Strojové učení v chemii: Datově zaměřený, praktický úvodní kurz strojového učení pro vysokoškolské studenty 1. Tento inovativní kurz, Machine Learning in Chemistry (MLChem), je navržen speciálně pro vysokoškolské studenty a překlenuje propast mezi tradičním chemickým vzděláváním a moderními technikami strojového učení. Zavádí základní algoritmy strojového učení pomocí autentických chemických datových sad, které zajišťují okamžitou relevanci k oboru. 2. MLChem postupuje od základních algoritmů ML, jako je shlukování a regrese, k pokročilým architekturám neuronových sítí, včetně CNN, GNN a RNN. Kurz také pokrývá špičková témata, jako je zpětnovazební učení pro retrosyntézu a silová pole založená na umělé inteligenci, a poskytuje studentům jak základní znalosti, tak vystavení hraničním aplikacím. 3. Klíčovým rysem MLChem je jeho praktický přístup. Studenti pracují se skutečnými chemickými datovými sadami, jako je datová sada rozpustnosti malých molekul a datová sada aktivity peptidů, aby rozvíjeli praktické dovednosti v molekulární featurizaci, redukci dimenzionality a predikci vlastností. Úkoly jsou modelovány na základě výzev inspirovaných výzkumem a připravují studenty na aplikace v reálném světě. 4. Kurz zdůrazňuje důležitost molekulární reprezentace a seznamuje studenty s různými způsoby, jak lze molekuly kódovat, jako jsou 3D souřadnice, struktury grafů a řetězce SMESES. Tyto základní znalosti pomáhají studentům pochopit, jak různé reprezentace ovlivňují výsledky modelů v chemii. 5. MLChem také zahrnuje přednášky o pokročilých aplikacích, jako je použití Transformers pro chemické modelování jazyka a jemné doladění proteinových jazykových modelů. Tato témata ukazují, jak se základní koncepty ML spojují s nejmodernějšími vědeckými pokroky v chemii. 6. Materiály kurzu, včetně sešitů Jupyter a domácích úkolů, jsou veřejně dostupné na webových stránkách kurzu. Tento otevřený přístup umožňuje studentům a pedagogům po celém světě využívat zdroje a přizpůsobovat je svým vlastním vzdělávacím a výukovým potřebám. 📜Papír: #MachineLearning #Chemistry #Education #Undergraduate #DataScience #NeuralNetworks #Research