XiaoMi-AI文件搜索系统
World File Search SystemHiPerGator
建立人工智能大学：管理员指南
为什么佛罗里达大学早在 2020 年就开始了人工智能之旅？这次旅程的灵感来自 Chris Malachowsky。他是佛罗里达大学的校友，也是生产图形处理单元 (GPU) 的公司 NVIDIA 的联合创始人。虽然 GPU 最初驱动计算机图形（如在视频游戏中），但它们也成为当前为人工智能超级计算机的计算能力提供动力的首选硬件。Malachowsky 在 2020 年初向佛罗里达大学提供了一台人工智能超级计算机，佛罗里达大学承诺教授“跨课程人工智能”，这在当时是前所未有的概念。NVIDIA 首席执行官 Jensen Huang 和 NVIDIA 与 Malachowsky 合作，将这台超级计算机赠送给佛罗里达大学。在 COVID-19 大流行期间，NVIDIA 和佛罗里达大学信息技术部门的工作人员英勇地交付了 HiPerGator，并花了两个月的时间将其零部件组装起来，这是一个值得在另一个时间和地点讲述的故事。组件于 2020 年 11 月开始交付。在两家员工的共同专业知识的帮助下，HiPerGator 于 2021 年 2 月投入运行，佛罗里达大学开始将其愿景从简单地教授“跨课程人工智能”扩展到“成为一所人工智能大学”。
应用机器学习系统-UF ECE
•利用人工智能（AI），机器学习（ML）和深度学习（DL）工具的术语。•设计并进行有意义的实验来评估ML模型的性能。•确定用于应用程序和/或任务的ML模型。•识别并解释ML模型的优势和局限性。•选择成功的适当指标。•在代码中实施了几种使用最先进的现成库的ML模型。材料和供应费用在下降和添加周后不需要教科书和软件，所有注册的学生都将被添加到整个学期的计算资源的hipergator组中。如果您希望使用自己的系统参加课程活动，则需要安装以下软件的计算机：
MCB4324计算基因组学和表观基因组学
Meixia Zhao博士1006，微生物学和细胞科学电话：352-273-3715电子邮件：meixiazhao@ufl.edu办公室时间：星期一和星期三5:00 pm-6：00 pm或通过通过canvas下的Zoom Conferences进行预约。课程描述基因组学和表观基因组学利用高通量测序技术来理解生物学问题。本课程的主要目标是在（EPI）基因组学中介绍历史，理论，最新进步和计算方法，以进行大规模的基因组分析。课程主题包括序列比对，基因组组装和注释，变体鉴定，转录组学，小RNA，DNA甲基化，组蛋白修饰，开放染色质区域和3D染色质相互作用。课程成功完成本课程后，学生应该能够：•使用UNIX中的基本命令技能。•掌握了基因组学和表观基因组学的基本概念和方法。•识别并区分不同计算方法和方法的优点和缺点。•在分析不同类型的高通量基因组数据中采用并比较计算方法和方法。•解释由不同的计算方法和方法生成的数据。课程网站登录通过CANVAS https://elearning.ufl.edu/课程pre-Requousides：BSC 2891或STA 2023或MCB 3020或MCB 3023或PCB 3023或PCB 3063或BSC 4434C或MCB 4325C或MCB 4325C或允许的教师的许可。我们将使用的许多计算工具都安装在嘻哈超级计算机上。每个学生都将在史型活动unix服务器上提供用户帐户。需要访问课程UNIX服务器以完成实验室练习和作业。重要日期•期中考试：22-26，2025。•期末考试：4月26日至2025年。不需要教科书信息教科书。在每个班级之前，PDF和其他相关文档将在线策划和可访问。此外，还将提供补充讲义供您审查。
春季2025年 - 植物病理学 - 佛罗里达大学
2个学时课程描述植物病理学实用研究应用的生物信息学培训。分析有关病毒，真菌和卵形植物病原体的OMICS数据，开发了用于大型数据集分析的定制管道，并得到了实际案例研究的支持。先决条件假设对生物学和遗传学的基本理解，尤其是在植物病原体和宿主分子相互作用的背景下。虽然对介绍性生物信息学概念和unix/linux命令行的知识很有帮助，但这并不是严格的要求。提取前培训的学生参加与集群，文件传输，基本UNIX命令和Slurm提交脚本的连通性的小型讲习班。（https://help.rc.ufl.edu/doc/training）。完成本课程后的课程目标，学生将能够：
