化學中的機器學習：針對本科生的數據中心、實踐導向的機器學習入門課程 1. 這門創新的課程，化學中的機器學習（MLChem），專為本科生設計，旨在彌合傳統化學教育與現代機器學習技術之間的鴻溝。它使用真實的化學數據集介紹基本的機器學習算法，確保與該領域的即時相關性。 2. MLChem 從基本的機器學習算法（如聚類和回歸）進展到先進的神經網絡架構，包括 CNN、GNN 和 RNN。課程還涵蓋了前沿主題，如用於逆合成的強化學習和基於 AI 的力場，為學生提供基礎知識和接觸前沿應用的機會。 3. MLChem 的一個關鍵特點是其實踐導向的方法。學生使用真實的化學數據集，如小分子溶解度數據集和肽活性數據集，來發展分子特徵化、降維和性質預測的實用技能。作業以研究啟發的挑戰為模型，為學生準備真實世界的應用。 4. 課程強調分子表示的重要性，向學生介紹分子可以被編碼的各種方式，如 3D 坐標、圖結構和 SMILES 字串。這些基礎知識幫助學生理解不同的表示如何影響化學中的模型結果。 5. MLChem 還包括有關先進應用的講座，如使用 Transformers 進行化學語言建模和微調蛋白質語言模型。這些主題展示了基本的機器學習概念如何與化學中的尖端科學進展相連接。 6. 課程材料，包括 Jupyter 筆記本和家庭作業，通過課程網站公開提供。這種開放訪問使全球的學生和教育工作者都能受益於這些資源，並根據自己的學習和教學需求進行調整。 📜論文： #MachineLearning #Chemistry #Education #Undergraduate #DataScience #NeuralNetworks #Research