RNS szekvenciák elemzése DAG tanulással

Tanszéki konzulens: 
A doktorandusz fényképe
doktorandusz
Szoba: IE322
Tel.:
+36 1 463-
Email: sandor (*) mit * bme * hu

A kiírás adatai

A téma státusza: 
Aktív (aktuális, lehet rá jelentkezni)
Kiírás éve: 
2023
A kiírás jellege: 
önálló labor, szakdolgozat/diplomaterv

Az RNS szekvenálás olyan adatgyűjtési módszer, amely segítségével élőlények alapvető genomikai működését tudjuk megfigyelni. Az ilyen típusú adatok jellemzően nehezen standardizálhatóak és a modern adatintenzív eljárásokkal nehezen elemezhetők. A háttérismeretek felhasználását és az értelmezést is támogató lehetőség a genomikai hatások modellezésére a valószínűségi gráfos modellek felhasználása volna, azonban alap probléma ezen hálózatok struktúrájának a megtalálása. Az utóbbi években ez szerencsére lehetséges lett az újonnan megjelenő folytonos optimalizáció alapú DAG tanuló eljárásokban. A téma célja ilyen eljárások és algoritmusok kipróbálása valós genomikai adatokon és ezek alapján létrehozott modellek elemzése és továbbfejlesztése, például öregedéskutatásban.

A téma az emberközpontú MI kiegészítő mesterképzés (HCAIM) hallgatóinak kifejezetten ajánljott, mivel a feladat kiterjedhet a mesterséges intelligencia alkalmazásának társadalmi és személyi (etikai, erkölcsi, jogi, biztonsági, megbízhatósági, értelmezhetőségi, esélyegyenlőségi stb.) szempontjaira is. Részletek: https://hcaim.bme.hu/en/msc-bme/

 

© 2010-2023 BME MIT | Hibajelentés | Használati útmutató