Receber por email
← Voltar para o catálogo

bio-applied-deep-learning-for-biology

Aprendizado profundo com PyTorch para sequências biológicas, abordando quando usar DL versus ML clássico, arquitetura CNN para detecção de motivos, codificação one-hot e o loop de treinamento padrão.

3estrelas
Atualizado há 6 meses

Ver no GitHub ↗

Como adicionar

/plugin marketplace add Pavel-Kravchenko/Bioinformatics

O comando exato pode variar conforme o repositório. Confira o README no GitHub.

Para o autor da skill

Cole no README do seu repo

Mostra que sua skill está catalogada na Skillteca, gera backlink e tráfego rastreável.

[![Skillteca](https://www.skillteca.com.br/api/badge/bio-applied-deep-learning-for-biology/svg)](https://www.skillteca.com.br/skills/bio-applied-deep-learning-for-biology)
#ai

Skills relacionadas

Ver todas de Desenvolvimento →

Alerta por categoria

Receba novas skills de Desenvolvimento toda segunda

1 email curto, só com as skills novas de Desenvolvimento. 4 minutos de leitura, sem spam, cancela com 1 clique.

Você confirma o email no primeiro envio. Sem spam. Cancela com 1 clique.

Ler descrição completa

Deep Learning for Biology

Classical ML vs Deep Learning Decision Table

| Criterion | Classical ML | Deep Learning | |-----------|-------------|---------------| | Sample size | 100s–1000s | 10,000+ (or transfer learning) | | Feature engineering | Manual (k-mers, physicochemical) | Learned automatically | | Input type | Tabular features | Raw sequences / images | | Interpretability | High (feature importance) | Lower (requires SHAP/attention) | | Training time | Minutes | Hours–days | | Har

[Description truncada. Veja o README completo no GitHub.]

Compartilhar X LinkedIn