JAX生物信息学培训项目旨在通过提供科学计算和数据分析方面的培训，在JAX培养数据科学人才，并通过The Carpentries的讲师培训建立教学能力。
我们使用由木工教授基础编程和数据分析，构建我们自己的定制课程，以满足JAX研究培训需求，并突出JAX专业知识。基础培训包括R、Python、Unix shell和数据管理。中级和高级培训的特点是为复杂的交叉设计绘制遗传图谱，如Diversity Outfred和其他JAX Diversity小鼠菌株、图像分析、高性能计算、RNA序列分析以及数据争论和可视化。
研讨会是实践活动，涵盖了小型研究团队生产所需的核心技能。简短的教程与实践练习交替进行，大多数教学都是通过实时编码完成的。教学的目的是“不让任何学习者掉队”。研讨会由两名或两名以上的教师和助手组成，因此师生比（1:10）最适合学习。大多数讲习班都向邻近机构的学员开放。
参与者携带笔记本电脑，必须亲自到场才能参加。为了确保所有参与者和讲师都能获得高质量的体验，通常不提供远程出勤服务。
要了解有关数据科学的更多信息，请访问JAX的数据科学.
访问木工以了解有关该组织及其开源课程材料的更多信息。要浏览我们的中级和高级产品，请参阅以下选项。所有课程都是开源的，非常适合自学。
要查看活动和当前课程的完整列表，请访问教育日历
本材料涵盖了使用Python和Jupyter笔记本进行图像分析的基础知识。该材料涵盖图像文件管理、基本处理（如缩放和过滤）以及基本分析技术（如图像分割和荧光共定位）。
本材料提供了R的qtl2包中的培训，用于回交、交叉和复杂杂交中的QTL定位，如多样性出芽。
本次培训是在哈德利·威克姆（Hadley Wickham）和加勒特·格罗蒙德（Garrett Grolemund）的《R for Data Science》之后进行的。这本书以R语言的数据争论、可视化和建模为特色。
本材料使用R和BioConductor教授差异表达分析和变体注释，可从Bioconderator 2018研讨会汇编中获得。
本课介绍了良好实验设计的基础以及实验中严谨性和再现性的重要性。本课的目标是提供概念理解、方法和规划和评估实验的实践。
机器学习（ML）从数据中提取知识并侧重于预测。ML从我们的数据中学习如何为未来的观察做出决策。它在日常交互中被广泛使用和常见——在脸书、谷歌、亚马逊或你最喜欢的自动取款机（ATM）上。
我们使用cookie来个性化我们的网站，并分析网络流量以改善用户体验。您可以拒绝这些Cookie，尽管没有它们，站点的某些区域可能无法运行。请参考我们的隐私政策了解更多信息。
允许基本Cookie
基本现场操作所需。
允许分析Cookie
用于分析网络流量以改善用户体验。
允许营销Cookie
用于提供个性化信息和定制通信。