<div dir="ltr"><br><div class="gmail_quote"><div dir="ltr"><img src="cid:ii_l0qmrjlf2" alt="image.png" width="542" height="122"><br><div><br></div><div>Mañana martes 15 comenzamos un seminario de investigación/estudio de métodos aprendizaje automático estadístico con aplicación a la predicción genómica que pretendemos que lleve cerca de un semestre. Tendrá una carga de unos 4 créditos incluyendo la evaluación y estamos en proceso de aprobar en FIng (grado y posgrado).<br></div><br>Cubriremos temas como procesamiento de datos genómicos, regresión lineal genómica bayesiana, modelos de predicción bayesianos y clásicos, Reproducing Kernel Hilbert Space, Support Vector Machines, Support Vector Regression, Random Forest, y regresión funcional. Si bien hay temas que son cubiertos en otros cursos, su aplicación a los datos genómicos es el principal objetivo del seminario.<br><br>Los temas seguirán el contenido y estructura del libro de referencia "Multivariate Statistical Machine Learning Methods for Genomic Prediction" [1] que puede <a href="https://link.springer.com/content/pdf/10.1007%2F978-3-030-89010-0.pdf" target="_blank">descargarse</a> sin costo [2]. Las charlas serán cubiertas entre expertos de las áreas involucradas y los participantes del seminario. <br><br>Los seminarios serán los <a href="https://salavirtual-udelar.zoom.us/j/81798534465?pwd=ZG9tb1NYWld2Y3dZcmlLOTZ4R0hqdz09" target="_blank">martes a las 16:00 por Zoom</a>, comenzando  el martes 15/marzo con una introducción de <a href="https://www.cimmyt.org/people/jose-crossa/" target="_blank">José Crossa</a> (autor del libro). El martes 22/marzo será una charla de aplicación de <a href="https://andysci.wisc.edu/directory/francisco-penagaricano/" target="_blank">Francisco Peñagaricano</a>. El resto de los temas serán divididos entre nosotros y los participantes.<br><br>Sala zoom: <a href="https://salavirtual-udelar.zoom.us/j/81798534465?pwd=ZG9tb1NYWld2Y3dZcmlLOTZ4R0hqdz09" target="_blank">https://salavirtual-udelar.zoom.us/j/81798534465?pwd=ZG9tb1NYWld2Y3dZcmlLOTZ4R0hqdz09</a><br>Meeting ID: 817 9853 4465<br>Passcode: predgen.22<br><br>Las charlas quedarán grabadas.<br><br>1. Montesinos, O. A., Montesinos, A., & Crossa, J. (2022). Multivariate Statistical Machine Learning Methods for Genomic Prediction. Springer Nature.<br><br>2. URL: <a href="https://link.springer.com/content/pdf/10.1007%2F978-3-030-89010-0.pdf" target="_blank">https://link.springer.com/content/pdf/10.1007%2F978-3-030-89010-0.pdf</a> Last visited 2022-03-14.<br><br>Saludos,<br><br>-- <div>María Inés Fariello</div><div>Federico Lecumberry<br><div><div dir="ltr" data-smartmail="gmail_signature"><div dir="ltr"><br></div></div></div></div></div>
</div></div>