Курс Nestarenie для начинающих ученых

Для тех, кто хочет разбираться в биологии старения с целью проведения исследований в области увеличения продолжительности жизни человека и разработки моделей ИИ для увеличения продолжительности жизни. 

Автор курса – Веремеенко Дмитрий, сфера профессиональной деятельности – data science в медицине, основатель исследовательского проекта, изучающего терапии, направленные на увеличение продолжительности жизни человека, сооснователь сервиса для продления жизни, основатель форума о продлении жизни Nestarenie Camp, со-автор книги “Бонусные годы“, обладатель премии Leaders Club 2021 года за вклад в развитие антивозрастной медицины, создатель справочного блога о старении человека (nestarenie.ru), WhatsApp: +7 925 9244328 Dmitriy-tae@yandex.ru

 

Требования:
1. Отсутствие страха перед математикой и программированием.
2. Выполнение домашних заданий ко всем урокам. 
3. Наличие Microsoft Excel, PowerPoint, Word, а остальное установим в процессе.
4. Выполнять домашние задания, либо на Microsoft Word, либо Excel, либо PowerPoint, а также в других программах. После выполнения домашнего задания файлы следует сохранить в формате pdf (или .ipynb)  и выслать на проверку (успеваемость). Также в процессе работы будем использовать Python, Jupyter Notebook, Google Colab, Terminal – установим и разберемся в этом в процессе.
5. Уроки будут on-line, а  также в записи

Старт с 26 февраля 2024 года, длительность – до сентября 2025 года

Стоимость: бесплатно. Количество мест – 90, а также 20 мест в резерве для студентов из страны, где я проживаю.

На сегодня мест не осталось, но места могут освобождаться.

Проиграть видео

Я решил предоставлять образовательный контент бесплатно, потому что верю, что процесс обучения других является мощным инструментом для углубления собственных знаний. Существует мудрость, гласящая: чтобы досконально разобраться в теме, попробуй объяснить её другим. Преподавание заставляет меня вникать в тонкости предмета, а студенты, выступая в роли критиков и рецензентов, помогают мне улучшать и развивать мои знания. Таким образом, наши уроки становятся взаимно обогащающим процессом.

Помимо этого, одной из моих целей является подготовка квалифицированных специалистов для участия в наших проектах.

Содержание курса
  • Строение клетки, ДНК, РНК, рибосомы, белок, эпигенетика, коллаген, митохондрии, нокауты генов, гормон роста, инсулин подобный фактор роста 1-го типа, mTOR, понятие рецепторов гормонов, внеклеточный матрикс, стволовые клетки, жесткость артерий, гены, матриксные металлопротеиназы, тимус, B-клетки (B-лимфоциты) иммунитета, Т-клетки (Т-лимфоциты) иммунитета.
  • Генеральная совокупность
  • Выборка
  • Вероятность
  • Логарифм
  • и др.
  • Математический подход к старению, нестарению и омоложению.
  • Использование Закона Гомпертца.
  • Анализ времени удвоения вероятности смерти.
  • Смертность в контексте МКБ.
  • Ректангуляризация кривых выживания.
  • Исследование кривых смертности.
  • Ограничения Закона Гомпертца.
  • Замедление скорости старения.
  • Отличия в механизмах старения у людей и животных.
  • Недостоверность доклинических исследований.
  • Застой в биологии старения.
  • Разрыв между экспериментами и мнениями экспертов.
  • Разработка часов биологического возраста.
  • Старение как квазипрограмма.
  • Влияние эволюции на темпы старения у различных видов.
  • Пересмотр представлений о старении голого землекопа.
  • Гренландская акула как объект для изучения экстремального долголетия.
  • Ограничения продления жизни, связанные с износом эластина.
  • Использование параллельного переноса и ректангуляризации для определения биологического возраста.
  • Роль рандомизированных контролируемых исследований в изучении старения.
  • Анализ отношения опасности в исследованиях долголетия.
  • Преобразование риска в эквивалентные годы жизни.
  • Потенциальное увеличение ожидаемой продолжительности жизни человека.
  • Разработка модели машинного обучения для прогнозирования смертности и определения факторов, влияющих на продление жизни человека.
  • Сбор и обработка данных для обучения искусственного интеллекта в области долголетия.
  • ИИ и компьютерный интеллект управляют долголетием человека
  • Математическое моделирование для управления рисками смертности и продления жизни до 150 лет.
  • Технологии восстановления эластина для замедления старения.
  • Разработка искусственных органов
  • Таргетная терапия для устранения клональной экспансии и связанных с ней заболеваний.
  • Генная терапия для лечения болезни Паркинсона.
  • Причины развития атеросклероза.
  • Как снизить риск атеросклероза до пренебрежимо низкого уровня.
  • Перспективы медицины в области атеросклероза.
  • Установка и использование ChatGPT4
  • Задание на лето – поиск данных
  • Пациент и врач не способны к объективной оценке
  • Почему связь не является причиной
  • Никому не доверяем, все проверяем
  • Нахождение размера выборки
  • Математическое ожидание и среднее значение выборки
  • Генеральная совокупность и выборочная совокупность
  • Среднее квадратическое отклонение
  • Надежность
  • K-критерий оценки
  • Критерий оценки Фишера Z
  • Нахождение доверительного интервала
  • Рандомизация
  • Проспективность и ретроспективность
  • Основные критерии, свидетельствующие об успешности эксперимента

