VIP20
本课程属于：007-多组学数据整合管线 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

GPU加速深度学习组学模型训练

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
GPU加速与深度学习概述
GPU计算原理 · CUDA简介 · 深度学习在组学分析中的优势
GPU加速
02
深度学习框架GPU配置
PyTorch/TensorFlow… · CUDA与cuDNN配置 · 环境验证
GPU深度学习框架
03
基因组学数据基础
DNA/RNA测序数据格式（FAST… · 基因表达矩阵 · 变异数据
基因组学数据基础DNA/RNA
04
蛋白质组学数据基础
质谱数据 · 肽段鉴定 · 蛋白质丰度矩阵
蛋白质组学数据基…质谱数据
05
代谢组学数据基础
色谱质谱数据 · 代谢物鉴定与定量 · 数据处理流程
代谢组学数据基础色谱质谱数据
06
组学数据预处理
缺失值处理 · 归一化 · 批次效应校正
组学数据预处理缺失值处理
07
数据降维与可视化
PCA · t-SNE · UMAP在组学中的应用
数据降维可视化
08
深度学习模型基础
感知机 · 激活函数 · 损失函数
深度学习模型基础感知机
09
全连接网络在组学中的应用
基因表达预测 · 药物响应预测
全连接网络组学
10
卷积神经网络（CNN）在序列数据中的应用
DNA序列分类 · motif识别
CNN卷积神经网络
11
循环神经网络（RNN/LSTM）在时序组学中的应用
基因表达时间序列 · 蛋白翻译动力学
RNN/LSTM循环神经网络
12
注意力机制与Transformer
自注意力原理 · 在蛋白质结构预测中的应用
Transformer注意力机制
13
自编码器用于降维与异常检测
基因表达压缩 · 稀有细胞检测
自编码器用于降维异常检测
14
生成对抗网络（GAN）用于数据增强
模拟组学数据 · 补齐缺失组学
GAN生成对抗网络
15
图神经网络（GNN）在蛋白质-蛋白质相互作用中
网络表示学习 · 功能预测
GNN图神经网络
16
多模态组学融合模型
整合转录组 · 蛋白质组 · 代谢组数据
多模态组学融合模…整合转录组
17
训练优化技术
学习率调度 · 权重初始化 · 梯度裁剪
训练优化技术学习率调度
18
正则化与防止过拟合
L1/L2正则化 · Dropout · Early Stopping
正则化防止过拟合
19
GPU内存管理与大模型训练
梯度累积 · 混合精度训练 · checkpointing
GPU内存管理
20
混合精度训练（AMP）实践
float16与float32混合 · loss缩放 · 性能调优
AMP混合精度训练
21
分布式数据并行（DDP）
多GPU训练 · 数据并行策略 · 通信优化
DDP分布式数据并行
22
模型评估与解释
交叉验证 · ROC/AUC · SHAP值
模型评估解释
23
超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化
超参数调优网格搜索
24
案例
癌症亚型分类
案例癌症亚型分类
25
案例
蛋白质二级结构预测
案例蛋白质二级结构预…
26
案例
代谢通路活性预测
案例代谢通路活性预测
27
案例
单细胞RNA-seq分析：scGen · scVI等模型
案例RNA-seq
28
模型部署与推理优化
TorchScript · ONNX · TensorRT
模型部署推理优化
29
迁移学习与预训练模型
DNABERT · ProtBERT等生物语言模型
迁移学习预训练模型
30
课程总结与前沿展望
自动机器学习 · 联邦学习在组学中的未来
课程总结前沿展望