📌 На этой неделе мы коснулись библиотеки Seaborn. Пора знакомиться ближе и переходить к практике!
Сегодня на учебных данных мы:

● изучим основные шаги при работе с графиками в Seaborn
● воспользуемся парой упрощающих жизнь фичей
● построим несколько графиков для разных типов данных
● и закрепим материалы недели небольшой задачей

Присоединяйтесь к курсу "Машинное обучение в биологии и биомедицине", чтобы узнать больше хитрых приемов для обработки ваших данных.
Курс стартует 25 февраля, и до 5 января еще актуальны цены раннего бронирования 😉

1️⃣ Используем тот же датасет, что в посте о Matplotlib

import pandas as pd
data = ... # не будем дублировать создание датасета для экономии места
df = pd.DataFrame(data)

2️⃣ Импортируем Seaborn и установим стиль для всех графиков

import seaborn as sns

sns.set_style(‘darkgrid’)

3️⃣ Настроим контекст отображения

Seaborn позволяет легко адаптировать графики под разные форматы презентации — от компактных рисунков для научных статей до крупных картинок для постеров.

В ключевой аргумент функции sns.set_context() передается контекст – “notebook”, “paper”, “poster”, “talk”, – а дополнительные аргументы позволяют шкалировать отдельные элементы графика.

sns.set_context("notebook", font_scale=1.25)

4️⃣ Перейдем к графикам. Многие функции Seaborn имеют возможность указывать, какие данные пойдут на график, с помощью простых аргументов:

● data: указывает датафрейм, с которым мы работаем
● x: столбец, данные из которого будут отложены на оси Х
● y: столбец, данные из которого будут отложены на оси Y

Такой принцип дает возможность меньше ломать голову над синтаксисом.

🔺Реляционные графики

Эти графики отображают соотношения числовых значений. Обратите внимание, что при построении линейного графика автоматически добавляется доверительный интервал.

sns.scatterplot(data=df, x='Год заболевания', y='Срок лечения')
sns.lineplot(data=df, x='Год заболевания', y='Срок лечения)

❗️Оба графика (и не только эти) в Seaborn принимают аргумент hue, который добавляет в график еще одно измерение в виде третьего параметра. Попробуйте добавить hue='Диагноз' к функциям выше.

🔺Графики распределений

Оценим распределение пациентов по возрастам – построим гистограмму.

sns.histplot(data=df, x='Возраст', bins=4)

Показать совместное распределение возраста, например, со сроками лечения поможет метод sns.jointplot(). В аргументах функции нужно указать набор данных для двух осей – X и Y.

sns.jointplot(x=df['Возраст'], y=df['Срок лечения'])

🔺Категориальные графики

Как и в предыдущем пункте, тут нужно указывать данные для двух осей: на одной будут категориальные значения, на другой – числовые.

sns.violinplot(data=df, x='Диагноз', y='Возраст')

sns.swarmplot(data=df, x=’Год заболевания', y=’Возраст')

❗️В Seaborn график можно построить, вызвав его собственную функцию, но можно использовать “родительскую” функцию для модуля графиков и передать ей уточнение типа через аргумент kind.

● sns.relplot(kind=’scatter’) = sns.scatterplot()
● sns.distplot(kind=’hist’) = sns.histplot()
● sns.catplot(kind=’violin’) = sns.violinplot()

➡️ Время практики!

Один из самых популярных способов визуализации числовых данных — графики “ящик с усами” (boxplot). Они показывают распределение данных и элементы описательной статистики.

❔ С помощью Matplotlib И Seaborn постройте boxplot, которые будут отображать зависимость срока лечения от диагноза. На оси X разместите две группы диагнозов, А и Б.

Подсказки:

● Боксплот строится на основании набора чисел, по которым автоматически считается описательная статистика. Применять groupby() и агрегацию тут не нужно
● В Matplotlib передайте сабсеты данных для каждого диагноза в аргумент "х"
● Советуем освежить в памяти нашу шпаргалку по фильтрации данных в Pandas
● Решить задачу в Seaborn гораздо легче 👀

Присылайте получившиеся у вас графики в комментариях! Код для выполнения задачи опубликуем в среду.

