人工智能和机器学习——多媒体
![](https://assets.technologynetworks.com/production/dynamic/images/content/328271/monitoring-the-human-proteome-using-diapasef-328271-640x360.jpg?cb=10488209)
视频
使用diaPASEF监测人类蛋白质组
汉斯·罗斯特博士的采访中,多伦多大学的首席研究员,描述了他的实验室正在使用diaPASEF监控人类蛋白质组一个人的一生,以及机器学习可以用来分析数据。
![](https://assets.technologynetworks.com/production/dynamic/images/content/327875/applying-neural-networks-to-drug-discovery-327875-640x360.jpg?cb=10476604)
视频
将神经网络应用于药物发现
副主任阿斯利康Ola Engkvist概述了神经网络应用于药物发现和使用这种方法相关的挑战。
![](https://assets.technologynetworks.com/production/dynamic/images/content/327775/machine-learning-in-drug-discovery-327775-640x360.jpg?cb=10470987)
视频
机器学习在药物发现
雨果博士Ceulemans杨森制药公司,药物发现解释了机器学习的好处。
![](https://assets.technologynetworks.com/production/dynamic/images/content/327664/richard-feynman-can-machines-think-327664-640x360.jpg?cb=10468421)
视频
理查德·费曼:机器能思考吗?
无与伦比的理查德·费曼回答问题1985年人工智能的未来看起来就像今天在这个视频有关。
![](https://assets.technologynetworks.com/production/dynamic/images/content/324031/automating-drug-discovery-324031-640x360.jpg?cb=10501380)
信息图表
自动化药物发现
制药行业正面临压力,优化药物发现阶段的药物开发管道。这样做的一个方法是采用自动化。下载这张资讯图像,学习更多关于自动化药物发现实验室的好处。
![](https://assets.technologynetworks.com/production/dynamic/images/content/321155/nexera-series-uhplc-321155-640x360.jpg?cb=10249266)
视频
Nexera系列UHPLC
将人工智能分析情报,利用物联网(物联网),并以最先进的性能特性,岛津制作所的紧凑Nexera UHPLC 40系列支持更智能、更高效的工作流程,提高生产力,和最大的可靠性。
![](https://assets.technologynetworks.com/production/dynamic/images/content/319315/digital-doctor-ai-singles-out-skin-cancer-from-photos-319315-640x360.jpg?cb=10184265)
视频
数字医生:AI单打皮肤癌从照片
一台计算机能识别皮肤癌?安德烈Esteva和他的同事们已经训练一个神经网络来识别无害的摩尔数之间的差异和可能致命的皮肤状况——以惊人的准确性。
![](https://assets.technologynetworks.com/production/dynamic/images/content/318226/antimicrobial-resistance-drivers-diagnostics-and-dna-318226-640x360.jpg?cb=11908172)
Listicle
抗菌素耐药性:司机、诊断和DNA
打击AMR采取协调行动的不同方法,如改善公共教育和国家行动计划,更大的监测,提高了诊断,利用基因组学的进步和大数据的能力。
![](https://assets.technologynetworks.com/production/dynamic/images/content/318217/not-what-but-why-machine-learning-for-understanding-genomics-318217-640x360.jpg?cb=10143968)
视频
不是什么而是原因:机器学习来理解基因组学
机器学习和人工智能正在改变生物研究的性质,尤其是基因组学。人工智能应用程序开放我们理解我们自己和疾病,我们必须努力创建工具,可以作为合作伙伴的研究,不仅仅是黑盒。芭芭拉·恩格尔哈特是一个普林斯顿大学计算机科学系助理教授自2014年以来。她毕业于斯坦福大学,获得博士学位的加州大学伯克利分校建议教授迈克尔·乔丹。她在芝加哥大学做博士后研究,与教授马修·斯蒂芬斯和三年杜克大学担任助理教授。点缀在学术经历,她花了两年时间在喷气推进实验室的工作,一个夏天在谷歌的研究,并在23 andme一年,DNA祖先服务。恩格尔哈特教授收到了NSF研究生研究奖学金,谷歌Anita Borg纪念奖学金,沃尔特·m·惠誉奖分子生物学和社会的进化,NIH NHGRI K99 / R00通路独立奖,和斯隆学院奖学金。恩格尔哈特教授目前是πGenotype-Tissue表达(GTEx)财团。她的研究兴趣包括分析高维数据的统计模型和方法,目标是理解复杂的表型和人类疾病的潜在的生物机制。这个演讲在TEDx活动使用TED会议格式但独立组织的当地社区。
![](https://assets.technologynetworks.com/production/dynamic/images/content/315538/seattle-childrens-hospital-sids-research-with-microsoft-genomics-315538-640x360.jpg?cb=10067649)
视频
与微软西雅图儿童医院SIDS研究基因组学
发现微软基因组学是让组织的研究探索新的途径。西雅图儿童医院SIDS(婴儿猝死综合症)与微软研究基因组大规模使用微软AI来分析数据。与微软AI,西雅图儿童医院的儿科疾病中是能够识别遗传贡献和接近达成他们的目标的识别SIDS早些时候和预防它的发生。
广告