GIS 4123C：GeoAI – 地理人工智能（3 个学分）
David Keellings 博士 T 10:40-12:35 R 11:45-12:35 3006 Turlington Hall 2023 年春季办公时间 星期三晚上 10:00 - 12:00，其他时间仅限预约 办公室：3117 Turlington Hall 电子邮件：djkeellings@ufl.edu 注意：为获得最佳效果 - 利用办公时间。如果您在学习课程时遇到困难，请尽早来找我，以便我为您提供帮助。课程描述 学生将学习 GeoAI 的基本概念和广泛使用的方法。地理与人工智能的融合，或 GeoAI（空间数据科学的一个子领域），为解决自然环境和人类社会中的各种地理空间问题提供了新颖的方法。所有实验室都将使用真实世界的地理空间数据进行动手实践，以解决诸如线性模型、基于树的方法、空间交叉验证、超级学习、深度学习和可解释人工智能等人工智能主题。学生将受益于探索物理和社会数据集的混合以及利用 UF 的超级计算机 HiPerGator 进行分析任务的作业。本课程将整合物理和社会科学的观点，以确定和描述什么是地理人工智能，我们可以使用这些工具回答什么样的问题，以及如何将它们应用于现实世界的数据。学生学习目标 本课程的主要目标是培养学生对地理人工智能的原理、技术和应用的知识和理解。指定的练习促进了“动手”理解方法，以及探索和创造的具有挑战性的途径。具体来说，课程目标是让学生能够：
位置：植物分子生物学的博士后研究人员
职位：植物分子生物学的博士后研究人员在佛罗里达大学农业与生命科学学院的Swathi Nadakuduti博士实验室提供了博士后研究职位。开始日期：早在2024年7月，该职位将保持开放，直到填补并开始启动日期。当前博士学位还鼓励即将毕业的学生申请。位置详细信息：Nadakuduti Lab有兴趣使用番茄作为模型系统来解剖果实光合作用的分子机制。DIV将负责通过OMICS数据集的整合来设计假设驱动的研究。博士后将有机会在佛罗里达大学参与分子植物育种，植物生物化学和植物生物技术研究领域的合作小组。博士后预计将培训并为学生和其他实验室成员提供建议。技能：该博士后职位的理想候选者将在以下一个或多个领域具有专业知识：植物分子生物学，植物育种和遗传学，生物信息学。在以下技能集中有经验的候选人：GWAS，基因调控网络的构建，单细胞或散装RNA-Seq，基于CRISPR的基因编辑，EMSA，DAP-SEQ，与番茄模型系统一起工作。博士后预计将学习新技能，并为佛罗里达大学的一个富有成效的合作小组做出贡献。预计博士后将及时发布经同行评审的手稿，并在国家/国际会议上提出研究结果。资格：博士学位在植物生物学，植物育种和遗传学中，植物生物技术或相关领域；以及科学出版物，出色的组织，沟通和人际交往能力的记录；申请人必须能够在研究团队中独立和与他人一起工作。可用于DOSTOC的资金可在联邦资助的赠款中获得。最初的任命为1年，每年可再生。续签任命将取决于研究项目的成功。感兴趣的申请人应发送一个PDF，其中包括：i）研究声明，其中包括候选人在任职期间以postdoc II）II）ii）CV所需提供的研究兴趣和技能来提供的研究兴趣和技能。有关实验室的信息可以在此处找到：Nadakudutilab。关于佛罗里达大学：佛罗里达大学是一家土地授予，授予海洋和太空赠款机构，涵盖了几乎所有的学术和专业学科，招收了60,000多名学生。uf是美国大学协会的成员。食品和农业科学研究所（http://ifas.ufl.edu）包括农业与生命科学学院，佛罗里达农业实验站，佛罗里达州合作推广服务局，佛罗里达海洋兽医学院，佛罗里达海洋助学金，佛罗里达海洋学院，遍布整个阶层，在整个班克斯的学术上，教育范围和教育。佛罗里达大学（UF）主校园位于佛罗里达州盖恩斯维尔。UF拥有多个核心设施，可服务于研究的各个方面，包括生物技术研究中心，该研究中心具有下一代测序和分析，高性能计算hipergerating Hipergator，蛋白质组学和质谱核心设施。