Uczenie maszynowe w chemii: Kurs wprowadzający do uczenia maszynowego skoncentrowany na danych, przeznaczony dla studentów studiów licencjackich 1. Ten innowacyjny kurs, Uczenie Maszynowe w Chemii (MLChem), został zaprojektowany specjalnie dla studentów studiów licencjackich, łącząc tradycyjne kształcenie w dziedzinie chemii z nowoczesnymi technikami uczenia maszynowego. Wprowadza podstawowe algorytmy ML, wykorzystując autentyczne zbiory danych chemicznych, zapewniając natychmiastową istotność w tej dziedzinie. 2. MLChem przechodzi od podstawowych algorytmów ML, takich jak klasteryzacja i regresja, do zaawansowanych architektur sieci neuronowych, w tym CNN, GNN i RNN. Kurs obejmuje również nowoczesne tematy, takie jak uczenie przez wzmocnienie dla retrosyntezy i pola sił oparte na AI, zapewniając studentom zarówno podstawową wiedzę, jak i dostęp do nowatorskich zastosowań. 3. Kluczową cechą MLChem jest jego praktyczne podejście. Studenci pracują z rzeczywistymi zbiorami danych chemicznych, takimi jak zbiór danych o rozpuszczalności małych cząsteczek i zbiór danych o aktywności peptydów, aby rozwijać praktyczne umiejętności w zakresie featuryzacji molekularnej, redukcji wymiarowości i prognozowania właściwości. Zadania są modelowane na wyzwaniach inspirowanych badaniami, przygotowując studentów do zastosowań w rzeczywistym świecie. 4. Kurs podkreśla znaczenie reprezentacji molekularnej, wprowadzając studentów w różne sposoby kodowania cząsteczek, takie jak współrzędne 3D, struktury grafowe i ciągi SMILES. Ta podstawowa wiedza pomaga studentom zrozumieć, jak różne reprezentacje wpływają na wyniki modeli w chemii. 5. MLChem obejmuje również wykłady na temat zaawansowanych zastosowań, takich jak wykorzystanie Transformerów do modelowania języka chemicznego i dostrajania modeli językowych białek. Te tematy pokazują, jak podstawowe koncepcje ML łączą się z najnowocześniejszymi osiągnięciami naukowymi w chemii. 6. Materiały kursowe, w tym notatniki Jupyter i zadania domowe, są publicznie dostępne na stronie internetowej kursu. Ten otwarty dostęp pozwala studentom i nauczycielom na całym świecie korzystać z zasobów i dostosowywać je do własnych potrzeb w zakresie nauki i nauczania. 📜Artykuł: #MachineLearning #Chemistry #Education #Undergraduate #DataScience #NeuralNetworks #Research