Entregarei soluções personalizadas de aprendizado de máquina para problemas de dados de pesquisa em biologia
Soluções de Análise de Dados
Sobre este Serviço
Desenvolvo pipelines personalizados de aprendizado de máquina para pesquisa biológica: cientificamente
rigorosos, totalmente documentados e construídos para passar na revisão por pares:
- Análise baseada em imagem com quantificação automatizada, classificação e perfil morfométrico a partir de fluorescência, brightfield, confocal e outras imagens.
- Modelos preditivos de dados moleculares e omics, descoberta de biomarcadores e redução de dimensionalidade em conjuntos de dados genômicos, proteômicos ou epigenéticos.
- Pipelines reprodutíveis, cada projeto inclui um script comentado, um README e um notebook de demonstração (pronto para Google Colab) para que você ou seu laboratório possam executá-lo novamente
- Saída de nível de pesquisa, figuras de qualidade de publicação, validação estatística e seções de metodologia que você pode usar na sua manuscrito
Stack
Python · scikit-learn · PyTorch · OpenCV · scikit-image · Pandas · matplotlib · ImageJ
Linguagem de programação:
Python
•
JAVA
Frameworks:
Scikit-learn
•
keras
•
PyTorch
•
Panda
Ferramentas:
caderno Jupyter
•
opencv
•
fluxo tensor
•
Excel
•
Outros
Meu portfólio
Perguntas frequentes
Tradução automática
Com que tipos de dados biológicos você trabalha?
Imagens de microscopia de fluorescência (multicanal, z-stack), arrays de metilação de DNA (Illumina 450K/EPIC), dados de citometria de fluxo e conjuntos de dados omics tabulares em geral. Se você não tiver certeza se seus dados se encaixam, envie uma mensagem antes de fazer o pedido.
Preciso compartilhar os dados brutos ou apenas arquivos processados?
Qualquer um funciona. Imagens brutas ou arquivos .idat/.csv são ideais, mas matrizes pré-processadas também servem. Assino um NDA se seus dados forem sensíveis ou não publicados.
Vou poder executar o pipeline sozinho depois?
Sim, todos os entregáveis incluem um script comentado e um README com instruções passo a passo. Pedidos padrão e premium incluem um notebook Colab que você pode rodar sem precisar instalar nada localmente.
Posso usar os resultados em uma publicação?
Com certeza. Os pacotes Padrão e Premium incluem documentação de metodologia escrita conforme os padrões de periódicos científicos. Peço apenas que me reconheçam na seção de Agradecimentos (não como autor).
Meu conjunto de dados é pequeno... o ML ainda é aplicável?
Frequentemente sim. Para n pequeno (< 100 amostras), uso modelos regularizados (ElasticNet, Ridge, SVM) e estratégias de validação cruzada adequadas ao seu tamanho de amostra. Te aviso de antemão se o ML realmente não for a ferramenta certa.
E se meu projeto for mais complexo que os pacotes?
Envie uma mensagem. Aceito pedidos personalizados e posso planejar um projeto baseado em milestones para pipelines multi-tarefa.
