Подпишитесь на рассылку
Заполните форму, и мы отправим вам ссылку на участие
7 октября
18:00 (нск) | 14:00 (мск)
На практическом примере создадим модель для классификации микроскопических изображений: найдём датасет на Kaggle, поработаем с кодом на Python, обучим модель и применим на практике этот инструмент для анализа собственных биологических изображений.
Бесплатный вебинар
Практические инструменты компьютерного зрения для эффективного анализа биологических изображений
Практические инструменты компьютерного зрения для эффективного анализа биологических изображений
Во время вебинара вы также можете обрабатывать свои собственные данные. Это должны быть фотографии препаратов, в названии файлов которых или в папке, где они лежат, указано к какому классу они относятся. Например, здоровые клетки крови и заражённые малярийным плазмодием.
На вебинаре вы:
Главная задача вебинара не просто показать готовый результат, а дать понимание, как устроен такой подход и как перенести его на собственные задачи работы с биологическими изображениями.
- Возьмёте открытый датасет микроскопических изображений с сайта Kaggle и подготовите его для работы с моделью.
- Поработаете с кодом на Python: разберёте основные блоки и дополните недостающие фрагменты.
- Запустите обучение модели и посмотрите, как она классифицирует изображения на конкретном примере.
- Получите представление о полном рабочем процессе — от исходных данных до результата модели.
- Разберётесь, как дообучать предобученную модель под конкретную задачу и как переносить этот подход на другие задачи классификации изображений.
Главная задача вебинара не просто показать готовый результат, а дать понимание, как устроен такой подход и как перенести его на собственные задачи работы с биологическими изображениями.
Работа с большим количеством микроскопических снимков требует времени и внимания специалиста. Один из способов автоматизировать часть такого анализа — использовать модели компьютерного зрения, способные классифицировать изображения по заданным признакам.
На вебинаре разберём этот процесс на конкретной задаче — выявление признаков малярии на микроскопических снимках клеток.
Вместо большого теоретического обзора пройдём практический путь: возьмём открытый датасет, поработаем с кодом на Python и получим первую модель классификации изображений.
На вебинаре разберём этот процесс на конкретной задаче — выявление признаков малярии на микроскопических снимках клеток.
Вместо большого теоретического обзора пройдём практический путь: возьмём открытый датасет, поработаем с кодом на Python и получим первую модель классификации изображений.
01
студентам и аспирантам естественно-научных и медицинских направлений, которые хотят познакомиться с практическим применением машинного обучения
студентам и аспирантам естественно-научных и медицинских направлений, которые хотят познакомиться с практическим применением машинного обучения
02
IT-специалистам, которые хотят понять, как использовать свои навыки программирования и работы с данными в биомедицинских задачах
IT-специалистам, которые хотят понять, как использовать свои навыки программирования и работы с данными в биомедицинских задачах
03
сотрудникам аналитических и клинических лабораторий, которые работают с микроскопическими и гистологическими изображениями и заинтересованы в автоматизации их анализа
сотрудникам аналитических и клинических лабораторий, которые работают с микроскопическими и гистологическими изображениями и заинтересованы в автоматизации их анализа
Для кого этот вебинар
04
специалистам отделов исследований и разработок, которые хотят использовать машинное обучение для оптимизации рабочих процессов
специалистам отделов исследований и разработок, которые хотят использовать машинное обучение для оптимизации рабочих процессов
Вебинар будет полезен тем, кто хочет разобраться, как методы машинного обучения и компьютерного зрения применяются в биологии и медицине.
Он будет особенно полезен:
Он будет особенно полезен:
Спикер
Укладов Егор Олегович
Младший научный сотрудник Отдела синхротронных исследований для биологии и биомедицины ЦКП «СКИФ», ассистент Кафедры молекулярной биологии и биотехнологии ФЕН НГУ, ассистент Кафедры химии твёрдого тела ФЕН НГУ.
Окончил бакалавриат ФЕН НГУ в 2022 году (молекулярная биология) и магистратуру в 2024 году (синтетическая биология). С 2024 года является аспирантом ФЕН НГУ (молекулярная биология).
