生物信息硕士

2018-03-24 15:09 | 浙江新闻客户端 | 记者 曾福泉记者从浙江大学获悉，教育部3月22日正式批准浙江大学爱丁堡大学联合学院设立“生物信息学”本科专业。这是以浙大国际联合学院为载体，浙大和英国爱丁堡大学强强联合，继“生物医学”之后设立的第二个本科专业。“生物信息学”专业是浙大爱大联合学院在生物医学教育基础上，秉承培养学科交叉人才理念和顺应大数据时代趋势而开设。该专业是生物医学和信息学的交叉科学，包含了生物和医学信息的获取、处理、存储、分发、分析和解释等在内的所有方面，综合运用数学、计算机科学、生物学和医学的各种工具，来阐明和理解大量数据所包含的生物学和医学的意义，满足大学生物医学研究和医院精准医疗对生物医学大数据分析人才的迫切需要。浙大国际联合学院（海宁国际校区）坐落在与杭州直线距离50公里的海宁市鹃湖之畔，现已引进英国爱丁堡大学和美国伊利诺伊大学厄巴纳香槟校区等两所世界一流大学，共同成立了浙大爱大联合学院和浙江大学伊利诺伊大学厄巴纳香槟校区联合学院，已开设的生物医学、电气工程、电子与计算机工程、土木工程等专业均是浙大和这两所世界名校的优势学科。据了解，“生物信息学”专业集合了浙大和爱丁堡大学的多个生物领域、医学领域、生物信息学领域相关院系优秀师资。专业培养计划由双方教授成立共同的课程计划小组进行规划设计，吸收中英办学所长，创建联合课程。强调多种方式（讲座，讨论和实验）整合的课程，学生的学习不仅在课堂，更在课后，不仅重视知识的传授，更强调能力的培养和实际运用。同时，每一位生物信息学专业本科生都配备有教授作为自己的学业导师，直接给予他们在专业和研究方面的个性化学习指导。生物信息学专业将于2018年春季面向全球招收本科生，由浙江大学和英国爱丁堡大学的优秀师资共同培养，顺利毕业后，学生将获得浙江大学和爱丁堡大学的双学士学位。

图为陈润生院士正在做报告“如今，生物信息学正扮演着越来越重要的角色，它也是信息时代带给生物医学的巨大推动力。”8月3日，在第十四届国际生物信息学论坛（IBW 2019）上，哈佛大学教授刘小乐表示，生物医药领域产生了海量的数据，如何通过生物信息学与计算科学弄懂这些数据，成为生命科学领域专家共同关注的话题之一。此次论坛共邀请国内外20位顶尖学者围绕表观遗传学、基因组学、转录组学、蛋白质组学、系统生物学等前沿科学领域的最新研究进展、技术发展和临床应用进行了主题报告。越来越多的科学研究表明，不同个体携带的DNA信息差异可能成为探索生命奥秘的关键密码。也正是基于基因组研究在人类医药学领域和农业生产领域的潜在应用价值，世界上众多科研机构和商业公司在组学技术上展开了激烈的角逐。中国科学院生物物理研究所研究员、中国科学院院士陈润生首先介绍了非编码基因领域的一些最新研究进展。他表示，部分非编码基因可以翻译成小肽，这个过程并不是随机的，而是受调控的。研究发现，约46%的小肽像编码基因一样，以AUG作为起始密码子，而对于非AUG起始的小肽，目前正借助离体的翻译体系作进一步研究。此外，非编码RNA还存在“过度翻译”现象，比如circRNA可以环绕自身多圈，翻译成更长的肽段。“非编码基因有潜力成为很好的肿瘤标志物或药物靶点，如lncTCF7和lncKdm2b等。”陈润生说，随着DNA计算机的发展，如何突破液相反应体系中结果提取的速度限制将成为关键问题。目前，国内外已经有100余种序列比对软件被开发出来，哈佛大学医学院助理教授李恒表示，新一代短序列比对软件在达到≧150bp的基础上会进一步提升速度，这在大数据时代有着重要意义。