predict gene regulatory networks that control the identity of cell types and cell states. I will present new computational strategies that take advantage of the joint analysis of scRNA-seq and scATAC-seq data, and that derive “enhancer-GRNs” (eGRN) with key transcription factors, genomic enhancers, and predicted target genes per cell type. In parallel, we use deep learning on the scATAC-seq topics to prioritize enhancers and decipher their regulatory grammar. I will discuss the results of several case studies where we applied these computational strategies, including the Drosophila brain and the mouse liver, and I will illustrate how evolutionary comparisons contribute to learning the gene regulatory code in the vertebrate brain. Finally, I will discuss how enhancer models based on deep learning can be exploited to design synthetic enhancers for Drosophila and human cell types.
英語の深層学習の教科書とそれを使ったコースが無料公開されています。FastAIの創業者であるJeremy Howardさんの講義と教科書です。 教科書は Deep Learning for Coders with Fastai and PyTorch: AI Applications Without a PhD https://course.fast.ai/Resources/book.html
この本はオンラインで全部無料で読めます。Google Colabで動くJupyter notebookの型式で公開されているのでコードを実行しながら読むことができます。Jupyter notebookの本を読むだけならこちらから読めるので試し読みしてみるとよいでしょう。https://course.fast.ai/Resources/book.html#nbviewer 予備知識としてPythonのコーディング経験は必要ですが、数学は高校数学でOKということです。Pythonを学びがてらに深層学習を手を動かして勉強するのによいコースみたいです。でもちょっとみたところ、Pythonを一年くらい動かした人向けのようですね。初学者にはきつそうです。この教科書の日本語訳もでています。 PyTorchとfastaiではじめるディープラーニング ―エンジニアのためのAIアプリケーション開発 単行本（ソフトカバー） – 2021/5/27 Jeremy Howard (著), Sylvain Gugger (著), 中田 秀基 (翻訳)
この本をもとにした講義ビデオも上のリンクから見ることができます。講義ですので、上のコースのリンクをたどりながら学ぶのがよさそうです。これなら教科書単独で学ぼうとするよりはずっと効率がよさそうです。また上のリンクhttps://course.fast.ai/を読むと、大変初学者にやさしく手ほどきしていくようなので、このリンクを使って教科書は補助的に学んでいくのがよいと思いました。講義ビデオを一つ貼り付けておきます。 Lesson 1: Practical Deep Learning for Coders 2022 https://youtu.be/8SF_h3xF3cE?si=nXkAuPii6XEn37q3
— MRC Laboratory of Molecular Biology (@MRC_LMB) January 29, 2024
今日もMRC LMBのウエビナーをZoomで視聴しましたが、MRC LMBのセミナーでZoom webinarで行われたものが、YouTubeのMRC LMBチャンネルにアップロードされないことも多いので、こちらでセミナー予定を確認して興味があるものはZoomで視聴しておくことをお薦めします。 https://www2.mrc-lmb.cam.ac.uk/news-and-events/scientific-seminars/ （明日のPublic lectureの予定もでています。LMB Seminar for non-scientists – The Chemical Origins of Life on Earth – What Are Those Chemists Doing on the 2nd Floor?というタイトルです。プラスマークのFurther informationと書かれたところをクリックするとZoom webinarのアクセスアドレスがわかります。表示されているurlをクリックすると、Zoomが起動し、urlにZoom IDとパスワードが入っているので、それらは自動入力され、そのあと 名前とメールアドレスをいれたるとWebinarにアクセスできます。注意点としては、時間の前までにZoomをインストールしておいて最新版にしておくことです。（すでにZoomをインストールしているという人は、Zoomのアップデートがあるかもしれないので講演開始前に時間に余裕をもって、Zoomを一度起動してみておくことをおすすめします。開始数分前にurlにアクセスするとZoomが起動し、アップデートが始まって時間がかかってしまい、講演の開始部分を見逃すといったエラーが防げます）。
私はRで統計解析をしていますが、Juliaというプログラミング言語で科学技術計算する人もどんどん増えているようです。そんな人むけの統計の本がでています。