#openbio_python #openbio_pandas #openbio_visualization

📌 Машинное обучение в биологии и биомедицине | OpenBio.Edu

4 главных правила составления резюме.

1️⃣ Это база, но не указывайте в резюме то, чем вы не хотите заниматься. И даже не потому, что такой подход спасет вас от выгорания. 🙂 Четко сформулированные критерии поиска повысят качество поступающих предложений и быстрее приведут вас к желаемому результату.

2️⃣ Если мы говорим про резюме для деятельности, которой вы никогда не занимались (или в чем у вас мало опыта), найдите релевантный опыт в вашей предыдущей деятельности и используйте его.

Пример: вы никогда не делали анализ NGS-данных «руками», но работали над интерпретацией результатов такого анализа и владеете базовыми программами для обработки отдельных видов сырых данных. Этот опыт является схожим, его можно расписать по навыкам и указать в резюме.

3️⃣ Резюме должно четко отражать то, что работодатель ожидает увидеть от сотрудника на искомой позиции.
Одно резюме — одна мысль. Поэтому необходимо убирать всё, что не относится к конкретной позиции.

Если у вас два разных профессиональных вектора развития (по сути две параллельные вакансии), должно быть два разных резюме. И в зависимости от конкретной позиции, нужно указывать тот или иной опыт. И да, иногда он может быть даже противоположным. 🙃

4️⃣ Через резюме должна передаваться идея, которая является основным результатом и самым важным навыком для работы в профессии.

Если мы говорим про ученого, должна быть видна экспертность, способность глубоко и нестандартно мыслить, а также другие навыки, в зависимости от сферы: наличие коллаборации, количество статей или успешных прототипов и тд. Преподносите свой предыдущий опыт именно в таком направлении.

➡️ Еще больше идей и лайфхаков для построения успешной карьеры в биоинформатике вы услышите уже завтра, на вебинаре «Карьерный путь биоинформатика: от студента до сеньора» с Анной Фоминой!

Встречаемся завтра, 24 декабря в 19:00 по Мск.

❕ Обязательно регистрируйтесь на сайте, чтобы получить ссылку на эфир.

PS А специально для нашей аудитории Анна записала кружочек-приглашение 😍

Ждем вас завтра!

#openbio_career
#openbio_webinar
#openbio_interview
#openbio_expert

📌 Машинное обучение в биологии и биомедицине | OpenBio.Edu

Сегодня мы завершим тему визуализации данных разбором еще одной библиотеки, а именно… Pandas! 🐼

Все верно — помимо функций из специальных библиотек Matplotlib и Seaborn инструменты для визуализации данных также встроены непосредственно в Pandas, что позволяет строить различные типы графиков прямо через методы, применяющиеся к DataFrame. Сегодня изучим особенности такого подхода.

➡️ И напоминаем, что вебинар «Карьерный путь биоинформатика: от студента до сеньора» с Анной Фоминой состоится уже сегодня! Подключайтесь 24 декабря в 19:00 по Мск.

1️⃣ Вновь создадим тренировочный датасет с медицинскими данными:

import pandas as pd # больше ничего не понадобится!

data = {
    'ID': range(1, 11),
    'Возраст': [45, 60, 25, 50, 75, 33, 40, 29, 65, 55],
    'Пол': ['М', 'Ж', 'М', 'М', 'Ж', 'М', 'Ж', 'Ж', 'М', 'Ж'],
    'Диагноз': ['Гипертония', 'Здоров', 'Здоров', 'Диабет', 'Гипертония', 'Диабет', 'Гипертония', 'Здоров', 'Гипертония', 'Здоров']
}

df = pd.DataFrame(data)
df.head()

2️⃣ Для построения графиков в Pandas используется метод df.plot(), который является “оберткой” для методов matplotlib (то есть, “под капотом” вызывает функции другой библиотеки).

Метод plot() имеет множество аргументов, позволяющих настроить как внешний вид графика, так и тип данных, которые будут отображены.

➕ Как и функции Seaborn, df.plot() имеет аргументы для выбора данных:

● Data: указывает объект, для которого будет построен график. Это может быть целый датафрейм или его отдельные столбцы.
● x и y: указывают имена столбцов для осей x и y.