与此同时，参考基因组也需要进一步完善，为基因组在科学研究和临床工作中的应用打下更为坚实的基础。宾夕法尼亚大学病理系副教授王凯指出，基因组上重复序列的变异与一系列疾病相关，如亨廷顿舞蹈症等，但是传统的短读长基因测序技术难以实现准确的鉴定，而长读长测序平台能够更好地鉴定重复串联变异。重复序列鉴定工具RepeatHMM在算法层面做了一系列改进，避免传统方法鉴定重复次数的误差。目前，他的团队开发的LinkedSV，就可以精准鉴定包括倒位、缺失在内的各种结构变异。可以说，不断积累的组学大数据正在帮助科学家们越来越多地揭示一系列复杂疾病发生发展的机制。“如果将基因组学、转录组学等数据和化学反应结合在一起考虑，还能够帮助我们提升对于肿瘤等疾病的认识。”美国佐治亚大学教授徐鹰说。与此同时，组学大数据的积累与挖掘给相关产业带来全新机会点，但随之而来的问题即是如何高效地对数据进行分析和解读。那么，近年来新兴的生物云计算平台将如何更好地提供助力呢？中软国际科技服务有限公司云服务工程师表示，生物信息行业全年业务存在波峰和波谷，当业务处于波谷时，本地服务器集群等系统可满足业务对IT资源的需求，但面对业务波峰时，本地资源受规模限制而无法及时满足需求，此时就可以利用公有云资源弹性扩展资源规模，以此缩短分析时长和提升解读效率。同时，华为云将容器技术应用于生物信息领域并发布了基因容器服务（GCS），为广大生物信息人员提供“更省、更快、更轻松”的云计算平台。其中，GCS由三层架构组成：底层是Docker层，主要解决软件的安装和升级的问题；中间层是Kubernetes层，主要解决大规模集群中部署和运行Docker的问题；顶层是流程管理层，主要负责业务流程控制并提供精细粒度的监控运维管理能力。采访中，记者了解到，华为最新推出业界最高性能的ARM-based处理器-鲲鹏920以及TaiShan服务器。其中，TaiShan服务器主要面向大数据、分布式存储以及ARM原生应用等场景，发挥出了ARM架构在多核、高能效等方面的优势，为企业用户构建高性能、低功耗的新计算平台奠定了基础。并且，该款服务器在实际应用过程中，相比传统的x86服务器有较明显的性价比提升。据悉，本届大会由北京大学生物信息中心承办，北京大学数学科学学院/统计科学中心、北京大学分子医学研究所、北京大学医学部基础医学院、北京大学肿瘤医院生物信息中心、蛋白质与植物基因研究国家重点实验室、上海嘉因生物科技有限公司、中软国际科技服务有限公司协办。中国生物技术网诚邀生物领域科学家在我们的平台上，发表和介绍国内外原创的科研成果。注：国内为原创研究成果或评论、综述，国际为在线发表一个月内的最新成果或综述，字数500字以上，并请提供至少一张图片。投稿者，请将文章发送至weixin@im.ac.cn。本公众号由中国科学院微生物研究所信息中心承办近期热文直接点击文字即可浏览！1、补牙或将成为历史？2、科学你慢慢学，中医我先治病去了3、科学告诉你应该多久洗一次澡4、新证据：喝咖啡能延长寿命！5、据说，这是生物医学硕士博士生的真实的生活写照6、一顿早餐到底有多重要？7、情商也是把双刃剑！高情商或让你更脆弱8、施一公：压死骆驼的最后一根稻草，是鼓励科学家创业！9、“科学禁食法”真能降低重大疾病风险10、睡眠科学家揭示出8种睡好觉的秘诀11、有志者事竟成！2型糖尿病成功被逆转12、每周两半小时，任何形式的锻炼都可以使你更长寿13、喝醉以后，你以为睡一觉就没事儿了？！14、仰卧起坐等或将成为延寿运动？15、冥想、瑜伽、太极等不仅能够改善身心健康...

