Machine Learning in Chemistry: Un Corso Introduttivo Pratico e Centrato sui Dati di Machine Learning per Studenti Universitari 1. Questo corso innovativo, Machine Learning in Chemistry (MLChem), è progettato specificamente per studenti universitari, colmando il divario tra l'istruzione tradizionale in chimica e le moderne tecniche di machine learning. Introduce algoritmi fondamentali di ML utilizzando dataset chimici autentici, garantendo una rilevanza immediata nel campo. 2. MLChem progredisce da algoritmi di ML di base come clustering e regressione a architetture avanzate di reti neurali, inclusi CNN, GNN e RNN. Il corso tratta anche argomenti all'avanguardia come l'apprendimento per rinforzo per la retrosintesi e i campi di forza basati su AI, fornendo agli studenti sia conoscenze fondamentali che esposizione ad applicazioni all'avanguardia. 3. Una caratteristica chiave di MLChem è il suo approccio pratico. Gli studenti lavorano con veri dataset chimici, come il dataset di solubilità delle piccole molecole e il dataset di attività dei peptidi, per sviluppare competenze pratiche nella featurizzazione molecolare, riduzione dimensionale e previsione delle proprietà. I compiti sono modellati su sfide ispirate alla ricerca, preparando gli studenti per applicazioni nel mondo reale. 4. Il corso sottolinea l'importanza della rappresentazione molecolare, introducendo gli studenti a vari modi in cui le molecole possono essere codificate, come coordinate 3D, strutture grafiche e stringhe SMILES. Questa conoscenza fondamentale aiuta gli studenti a comprendere come diverse rappresentazioni influenzano i risultati dei modelli in chimica. 5. MLChem include anche lezioni su applicazioni avanzate, come l'uso dei Transformers per la modellazione del linguaggio chimico e il fine-tuning dei modelli di linguaggio delle proteine. Questi argomenti dimostrano come i concetti fondamentali di ML si colleghino ai progressi scientifici all'avanguardia in chimica. 6. I materiali del corso, inclusi i notebook Jupyter e i compiti a casa, sono disponibili pubblicamente attraverso il sito web del corso. Questo accesso aperto consente a studenti ed educatori di tutto il mondo di beneficiare delle risorse e di adattarle per le proprie esigenze di apprendimento e insegnamento. 📜Carta: #MachineLearning #Chemistry #Education #Undergraduate #DataScience #NeuralNetworks #Research