❗️Для некоторых типов графиков, таких как scatterplot, необходимо указать обе оси.

➕ Еще одно сходство с Seaborn — возможность выбирать тип графика с помощью аргумента kind. Примеры частых значений: 'line', 'bar', 'hist', 'box', 'scatter'.

➕ subplots: по умолчанию, если построить график по двум или более столбцам датафрейма, данные из них будут отображены на одном графике. При значении аргумента subplots=True каждый столбец будет отображаться в отдельном подграфике. Это удобный способ добавить на рисунок несколько срезов данных одной командой.

# Попробуйте построить график с subplots и без:
df[['Возраст', 'Вес']].plot(kind='bar)

Ряд параметров позволяет повысить информативность графиков:

➕ Аргументы title, xlabel и ylabel добавляют подписи всему графику и осям, соответственно.

➕ legend: при выставленном значении True добавляет на график легенду, которую дальше тоже можно кастомизировать.

➕ Для детальной настройки графиков можно изменять стиль линий, устанавливать цвета, изменять размеры графиков, добавлять сетки, настраивать метки и т.д. Все это также можно сделать с помощью аргументов.

Рассмотрим пример использования этих параметров, построив максимально нарядный график:

df['Возраст'].plot(kind='line', 
                   color='teal',
                   marker='*', markersize=12,
                   linestyle='dashdot',
                   alpha=0.7,
                   xlabel='Пациент',
                   ylabel='Возраст'
                  )

Таким образом, встроенный функционал Pandas позволяет легко создавать простые графики и настраивать их стиль. Визуализация данных с помощью Pandas часто применяется для предварительного анализа, а Matplotlib и Seaborn подключают для более сложных визуализаций.

Однако у вас есть полная свобода выбора! Теперь, когда вы освоили основы работы с этими инструментами, вы можете выбирать те методы, которые вам больше всего нравятся. Желаем удачи в экспериментах и творчестве! ❤️

➡️ Ждем вас на курсе “Машинное обучение в биологии и биомедицине”, где вы сможете применить все новые знания на практике! Старт нового потока — 25 февраля 2025.

#openbio_python #openbio_pandas #openbio_visualization

📌 Машинное обучение в биологии и биомедицине | OpenBio.Edu

🎁 Разыгрываем три гранта на обучение на курсе «Машинное обучение в биологии и биомедицине»!

Приближается пора новогодних обещаний. Мы решили добавить немного волшебства ✨ и помочь исполнить желания, связанные с построением карьеры в сфере биоинформатики, обработки данных и машинного обучения.

При помощи бота, мы выберем трех победителей, которые получат скидки 50%, 70% и 90% на обучение на курсе «Машинное обучение в биологии и биомедицине» соответственно.

🎇 Условия участия:
1. быть подписанным на канал Машинное обучение в биологии и биомедицине | OpenBio.Edu;
2. нажать кнопку «Хочу изучать ML с OpenBio!» в посте ниже.

Итоги конкурса будут подведены и опубликованы в канале 31 декабря в 16:00 по Москве. Желаем удачи!

А для всех, кто не полагается на удачу, а верит только в свои силы🪄💪, мы дарим скидку на обучение 20% по промокоду NEWYEAR.

Промокод активен до 31 декабря 23:59 и исчезнет вместе с боем курантов🥂

Правила участия в конкурсе:
- Наличие репоста конкурсного поста — не обязательное условие участия в розыгрыше, но нам будет приятно, если вы это сделаете и расскажете вашим друзьям о такой возможности.🙃
- Первый отобранный ботом победитель получит скидку 50%, второй 70%, третий 90%.
- Скидки распространяются только на участие в весеннем потоке курса, который стартует 25 февраля, и имеют срок действия до 25 февраля включительно.
- Применить каждую скидку можно только 1 раз.

📌 Машинное обучение в биологии и биомедицине | OpenBio.Edu

#openbio_дарит_подарки

Друзья!

⏱ Уже завтра, в 16:00 по Москве, будут подведены итоги розыгрыша. Успейте принять участие и рассказать вашим коллегам и сокурсникам о такой возможности!

