Principalmente me identifico como alguien que construye modelos para predecir procesos biológicos. Como alguien que ama el proceso de simplificar la información biológica en pocas variables dependientes (y quiere hacerlo por el resto de mi vida), no creo en ningún resultado de modelado ya que todos los modelos están equivocados.
Todos los análisis predictivos tienen errores, y predecir el error no es fácil. Las predicciones de modelado siempre deben considerarse con escepticismo. Los modelos son útiles para ayudar a los investigadores en el campo a desarrollar más experimentos e hipótesis. Creo que el modelado biológico puede ser más útil cuando se realiza en colaboración con múltiples grupos experimentales, que están listos para trabajar con sus hipótesis y viceversa, que termina siendo una constante de ida y vuelta sin ningún sesgo de confirmación.
Con la metabolómica y el avance en la secuenciación, el control metabólico / análisis de flujo como campo ha crecido. Sin embargo, el problema con cualquiera de estos enfoques a nivel de sistemas sigue siendo la falta de anotación enzimática. Hay MUCHO trabajo en el campo, algunos son esponjosos y otros son compatibles con múltiples validaciones experimentales e incluso anotaciones bioquímicas, por lo que es difícil generalizar todo un campo de trabajo.
- ¿Cuál es el poder computacional de las redes neuronales no recurrentes frente a las redes neuronales recurrentes?
- ¿Puedo aprender ML por mi cuenta?
- ¿Qué hacen los ingenieros de aprendizaje automático diariamente?
- ¿Qué piensa Yoshua Bengio sobre los Algoritmos de aprendizaje de Alineación de retroalimentación?
- ¿Cuál es la relación entre la teoría de la Gestalt y el aprendizaje profundo?
