MonBUG - December/Décembre

Rejoignez-nous le 17 décembre à 17 h 30 pour notre dernière rencontre de l'année et découvrez comment utiliser les unités de calcul graphique (GPU) pour l'apprentissage profond avec des données biologiques.

Notre présentation, « Apprentissage profond avec des données biologiques : Clés du calcul parallèle avec des GPU », sera donnée par Leonard Sauvé, doctorant en bioinformatique. Ses recherches portent sur le développement de techniques d'apprentissage automatique pour l'identification rapide du risque associé aux sous-types de LMA à partir de données RNA-seq.

La présentation couvrira les défis de l'optimisation des modèles d'apprentissage profond et la manière dont les GPU peuvent réduire les coûts de calcul. Nous explorerons les profils transcriptomiques et les données unicellulaires tout en discutant des stratégies pour optimiser les performances de modèles complexes.

La présentation sera suivie d'un atelier pratique où vous apprendrez à définir l'architecture et les paramètres des modèles, à exécuter des optimisations sur GPU et à tester les performances de généralisation à l'aide de démonstrations en Python.

Veuillez noter que notre événement se déroulera en personne. Nous avons hâte de vous voir nombreux !
PS : Si vous souhaitez présenter lors d'un événement futur, contactez-nous via Meetup ou par email à info[AT]monbug.ca

***

****************************************************************************

Join us on December 17th at 5:30 pm for our final meetup of the year and learn how to leverage Graphics Processing Units (GPUs) for deep learning with biological data.

Our presentation, “Deep Learning with Biological Data: Keys to Parallel Computing with GPUs,” will be given by Leonard Sauvé, PhD student in bioinformatics. His research focuses on developing machine learning techniques for the rapid identification of risk associated with AML subtypes from RNA-seq data.

The talk will cover the challenges of optimizing deep learning models and how GPUs can reduce computational costs. We’ll explore transcriptomic profiles and single-cell data while discussing strategies to optimize complex model performance.

Following the presentation, we’ll host a hands-on workshop where you’ll learn how to define model architectures and parameters, run GPU-based optimizations, and test generalization performance with Python demos.

Please note that our event will be held in person. We look forward to seeing you all there!
PS: If you want to present at a future event, contact us via Meetup or by email at info[AT]monbug.ca