Окончил бакалавриат ФЕН НГУ в 2022 году (молекулярная биология) и магистратуру в 2024 году (синтетическая биология). С 2024 года является аспирантом ФЕН НГУ (молекулярная биология).
Исполнитель ряда грантов РНФ, ФНТП, Государственного задания.
Научные интересы: структурная биология, структурная биоинформатика, искусственный интеллект в структурной биологии.
Соавтор 5 научных статей, h-index = 3
подробнее
Научные интересы: структурная биология, структурная биоинформатика, искусственный интеллект в структурной биологии.
Соавтор 5 научных статей, h-index = 3
подробнее
Постановка задачи и подготовка данных
На открытом датасете микроскопических снимков клеток с сата Kaggle подготовите данные для задачи классификации изображений на примере выявления малярии.
На открытом датасете микроскопических снимков клеток с сата Kaggle подготовите данные для задачи классификации изображений на примере выявления малярии.
Работа с кодом и обучение модели
Поработаете с подготовленным кодом на Python: разберёте его основные блоки, дополните недостающие фрагменты, запустите обучение модели и посмотрите, как она классифицирует изображения.
Поработаете с подготовленным кодом на Python: разберёте его основные блоки, дополните недостающие фрагменты, запустите обучение модели и посмотрите, как она классифицирует изображения.
Дообучение модели под конкретную задачу
Адаптируете и предобучите модель под конкретную задачу классификации изображений.
Адаптируете и предобучите модель под конкретную задачу классификации изображений.
Что будет на вебинаре
01
02
Адаптация подхода под другие задачи
Разберёте, как использовать тот же принцип для работы с другими микроскопическими изображениями и какие задачи можно автоматизировать с помощью компьютерного зрения.
Разберёте, как использовать тот же принцип для работы с другими микроскопическими изображениями и какие задачи можно автоматизировать с помощью компьютерного зрения.
04
03
Что вы получите после вебинара
04
Понимание принципа дообучения предобученных моделей и того, как использовать их для решения конкретной задачи.
05
Подход к автоматизации анализа микроскопических и гистологических изображений, который можно адаптировать под собственные рабочие задачи.
Понимание принципа дообучения предобученных моделей и того, как использовать их для решения конкретной задачи.
05
Подход к автоматизации анализа микроскопических и гистологических изображений, который можно адаптировать под собственные рабочие задачи.
01
Практический навык работы с открытыми датасетами для задач классификации изображений и понимание, как находить подходящие данные на Kaggle.
02
Опыт работы с моделью на Python: от запуска подготовленного кода до обучения модели и оценки результата классификации.
03
Понимание полного процесса работы с задачей компьютерного зрения — от исходных изображений до первой модели классификации.
Практический навык работы с открытыми датасетами для задач классификации изображений и понимание, как находить подходящие данные на Kaggle.
02
Опыт работы с моделью на Python: от запуска подготовленного кода до обучения модели и оценки результата классификации.
03
Понимание полного процесса работы с задачей компьютерного зрения — от исходных изображений до первой модели классификации.
Что подготовить к вебинару
Ссылки на необходимые программы, датасет и материалы для подготовки участники получат после регистрации.
Чтобы получить максимум от практической части, рекомендуем заранее подготовить рабочую среду.
Перед вебинаром:
— установите Anaconda или Jupyter Notebook — работать будем в Jupyter Notebook;
— скачайте предложенный датасет Malaria Cells с Kaggle;
— подключайтесь к вебинару с компьютера или ноутбука, если хотите работать с кодом вместе со спикером.
Перед вебинаром:
— установите Anaconda или Jupyter Notebook — работать будем в Jupyter Notebook;
— скачайте предложенный датасет Malaria Cells с Kaggle;
— подключайтесь к вебинару с компьютера или ноутбука, если хотите работать с кодом вместе со спикером.
Продолжая использовать сайт, вы даёте согласие на использование cookies и понимаете, что информация на сайте не является публичной офертой и носит исключительно информационный характер. Узнайте подробности или измените свои настройки cookies