生物技术专业属于理学门类、生物科学大类下的六个专业之一，毕业生授予理学学士学位。该专业的毕业生应掌握数学、物理和化学等方面的基础知识，了解生物学、微生物学、分子生物学、基因工程、生物化学、细胞工程及发酵工程等七个方面的基本知识与实验技能，熟悉生物技术及其产品开发的基本方法，毕业生还需要掌握一定的实验设计、数据分析、撰写论文的能力。这个专业的研究生专业有动物学、植物学、微生物学、细胞生物学、生物化学与分子生物学、水生生物学、神经生物学、生物信息学、生理学、生态学、遗传学、发育生物学、生物物理学、环境科学、食品科学、粮食、油脂及植物蛋白工程、发酵工程等18个方向。对很多高考学生及家长来说，只要多了解一下高考志愿填报方面的知识，都会听到及看到生物学属于“生化环材”四大最坑专业之一，很多志愿填报从业人员都在劝大家不要报考这些专业。其实，任何专业对于不喜欢的学生来说，都是坑，关键在于自己是否真的喜欢这个专业，能否全身心投入到对这个专业的学习中去。比如北京大学的古生物学专业，整个系就一个人，号称人数最少、最孤单的一个专业，可是该专业的毕业生出来就业，估计很多计算机类专业的毕业生都会艳羡不已。生物学必将成为未来世界最热门的学科，而计算机专业却不一定能永久热下去。对于这个专业，除了兴趣、投入之外，本科毕业生出来寻找对口就业专业的确比较难，只要不断提升自己的专业度，通过考研、深造来提升自己在该领域的真正实力，才有机会摆脱这个最大的“坑”之魔咒。

三个纬度讲专业：1、学什么；2、干什么；3、报考建议生物信息学专业01:09来自高考志愿靳小强相信很多家长都没听过这个专业。算是新兴学科。简单来讲，就是利用计算机来帮助解决生物学中遇到的各种问题。学什么呢：最核心课程三大部分：生物学、数学、计算机科学课程有：生物化学、分子生物学、概率统计、数据结构及实验、基因组信息学、转录组信息学、蛋白质组信息学、计算机辅助药物发现、现代统计与生物信息学。就业方向：1、和生物学专业一样做科研。2、去iT行业。报考建议：生物信息学专业比生物科学、生物技术好的地方就是学了计算机相关课程，所以就业能去现在比较火的IT行业。但问题是，如果你想去IT行业就业，那直接学计算机不更好嘛。所以，还是那句话，除非你特别明确想研究生物，否则生物信息学慎重考虑。而且，从当初高中老师的角度来讲，学生物信息学可就不如学生物科学好了。学生就读感受：在国内某被称为生物信息西点军校的非公司的研究院(嗯…是研究院)怒答一记…补充一下自己对生物信息学发展的看法，以及学生该如何选择生物信息学，各位感兴趣的学生朋友们可以参考。在国内广大高校的生科院中，生物信息还是非常冷门的学科，绝大多数科研人员还是在从事传统分子生物学为基础的实验科学。可是在信息化飞速发展的情况下，传统分子实验对生命的探索远远赶不上生物数据的产生(上百g的数据大概是无论如何也没法一个一个分子验证的)。面对生物数据大量膨胀，而分子实验效率无法有效提升，通量无法继续提高的情况下，只有利用高性能计算机对测序等产生的大数据进行统计学等数学方法分析，结合已有的分子基础，才能更系统更全面的探索生命活动过程。也就是现在比较火的系统生物学(System Biology)。相对数据产生和过滤筛选的过程，结合数据对生命活动进行解释是生科专业大学生们更能发挥作用的战场，但是这也要求更高的数学物理统计计算机的水平。作为理科生，我觉得这些也是必须学习掌握的。希望能有更多的学习生科的同学加入到系统生物学的战场来。