Также завтра, 31 декабря в 23:59, вместе с боем курантов 🔔 закончит свое действие промокод NEWYEAR, который дает скидку 20% на курс «Машинное обучение в биологии и биомедицине».

Уже на первой неделе следующего года будет повышение цен на обучение.
Эти дни уходящего года — последняя возможность инвестировать в свою карьеру на максимально выгодных условиях.

Приходите на курс, чтобы усилить свои профессиональные компетенции:
🔷изучить и начать применять передовые методы биоинформатики, а также нейросети;
🔷углубить знание Python;
🔷использовать ML в NGS и распознавании изображений из клинических данных;
🔷расширить понимание составных частей процессов, которые лежат в основе популярных пайплайнов.

Желаем удачи, и с нетерпением ждем результатов конкурса вместе с вами!🫰А тех, кто не полагается на волю случая, приглашаем на курс «Машинное обучение в биологии и биомедицине» уже сейчас.

#openbio_дарит_подарки

📌 Машинное обучение в биологии и биомедицине | OpenBio.Edu

Наш новогодний розыгрыш завершен! 🎉 Поздравляем победителей! Админ канала свяжется с вами для обсуждения деталей.

Команда проекта «Машинное обучение в биологии и медицине» поздравляет подписчиков нашего канала с Новым годом! 🥳

🪄Пусть:
- риды мапятся;
- антитела (и вы) не выгорают;
- модели (и вы!)) быстро учатся;
- ROC AUC стремится к 1, а p-value — к 0.

Также мы благодарим всех, кто принимал участие в конкурсе. Розыгрыш вызвал большой резонанс, и мы решили подарить гайд со списком литературы и ресурсов по изучению ML всем вам.🫴 Переходите по ссылке, чтобы скачать подарок.

У вас еще есть возможность присоединиться к курсу «Машинное обучение в биологии и биомедицине» со скидкой 20% по промокоду NEWYEAR! Промокод активен до конца дня.

Создайте базу для вашего профессионального роста в следующем году уже сегодня.

До встречи в 2025м!🎆

#openbio_дарит_подарки

📌 Машинное обучение в биологии и биомедицине | OpenBio.Edu

Команда проекта «Машинное обучение в биологии и биомедицине» от OpenBio желает вам отличных новогодних праздников! Надеемся, у вас найдется время, чтобы уютно устроиться перед экраном с чашечкой горячего напитка и посмотреть интересные фильмы и сериалы. ⛄️❄️

☺️ Как истинно увлеченные темой биомедицины люди, мы подготовили подборку, где сюжет крутится вокруг биотехнологий, учёных, врачей и искусственного интеллекта!

Собрали всего понемножку, чтобы каждый мог выбрать что-то по душе: старые добрые комедии, мультфильмы, триллеры, аниме, а для самых пытливых — документальный сериал. 🤓

Приятного просмотра!

🍿 Эволюция (2001)
● Фантастика, комедия

Группа учёных и студентов становится свидетелями падения метеорита в пустыне. Из загадочной голубой жидкости внутри него развиваются живые организмы, которые эволюционируют на глазах. Ожидание Нобелевской премии превращается в кошмар, когда эти новые формы жизни начинают угрожать человечеству.

🍿 Джуниор (1994)
● Фантастика, мелодрама, комедия

В центре сюжета — двое учёных, которые разрабатывают препарат для предотвращения выкидышей. Из-за финансовых трудностей они решают провести эксперимент: один из них, профессор Алекс, соглашается стать носителем чуждой яйцеклетки. Комедия, в которой необычный научный эксперимент превращается в источник весёлых ситуаций.

🍿 BBC: Клетка (2009)
● Документальный фильм

Фильм рассказывает историю того, как учёные поняли, что все живые существа, от микроскопических амёб до человека, состоят из клеток. Биолог Адам Резерфорд проведёт нас в мир клеток, объяснив, как именно эти невероятно сложные структуры делают возможной жизнь, дыхание, движение и мыслительные процессы.

🍿 Клетки за работой! (2018–2021)
● Аниме, боевик, комедия

Этот милый сериал погружает нас в работу клеток человеческого организма. Красная кровяная клетка, новичок по имени AE3803, должна доставить углекислый газ в лёгкие, но её ждут опасности и приключения! Лейкоциты, тромбоциты и другие клеточные герои всегда готовы прийти на помощь в борьбе с вирусами, бактериями и травмами.