Каникулы

Язык программирования Python для машинного обучения 16 сентября - 14 октября

  • 16 сентября Урок 10. Среда для работы
  • 19 сентября Урок 11. Знакомство с Python – часть 1
  • 23 сентября Урок 12. Знакомство с Python – часть 2
  • 26 сентября Урок 13. Встроенные типы и операции с ними – часть 1
  • 30 сентября Урок 14. Встроенные типы и операции с ними – часть 2
  • 3 октября Урок 15. Функции – часть 1
  • 7 октября Урок 16. Функции – часть 2
  • 10 октября Урок 17. Полезные инструменты – часть 1
  • 14 октября Урок 18. Полезные инструменты – часть 2

Введение в машинное обучение 24 октября - 2 декабря

24 октября Урок 21. Поиск данных – часть 1

28 октября Урок 22. Поиск данных – часть 2
31 октября Урок 23. Распаковка и изучение данных
4 ноября Урок 24. Импорт библиотек, Подготовка датасета, загрузка и просмотр
7 ноября Урок 25. Разбивка датасета на X_train, X_valid, Анализ и визуализация датасета
11 ноября Урок 26. Поиск и обработка пропусков и выбросов
14 ноября Урок 27. Построение новых признаков и отбор
18 ноября Урок 28. Нормализация и стандартизация
21 ноября Урок 29. Скорость обучения, Удаление целевого признака
25 ноября Урок 30. Функция calc_logloss, Функция calc_pred_proba
28 ноября Урок 31. L1 и L2-регуляризация
2 декабря Урок 32. Категориальные признаки в числовые

Машинное обучение - продолжение 12 - 30 декабря 2024

  • 12 декабря Урок 33. Поиск лучших гиперпараметров
  • 16 декабря Урок 34. Линейная и логистическая регрессии
  • 19 декабря Урок 35. К-ближайших соседей, Решающий лес, Случайный лес
  • 23 декабря Урок 36. Градиентный бустинг, Метод главных компонент
  • 26 декабря Урок 37. Предсказание на тренировочных данных и работа с тестовым датасетом
  • 30 декабря Урок 38. Качества модели, подсчет метрик, матрица ошибок

Практика в машинном обучении для продления жизни человека январь - февраль 2025

  • 16 января Урок 39. Итоговый проект: “Предсказание количественных переменных”
  • 27 января Урок 40. Итоговый проект: “Предсказание категориальных переменных

Молекулярная биология и генетика на Biopython 20 февраля - 3 марта 2025

  • 10 февраля Урок 41. База данных NCBI gene, вырезание гена из хромосомы с помощью Biopython
  • 13 февраля Урок 42. От гена до белка, синтез белка на Biopython
  • 17 февраля Урок 43. Мутации и база данных NCBI SNP. (genome_Dmitrii_Veremeenko_v4_Full_20170427075822.txt)
  • 20 февраля Урок 44. Лабораторные методы: получение ДНК и белков, ПЦР, гель-электрофорез, база данных NCBI protein, structure, PDB.
  • 24 февраля Урок 45. Секвенирование
  • 3 марта Урок 46. Итоговый проект

Введение в анализ данных в медицине - 13 - 31 марта 2025

  • 13 марта Урок 47. Обзор профессии и вакансии
  • 17 марта Урок 48. Источники медицинских данных
  • 20 марта Урок 49. Data Science в разработке и тестировании лекарств
  • 24 марта Урок 50. Клинические исследования
  • 27 марта Урок 51. Персонифицированная и предиктивная медицина
  • 31 марта Урок 52. Типы медицинских данных

Прикладная статистика в медицине 10 апреля - 8 мая 2025

  • 10 апреля Урок 53. Введение в медицинскую статистику
  • 14 апреля Урок 54. Распределение вероятностей: биномиальное, Пуассона, нормальное, экспоненциальное
  • 17 апреля Урок 55. Популярные параметрические и непараметрические тесты: введение
  • 21 апреля Урок 56. Популярные параметрические и непараметрические тесты: применение
  • 24 апреля Урок 57. Поправки на множественное тестирование
  • 28 апреля Урок 58. Методы оценки параметров
  • 1 мая Урок 59. Анализ выживаемости: введение
  • 5 мая Урок 60. Анализ выживаемости: применение
  • 8 мая Урок 61. Консультация по итоговому проекту. Тема проекта – определение эффективности препарата для лечения рака

Прогнозирование и диагностика в медицине с помощью машинного обучения 19 мая - 27 июня 2025

Computer Vision для медицинских изображений 7 июля - 14 августа 2025

Работа в проекте Nestarenie в роли datascience в биологии старения - трудоустройство

Обязанности:

  • Разработка моделей увеличения ожидаемой продолжительности жизни
  • Поиск новых генов, ассоциируемых с долголетием
  • Разработка инструментов персонифицированной и предиктивной медицины для продления жизни
  • Data Science в разработке и тестировании лекарств
  • Аналитика в биологии старения
Получить консультацию

Для заполнения данной формы включите JavaScript в браузере.