生物信息这样的学科我觉得不适合作为本科专业，国内此专业目前的课程设置基本上就是一些CS的基础课（占主要），一些数学的基础课，和一点儿生物（比重最小），这样学出来的CS的内容难学好，数学的内容难学好，生物也难学好。但是生物信息的工作内容基本上就是推算法，建数学模型，写程序，生物只是背景知识，如果数学和计算机基础不好的话很难有竞争力。同时生物的学习曲线很平，几本重要的著作看一下就入门了，当你读了数学或者计算机，基础扎实了，想转生物信息很容易，反之本科直接读生物信息再想转其它领域就没那么容易了，而且你在自己领域的优势（就是提前学了的那点儿背景知识）也很快就不存在了。

生物信息学已成为当今世界科学的流行语。十年前，人们将生物学和计算机科学视为两个完全不同的领域。前者可以了解生物及其功能，而后者可以了解计算机和基础理论，这两个领域之间似乎没有交集。然而，这个新领域-生物信息学，是计算机科学和生物学的完美结合。这种学科的结合也是一种必然趋势。随着1990年人类基因组计划（Human Genome Project）的实施和信息技术的发展，各种生物分析导致“遗传数据爆炸”，从而产生数量的生物数据，而使用手动方法分析它们变得非常困难，这就是计算机科学可以拯救的方面。各种计算技术用于通过自动化过程更准确和有效地分析生物数据，因此，生物信息学可以被认为是用数据科学技术来解决医学问题的学科。现已迅速发展成为当今生命科学最具吸引力的、重大的前沿领域。生物信息学为生物学、计算机科学、数学、信息科学等专业的高素质人才提供了更广阔的发展天地。为什么要研究生物信息学？生物信息学的主要应用可以在精准医学和预防医学领域中找到。精准医学包括为个别患者定制的医疗保健技术，包括治疗和实践，发现个体的模式从而提高医疗水平。生物信息学已被证明拥有巨大的潜力，以事先确定疾病，确定治疗和帮助人类生活更加美好。凭借计算机科学的灵感和知识，基因技术，医学和医疗保健等领域可以从治疗个体患者到治愈整个人群。生物信息学发展现状如今，很多生物医药学的研究机构都在产生海量的数据，而且希望通过计算生物学家来弄懂这些数据。因为完成一项大数据产出的实验课题，必然需要耗费大量的心血和资金投入，但是如果不能分析、了解这些数据背后的意义，那工作不能算真正完成。因此，生物医学研究的未来不仅依赖于可以设计出优秀实验并产生高质量数据的实验生物学家，还要依赖于会对产生的数据进行有效分析挖掘的计算生物学家。

一、生物信息学在第十四届国际生物信息学论坛（IBW 2019）上，哈佛大学教授刘小乐曾表示“如今，生物信息学正扮演着越来越重要的角色，它也是信息时代带给生物医学的巨大推动力。”那么今天就来为大家分享一下美国东北大学的生物信息学专业。二、课程培养目标/侧重点东北大学生物信息学的侧重点向来是为了学生能够快速进入企业服务的，但是也有很多同学以此为跳板，申请PHD。对于生物信息学专业和生物技术专业，学校的讲师都是波士顿本地在企业工作的人，所以核心专业课一般都是晚上上课。核心专业课一共三门，生物信息学理论1、生物信息学理论2、生物信息学编程。除此之外还有一门统计课，一门文献阅读课，一门道德课是必修课。在19年春季入学之前，东北的生物信息学是使用Perl的，目前已经全部换成了python。在行业里面，使用python是主流，但是很多年纪大的科学家还是会习惯使用perl，所以能看懂perl也是很重要的。（一）核心专业课Bioinformatics method 1生物信息学理论1这门课主要编程入门基础，一开始是教你用terminal，server这些，写一些非常简单易懂的小程序。