🍿 Оззи и Дрикс (2002–2004)
● Мультфильм, фантастика, боевик, комедия

Два необычных полицейских, лейкоцит Оззи и пилюля Дрикс, охраняют организм 13-летнего школьника Гектора. Они патрулируют его тело и защищают от болезней и вирусов. Задача — не допустить, чтобы чуждые организмы нарушили спокойствие организма подростка.

🍿 Из машины (2014)
● Фантастика, триллер, драма

Молодой сотрудник получает задание провести неделю в уединённом доме, тестируя женщину-робота с искусственным интеллектом. Постепенно он начинает сомневаться, что искусственный интеллект может стать сознательным существом, а также в своём восприятии человеческой природы.

🍿 Выбывшая (2022)
● Драма, биография

Мини-сериал о Элизабет Холмс, основательнице компании Theranos, которая обещала революцию в области диагностики. Она бросила учёбу и создала стартап, который стал одним из самых громких финансовых обманов в истории медицины. История о том, как высокие амбиции могут привести к падению.

🍿 Николай Вавилов (1990)
● Драма, биография

Сериал о судьбе советского учёного-генетика Николая Вавилова, который посвятил свою жизнь изучению генетики и селекции растений. Вавилов был одним из крупнейших учёных своего времени, но стал жертвой политических репрессий, несмотря на свои выдающиеся достижения.

🍿 РеГенезис (2004–2008)
● Фантастика, триллер, драма, детектив

Сюжет вращается вокруг вымышленной организации NorBac, занимающейся исследованием биотехнологий и спорных научных открытий. С каждым новым случаем учёные сталкиваются с этическими и политическими проблемами, а открытия, сделанные в области генетики и биотехнологий, могут изменить мир.

#openbio_fun

📌 Машинное обучение в биологии и биомедицине | OpenBio.Edu

Плавно входим в новый год с новой лекцией из цикла «Личный путь в сеньора биоинформатика».

6 января нас ждет встреча с Андреем Девяткиным, к.б.н., заведующим Лабораторией вычислительных методов в биомедицине в Центре живых систем МФТИ.🔬

Андрей — автор десятков научных публикаций в ведущих международных журналах (h-index=13), лектор образовательного курса Эпитранскриптомика. Специализируется на вирусологии и генной терапии.

📰 Вебинар состоится 6 января в 19:00 по Мск.

На встрече будут обсуждаться детали карьерного трека спикера, лайфхаки трудоустройства, экспертное мнение по трендам отрасли, обзор «поляны» мира ML в биоинформатике и многое другое.

Трансляции проходят в рамках курса «Машинное обучение в биологии и биомедицине», весенний поток которого стартует 25 февраля.

7 января цены вырастут. Записывайтесь на курс сейчас, чтобы зарезервировать за собой место на самых выгодных условиях.

✔️ Зарегистрируйтесь, чтобы получить ссылку на эфир.
❔ Задавайте свои вопросы спикеру в комментариях к этому посту, чтобы они точно были озвучены.

До встречи в эфире!

#openbio_career #openbio_webinar #openbio_interview #openbio_expert

📌 Машинное обучение в биологии и биомедицине | OpenBio.Edu

Праздничная неделя в самом разгаре, но если вам уже надоело отдыхать, сыграйте с нами в 🚩 небольшую викторину! 🚩

Предлагаем освежить в памяти одну из тем прошлого года — визуализация данных в Python. Ниже вы найдете несколько вопросов, каждый — с одним правильным вариантом ответа.

🎁 Тем, кто ответит на все вопросы верно, мы подарим скидку 15% на курс «Машинное обучение в биологии и биомедицине», который стартует 25 февраля.

Используйте эту возможность, чтобы выгодно подключиться к курсу перед повышением цен 7 января↗️

Напишите «ответ готов» в комментариях к этому посту, если вы ответили на все вопросы верно, и мы пришлем вам промокод на скидку в личные сообщения.

Желаем удачи! 🍀

#openbio_дарит_подарки

📌 Машинное обучение в биологии и биомедицине | OpenBio.Edu