Machine learning pour la sélection de souches
Appliquer des modèles prédictifs aux données phénotypiques et génomiques pour prioriser des souches fongiques selon le rendement, la qualité ou la performance en bioprocédé.
Un aperçu de ce que vous allez étudier et réaliser.
Machine learning pour la sélection de souches aborde le choix des meilleures souches fongiques comme un problème de prédiction. Vous apprenez à collecter des données phénotypiques à grande échelle, des vitesses de croissance aux caractères de rendement et de qualité, et à appliquer des modèles supervisés de régression et de classification. La prédiction génomique et la sélection assistée par marqueurs montrent comment les données ADN peuvent compléter les phénotypes, tandis que des modules dédiés traitent des petits jeux de données, des risques de surapprentissage et de la validation, ainsi que de l'apprentissage actif pour décider quelles souches tester ensuite.
Les souchothèques et les programmes de sélection détiennent souvent bien plus de candidates qu'ils ne peuvent en tester : une priorisation plus intelligente fait gagner temps, espace et argent. Le machine learning peut y contribuer, mais seulement si les données sont bien structurées et les modèles validés honnêtement. Ce cours s'adresse aux sélectionneurs, conservateurs de souchothèques et scientifiques en biotechnologie disposant de bases en analyse de données. Pour le projet final, vous construisez et validez un modèle sur des données de souches fournies ou personnelles et proposez une liste de criblage priorisée avec une incertitude clairement indiquée.
6 modules, un savoir qui grandit pas à pas.
Survolez ou touchez un module pour suivre le parcours, de la première séance au projet final. Ouvrez un module pour voir les thèmes abordés.
- Objectifs d'amélioration et de sélection
- Formuler la sélection comme une prédiction
- Choisir les caractères cibles
- Tests de croissance à haut débit
- Phénotypage par l'image
- Structurer les bases de données de souches
- Régression linéaire et régularisée
- Forêts aléatoires et gradient boosting
- Classification des catégories de souches
- Génotyper les souches
- Modèles de prédiction génomique
- Sélection assistée par marqueurs chez les champignons
- Stratégies de validation croisée
- Surapprentissage avec peu de souches
- Rendre compte de l'incertitude des modèles
- Exploration ou exploitation
- Sélection fondée sur l'incertitude
- Planifier des cycles de criblage itératifs
Machine learning pour la sélection de souches
À l’issue de la formation, vous saurez :
- Formuler les objectifs de sélection de souches comme des tâches de prédiction supervisée.
- Organiser les données phénotypiques et génotypiques des souches pour la modélisation.
- Entraîner des modèles de régression et de classification avec scikit-learn ou R.
- Valider rigoureusement des modèles sur de petits jeux de données pour éviter le surapprentissage.
- Utiliser l'apprentissage actif pour prioriser les souches de la prochaine série de criblage.
La place de cette formation dans l’école.
Où cette formation peut vous mener.
Des métiers et des applications qui s’appuient sur ce que vous apprenez ici. Les débouchés dépendent de votre expérience et du marché local.
- Data scientist dans un programme de sélection fongique
- Conservateur de souchothèque utilisant des outils prédictifs
- Scientifique en biotechnologie dans le développement de souches
- Analyste R&D chez un producteur de blanc de champignon
- Biologiste computationnel en mycologie industrielle
Prérequis, évaluation et certificat.
Conditions d’admission
Des bases de programmation en Python ou R et une initiation aux statistiques sont attendues ; aucune expérience préalable en machine learning n'est requise.
Modalités d’évaluation
La progression est évaluée à travers la participation aux sessions en direct, des exercices de modélisation dans chaque module et un projet final évalué par le professeur.
Projet final
Un modèle prédictif validé des performances des souches, avec une liste de criblage priorisée et des estimations d'incertitude.
Certificat
Certificat de cours
À l’issue de la formation et de son projet, Fungaris délivre un Certificat de cours. La reconnaissance des formations est évaluée en fonction du parcours suivi et de la réglementation locale de chaque pays.
Comment la formation progresse, phase par phase.
- La sélection de souches comme problème de prédiction
- Phénotypage et collecte de données à grande échelle
- Apprentissage supervisé : régression et classification
- Prédiction génomique et sélection assistée par marqueurs
- Petits jeux de données, surapprentissage et validation
- Apprentissage actif pour les campagnes de criblage
Recherches associées
Questions sur cette formation
Faut-il de l’expérience pour suivre la formation « Machine learning pour la sélection de souches » ?
Des bases de programmation en Python ou R et une initiation aux statistiques sont attendues ; aucune expérience préalable en machine learning n'est requise.
Comment se déroule la formation « Machine learning pour la sélection de souches » ?
En direct en ligne, en 6 modules, avec un professionnel en activité, un petit groupe et un projet final.
Comment suis-je évalué ?
La progression est évaluée à travers la participation aux sessions en direct, des exercices de modélisation dans chaque module et un projet final évalué par le professeur.
En quoi consiste le projet final ?
Un modèle prédictif validé des performances des souches, avec une liste de criblage priorisée et des estimations d'incertitude.
Quel certificat vais-je obtenir ?
À l’issue de la formation et de son projet, Fungaris délivre un Certificat de cours. La reconnaissance des formations est évaluée en fonction du parcours suivi et de la réglementation locale de chaque pays.
Que puis-je étudier après la formation « Machine learning pour la sélection de souches » ?
L’étape suivante naturelle est la formation « Certificat en bioinformatique fongique ».
Continuez à vous ramifier.
Rejoignez la prochaine promotion.
Payez en une fois avec une réduction de 20%, ou réservez votre place avec 40% et réglez le solde en mensualités. Tous les prix sont indiqués en euros (EUR).