Machine Learning in Chemistry: Een Data-gecentreerde, Praktische Introductiecursus Machine Learning voor Undergraduate Studenten 1. Deze innovatieve cursus, Machine Learning in Chemistry (MLChem), is speciaal ontworpen voor undergraduate studenten en overbrugt de kloof tussen traditionele chemie-educatie en moderne machine learning-technieken. Het introduceert fundamentele ML-algoritmen met behulp van authentieke chemische datasets, wat zorgt voor directe relevantie voor het vakgebied. 2. MLChem vordert van basis ML-algoritmen zoals clustering en regressie naar geavanceerde neurale netwerkarchitecturen, waaronder CNN's, GNN's en RNN's. De cursus behandelt ook baanbrekende onderwerpen zoals reinforcement learning voor retrosynthese en AI-gebaseerde krachtvelden, waardoor studenten zowel fundamentele kennis als blootstelling aan grensverleggende toepassingen krijgen. 3. Een belangrijk kenmerk van MLChem is de praktische benadering. Studenten werken met echte chemische datasets, zoals de dataset voor oplosbaarheid van kleine moleculen en de dataset voor peptideactiviteit, om praktische vaardigheden te ontwikkelen in moleculaire featurisatie, dimensionaliteitsreductie en eigenschapsvoorspelling. Opdrachten zijn gemodelleerd naar onderzoek geïnspireerde uitdagingen, waardoor studenten worden voorbereid op toepassingen in de echte wereld. 4. De cursus benadrukt het belang van moleculaire representatie en introduceert studenten in verschillende manieren waarop moleculen kunnen worden gecodeerd, zoals 3D-coördinaten, grafstructuren en SMILES-strings. Deze fundamentele kennis helpt studenten te begrijpen hoe verschillende representaties de modeluitkomsten in de chemie beïnvloeden. 5. MLChem omvat ook lezingen over geavanceerde toepassingen, zoals het gebruik van Transformers voor chemische taalkundige modellering en het fijn afstemmen van eiwit-taalmodellen. Deze onderwerpen tonen aan hoe fundamentele ML-concepten verbonden zijn met de meest geavanceerde wetenschappelijke vooruitgangen in de chemie. 6. De cursusmaterialen, waaronder Jupyter-notebooks en huiswerkopdrachten, zijn openbaar beschikbaar via de cursuswebsite. Deze open toegang stelt studenten en docenten wereldwijd in staat om van de middelen te profiteren en deze aan te passen voor hun eigen leer- en onderwijsbehoeften. 📜Paper: #MachineLearning #Chemistry #Education #Undergraduate #DataScience #NeuralNetworks #Research