Apprentissage machine

Utilisation de profils d'expression géniques pour la prédiction d'activité biologique de composés

Léa Kaufmann

sept. 1, 2023 Doctorat

Utilisation de modèles de diffusion d’apprentissage profond pour débruiter les données de séquençage d’ARN à faible couverture

sept. 1, 2022 Doctorat

Utilisation de modèles de diffusion d’apprentissage profond pour débruiter les données de séquençage d’ARN à faible couverture

Étude des mécanismes de régulation transcriptionnelle impliqués dans l’hétérogénéité du cancer du sein au moyen de données de séquençage d’ARN de cellules uniques (scRNA-seq)

Marjolaine David, co-direction avec Sylvie Mader

janv. 1, 2019 Maîtrise

Étude des mécanismes de régulation transcriptionnelle impliqués dans l’hétérogénéité du cancer du sein au moyen de données de séquençage d’ARN de cellules uniques (scRNA-seq)

Amélioration de la spectrométrie de masse peptidique par l’apprentissage profond

Jérémie Zumer

sept. 1, 2018 Doctorat

Amélioration de la spectrométrie de masse peptidique par l’apprentissage profond

Développement de systèmes automatiques d’évaluation du risque en leucémie myéloïde aiguë à partir de données d’expression de gènes

Léonard Sauvé

sept. 1, 2018 Doctorat

Développement de systèmes automatiques d’évaluation du risque en leucémie myéloïde aiguë à partir de données d’expression de gènes

Le modèle Factorized Embeddings : vers un atlas cellulaire basé sur les données de séquençage

Assya Trofimov, co-direction avec Claude Perreault

mai 1, 2018 Doctorat

Le modèle Factorized Embeddings : vers un atlas cellulaire basé sur les données de séquençage