化学中的机器学习：面向本科生的数据中心、实践导向的机器学习入门课程 1. 这门创新课程《化学中的机器学习》（MLChem）专为本科生设计，弥合传统化学教育与现代机器学习技术之间的差距。它使用真实的化学数据集介绍基本的机器学习算法，确保与该领域的即时相关性。 2. MLChem 从基本的机器学习算法（如聚类和回归）进展到先进的神经网络架构，包括 CNN、GNN 和 RNN。课程还涵盖了前沿主题，如用于逆合成的强化学习和基于 AI 的力场，为学生提供基础知识和前沿应用的接触。 3. MLChem 的一个关键特点是其实践导向。学生使用真实的化学数据集，如小分子溶解度数据集和肽活性数据集，来发展分子特征化、降维和属性预测的实用技能。作业以研究启发的挑战为模型，帮助学生为现实世界的应用做好准备。 4. 课程强调分子表示的重要性，向学生介绍分子编码的各种方式，如 3D 坐标、图结构和 SMILES 字符串。这一基础知识帮助学生理解不同表示如何影响化学中的模型结果。 5. MLChem 还包括关于高级应用的讲座，如使用 Transformers 进行化学语言建模和微调蛋白质语言模型。这些主题展示了基本的机器学习概念如何与化学中的尖端科学进展相连接。 6. 课程材料，包括 Jupyter 笔记本和家庭作业，均可通过课程网站公开获取。这种开放访问使全球的学生和教育工作者能够受益于这些资源，并根据自己的学习和教学需求进行调整。 📜论文： #MachineLearning #Chemistry #Education #Undergraduate #DataScience #NeuralNetworks #Research