后半部分涉及到生物信息学非常常用的数据库，搜索引擎的使用。最后会有一个project，老师会给一个文章list，这些文章会涉及到生物信息学的数据库，或者各种各样的工具。要求3-5个同学一组，现场讲述其中一篇文章。以及这节课分为lecture和lab两部分，lecture就是老师讲课，lab一般就是office hour，但是要求必须出席。Bioinformatics method 2 生物信息学理论2这门课学长上的是网课，讲得基本上就是NGS的所有流程，每节课都是生物部分和代码部分相结合，非常详实。bioinformatics programming 生物信息学编程这门课主要是涉及很多软件，以及cs方面的知识。比如python的一些本质问题问题，引用，面对对象，基础算法问题。这三门课放在一起说是因为这三门课是一系列连续的课程。这三门课必须是一个学期上一节，并且顺序不能颠倒，难度也是递增的。对于能力很强的同学，也有理论2和编程在一个学期上完的。还需要提及的是，这三门课都有线下课和线上课，但是内容是不一样的，总体难度是线下>线上。老师实际采访过几个学生，大家的感受普遍是，这三门核心课如果全部弄明白真的有难度，但是想取得一个不错的分数，或者是只想完成作业，难度并不高。（二）选修课选修课其实学校给提供的种类也是挺多种多样的，生物类，生物信息类，数学类，计算机类，数据类都可以根据自己的兴趣或者规划进行选择。需要提醒一点的是如果想选择cs学院的课程，需要找advisor帮助你开选课权限，并且是在cs学院的同学选完课之后才能选。三、学校师生情况以及录取要求分析（一）师生情况介绍东北大学生物信息学专业的学制是32个学分，一般是需要3-5个学期完成。一般一届学生人数是40-50左右，大概45%是中国人，45%是印度人，剩下的是别的国家的和美国人。90%的同学来上学之前都没有系统地学习过编程，也有很多已经在Boston工作的人来上课，但是他们大部分都会选择online课程。学校的讲师也都是波士顿本地在企业工作的人，很有经验。（二）录取要求东北的录取截止时间是6.1，建议早一点申请比较好。项目内的中国同学有海本（布兰迪斯，麦吉尔，爱荷华州立，新加坡国立大学等等），陆本也以985为主（复旦，浙大，川大），大家的gpa相对来说比较一般，3.5以下的很多，但是还是要争取拿到较高的三维成绩，毕竟这也是提升自己竞争力的重要一环。就读感受及建议学长来美国读研究生，因为时间的关系压力是非常大的。如果在秋天入学，需要用一个学期左右的时间解决语言问题，第二个学期就要开始准备找暑期实习/co-op，第三个学期co-op，第四个学期就又要开始找全职工作了。但是如果大家决定转phd的，那可能第一学期就要开始套磁找实验室做volunteer了。所以，学长给的建议是，来上研究生之前，就应该建立好自己的目标，到底是来干什么的，有一个明确的目标，自己建立大的时间线，明确每一个小目标。生物信息学下面也有很多细分的方向，在行业里面不同的岗位的基础要求也不尽相同，建议多看看linkedin里面的职位描述，研究一下除了学校里面学到的东西外，还有什么是应该网上修一个证书的，找工作能多在简历里面体现出来的，总之就是要有规划，并且充分利用好自己的时间，多提升自己。这个就是学长自身就读的一个经验和建议，“时间紧任务重”，大家一定要有这个意识，规划好自己的学习和工作安排。

