کتاب روش‌های یادگیری ماشین آماری چندمتغیره در پیش‌بینی ژنومی اثر اﺳﻮال آﻧﺘﻮﻧﯿﻮ ﻣﻮنته سینوس لوپز نشر انتشارات دانشگاه شهید بهشتی

یادگیری ماشین از زیرمجموعه‌های هوش مصنوعی است که به ماشین امکان می‌دهد به‌صورت خودکار از داده‌های گذشته، بدون برنامه‌نویسی صریح، یاد بگیرد. هوش مصنوعی گونه‌ای فنّاوری است که به ماشین امکان شبیه‌سازی رفتار انسان را می‌دهد. هدف هوش مصنوعی ایجاد سیستم رایانه‌ای هوشمند، مانند انسان، برای حل مشکلات پیچیده است. یادگیری ماشین الگوها را در داده‌ها پیدا می‌کند و آن‌ها را برای پیش‌بینی به کار می‌گیرد. با استفاده از نرم‌افزار‌های معمول، مشخص می‌کنیم رایانه چه کاری انجام دهد و با استفاده از داده‌هایی که به آن وارد می‌شود، چگونه پاسخ را پردازش کند. حجم داده‌های در دسترس پی‌درپی رو به افزایش است. ماشین‌ها از این داده‌ها برای یادگیری و بهبود نتایج و ارائۀ آن‌ها استفاده می‌کنند. این نتایج می‌تواند در بیان بینش‌های ارزشمند و همچنین اتخاذ تصمیمات تجاری آگاهانه بسیار مفید باشد. یادگیری ماشین روش منحصربه‌فرد مناسبی برای مقابله با چالش‌های حوزۀ ژنتیک، اصلاح نژاد و بیوتکنولوژی گیاهی، دام و طیور است. این شیوه پیش‌بینی‌های دقیق، تصمیم‌گیری خودکار و ایجاد راه‌حل‌های نوآورانه برای مسائل پیچیده در علوم گیاهی و دامی را، با استفاده از الگوریتم‌هایی که می‌توانند الگوها را از داده‌ها بیاموزند، امکان‌پذیر می‌کند. برخلاف روش‌های آماری رایج، که اغلب خطی بودن و استقلال را در بین متغیرها فرض می‌کنند، یادگیری ماشین قادر است روابط و تعاملات غیرخطی بین عوامل ژنومی، محیطی و فنوتیپی را ثبت کند. یکی از مزیت‌های مهم این شیوه توانایی تحلیل داده‌های دارای ابعاد بالاست. در آیندۀ نزدیک که اطلاعات ژنوتیپی گسترده یا حجم بسیار بالای اطلاعات توالی‌یابی ژنومی در دسترس قرار خواهد گرفت (و توانایی روش‌های رایج به چالش کشیده خواهد شد)، یادگیری ماشین به‌خوبی از عهدۀ تحلیل چنین داده‌هایی بر خواهد آمد.