ML \(\cup\) Omics

#

生物组学数据获取与分析

#

测量

#

Measurement || Observation

1. 基于现有技术，能获取哪些生物信息？
2. 观测的尺度：分子——细胞——组织——器官——个体——种群？时间、空间？分辨率？
3. 背景信息：生长环境、测量技术差异、批次效应……
4. 什么是测序，组学数据的获取只能通过测序手段吗？
5. 主流的商用组学测量技术？测得数据分别蕴含了哪些多层次多角度的生物学意义？它们在计算机上如何表示与存储，有哪些文件类型？

搜索与下载

#

• 略。

分析

#

• 略。学习原始数据处理可暂缓。

机器学习

#

为什么需要机器学习？ML能解决哪些类型的问题？

可从哪些角度将ML分为哪些类型？机器学习与深度学习的关系？

机器学习效果一定比经典统计方法好吗？

深度学习一定优于经典的机器学习吗？

• 先学习基础编程知识与技能。
• scikit-learn 是Python的机器学习库。它的说明文档详实，适合理论学习与上手尝试。可以查找它的中文资料来辅助学习，建议少看视频教程，多看系统性的算法详解。

1. 数据集的保存格式有哪些？机器学习为什么要划分数据集，有哪些划分方法？
2. 机器学习按学习理论分为哪几类？
3. 如何训练模型，评估模型的表现？
4. 除了用来预测，模型的其他用途？
5. 先了解这些算法及思想：SVM, RF, GBM, k-Means, DBSCAN, PCA, UMAP, MLP, VAE.

深度学习

#

• PyTorch 是一个常用的深度学习框架。

1. 安装哪个版本？
2. 上手尝试：手写数字识别教程，MLP、CNN、Transformer 基础教程。
3. 如何进行模型训练？基本方法、损失函数 (loss)、促进拟合、防止过拟合的策略？
4. 如何评估预测效果？有哪些 loss 计算方法？

基础编程知识与技能

#

1. CPU 架构有哪些？它们的区别？
2. 为什么需要 GPU ？CUDA 是什么？
3. Linux, Windows, MacOS 的主要区别？
4. 常用的文本编码有哪些？Windows 默认的文本编码与 Linux 有区别吗？
5. 文件系统的类别与差异？
6. SSH 的使用，配置 Bash 或 Zsh 。
7. 文件路径：工作路径、相对路径、绝对路径、快捷方式、软链接、硬链接。
8. 如何设置软件源镜像 (mirror)？
9. VS Code 及插件的使用（在入门时期最好不要用大型语言模型辅助写代码）。
10. 掌握 Git，了解 GitHub、GitLab、Gitee。
11. 了解 Licenses，如何选择开源软件？
12. Markdown、Jupyter Notebook 的使用。

Conda / Mamba

#

Download Miniforge

注：Mamba 是 Conda 的高效替代品。

1. 为什么需要软件环境管理？
2. pip 与 Conda / Mamba 的区别？
3. 仅能管理 Python 吗？
4. 基础的软件环境管理、安装、激活、退出操作。

Python

#

Download

1. Python 的特点、优势。
2. 学习常用软件包：Pandas、Numpy。绘图：Matplotlib、 Seaborn。

R

#

Download

1. R 的特点、优势，R 与 Python 的区别。
2. 学习基础数据类型、基础语法，读写表格文件。
3. 常用软件包：dplyr、tidyverse 。绘图：ggplot2 。
4. RStudio 与 RStudio Server。