大家都知道学科竞赛奖项是自主招生中最有说服力的材料，那具体到五个竞赛学科中，哪个科目最有说服力？生物、信息学奖项真的不受待见吗？依据2018年清北自招大数据为大家解析，五个竞赛学科的含金量究竟如何？清北自招已被竞赛生统治2018年自主招生中，分别有949人、855人，共1804人次取得清华、北大的自主招生降分；那么这些同学中有多少是竞赛生呢？答案分别是915人、826人，共1741人次，占获得清北自招降分人数的96.5%！可见，清华北大的自主招生已经完全被竞赛生统治。那这些竞赛生都获得了哪些奖项呢？请看下表：由以上数据可见，清华获省一级以上的考生共466人，占比为49%，获国奖的考生共263人，占比28%；北大获省一级以上的考生共504人，占比为59%，获国奖的考生共337人，占比39%；看到这可能大家要问了，原来省一、甚至不到省一就能拿到清华北大的降分了吗？大错特错！之所以有如此多的省一级以下的考生拿到清北降分，是因为清北每年都会举办大大小小的竞赛营、综合营、专业营，并通过签约降分的形式抢夺优质生源。这些和清北签降分约的考生，后期都要走一下自主招生或领军/博雅计划的流程，即：来年3月，自主招生、领军/博雅计划报名时，只需提供相关签约材料，就能直接获得合约中的降分优惠，不用参加后续清北自招、领军博雅的复试。而这就造成了有很多省一及以下考生取得了清北自招降分的“假象”。特别提醒大家：不要被上述的表象迷惑，如果你没有清北的签约降分，用常规的方式报考清北自招，至少需要一块国决铜牌才能大概率通过初审。如果你不是竞赛生也不要灰心，领军、博雅计划面向的就是平时成绩特别优秀的考生，此外，清北部分综合营、专业营也不要求竞赛奖项，一定要抓住机会多多尝试。数理化竞赛生更受清北青睐。相信大家都已经知道，竞赛生在取得清北降分上有着无可比拟的优势，那具体到竞赛科目上，哪个科目的竞赛奖项最受清北青睐呢？请看下面：从竞赛学科上看：1、在数理化生信五大竞赛学科中，物理、数学取得清北降分的考生数量最多，化学次之。2、生物、信息学竞赛生取得降分的数量则明显减少，清北确实更加青睐数理化竞赛生。3、数理化竞赛生更加倾向选择北大，而生物、信息学竞赛生更加倾向于选择清华；北大是国内理学第一校，数学系、物理系、化学系实力全国第一；清华是国内工学第一校，拥有全国最强计算机系，生物系实力也不俗，竞赛生们的眼睛都是很雪亮的。从奖项等级上看：1、银牌在清北自招中有竞争力306名银牌考生获得清北降分，占五科竞赛全部银牌考生的约60%，剩下的应该是被复旦交大中科大等校签约抢走了。可见，五科竞赛银牌在清北自招中已经很有竞争力，就算没有签约，直接申请清北自招，拿下降分的概率也比较大。2、铜牌是清北自招门槛相对于银牌，拿到清北降分的铜牌考生数量大大减少，仅120人次；这里面应该有不少铜牌考生在初审、复试时被刷下，相较于银牌，铜牌报考清北自招已经不算稳当了，只能算是冲击一下。当然铜牌考生也不用灰心，清北竞争虽激烈，但在复交浙科的自招中，铜牌还是相当有分量的，报考其中一所保底也是很不错的。有同学可能要问，为什么金牌考生的数量比银牌少那么多，是因为大量金牌考生都进入了国家集训队，拿到了直接保送清北的资格，不要参加高考，自然就不会统计在清北自招降分的数据里了。事实上，不管哪个竞赛学科，几乎全部金牌考生都已被清北瓜分了。生物、信息真不受待见？我们看完清北自招大数据后，可能觉得生物、信息学竞赛含金量不足，可放眼全国呢，生物、信息学竞赛真的不行了？2018年的录取数据中可以看到，北大此次在生物学科上开始明显落后于清华。在这些生物奥赛国家集训队员中，共有12人选择了北大，38人选择了清华，其中选择清华的学生分别被临床医学类（医学实验班）、理科试验班类-化生（生物科学）、临床医学类（协和）这三类学科录取。答案显而易见：生物、信息学竞赛奖项在全国范围内的认可度依然很高。除了北语、上外、中国政法等特色专业类高校外，绝大部分高校都将五科竞赛奖项要求明确写进了自招简章中。不过，生物、信息学竞赛在顶尖高校的自招中确实稍显颓势：清北自招生物、信息学竞赛降分考生明显更少；复旦上交已不接受生物竞赛奖项；中科大对数理化竞赛要求省一，而生物、信息学奖项则要求铜牌。但生物、信息学竞赛党也不要妄自菲薄，除了这几所国内顶尖名校有资格“傲娇”一下，其他大部分高校还是一视同仁的，你的生物、信息学奖项绝对是有相当含金量的。另外，生物、信息学竞赛的参赛人数少，获奖难度相较数理化较低，对于想投身竞赛却精力、时间不足的同学，反而建议你们投身生物、信息学竞赛，这两个竞赛学科的投入产出比是很高的。

本文包含以下两大部分内容：美国统计类专业申请语言和科研实习要求美国TOP60开设统计专业学校汇总和美国TOP30开设生物统计学校汇总1美国统计硕士语言和实习背景要求美国统计类专业申请语言和实习要求综述以上是我们根据以往的申请经验列出的大概参考标准，语言成绩并不唯一确定，同学们可以大概参考一下。不过各项条件准备的越高越好，加油！！说完语言，我们介绍一下实习和科研，通过表格可以看到美国统计类专业申请一般建议至少3段相关实习或者科研经验，那我们应该做哪些岗位的实习？又应该去哪些公司或者科研院所呢？科研论文--例如SCI类提前准备，于申请前完成发表。生物统计--增加医药行业，例如大型医院，大型药品制造商或医疗器械公司的数据分析类实习经历；也可以去科研机构增加生统专业相关科研经历。细分方向选择数据分析类专业的同学—重点可以对标国内大型互联网公司，岗位参考数据分析师/数据科学家/数据架构师/数据库管理等。国内科研机构--例如中国科学院，或者清华，北大的科研院所项目。海外藤校科研项目--数据分析或者统计类相关项目。美国大学中一般都有两个方向，一个是偏重于理论研究的，一类是偏重于实际应用的。同学们可以先确定自己选择哪个方向。　2美国统计%生物统计硕士名校美国TOP60开设统计专业学校汇总美国TOP30开设生物统计学校汇总END免责声明本平台“东莞立思辰留学”所发表内容注明来源的，版权归原出处所有（无法查证版权的或未注明出处的均来源于网络搜集）。转载内容（视频、文章、广告等）只以信息传播、学习交流为目的，仅供参考，不代表本平台认同其观点和立场，不具有任何商业用途，如有侵权问题请告知，我们会立即处理。内容的真实性、准确性和合法性由原作者负责。

【TechWeb报道】2月23日消息，几个世纪以来，科学家们收集并保存了大量关于植物的信息，据统计科学家每年发现大约2000种植物，并要与分布在全球自然历史博物馆和研究机构的400,000种已知物种进行比较，最后才能对其进行定义。在过去的几十年里，这些数据大部分进行了数字化，随着AI技术的成熟，哥斯达黎加理工学院史密森学会的研究人员们开始试图通过计算机视觉和GPU的结合，使用卷积神经网络来数字化自然历史收藏，对博物馆标本栏中记录的生物进行基于图像的识别，从而加速和深化科学对植物生物多样性的理解。为了支撑这个项目，哥斯达黎加团队使用两块NVIDIA GeForce GPU，以及开源深度学习框架Caffe和cuDNN，并用26万张图像进行卷积神经网络培训。利用AI技术，研究团队能够在短时间内做更多的科学研究，研究团队希望通过全新的技术为引发生物信息学领域的新革命。同时团队还将在植物研究的基础上，延伸至昆虫、鸟类、鱼类等学科中去。