Course: ML и AI в химическом дизайне биологически активных соединений

Section outline

Select section Машинное обучение и искусственный интеллект в химическом дизайне биологически активных соединений

Collapse Expand
Машинное обучение и искусственный интеллект в химическом дизайне биологически активных соединений

Collapse all Expand all
- Select activity Текст и медиа
- Select activity Важные ссылки: Форум в Telegram (анонсы, помощь, п...
  
  Важные ссылки:
  
  Форум в Telegram (анонсы, помощь, полезные ссылки и др.)
  
  Связь с куратором (самые важные рассылки)
  
  Папка со всеми материалами (лекции + лабы)
Select section Модуль 1. Введение в программирование на Python, работа с химико-биологическими данными

Collapse Expand
Модуль 1. Введение в программирование на Python, работа с химико-биологическими данными
- Select activity 1. 📝 Лекция "Компьютерные представления молекул и дескрипторы"
  
  1. 📝 Лекция "Компьютерные представления молекул и дескрипторы" Quiz
  
  Students must
  
  Receive a grade
- Select activity 2. 💻 Лабораторная "Python, RDKit"
  
  2. 💻 Лабораторная "Python, RDKit" Quiz
  
  Students must
  
  Receive a grade
  
  ❗️МАТЕРИАЛЫ ПРАКТИКИ:
  
  запись занятия
  
  примеры кода в colab
- Select activity 3. 📝 Лекция "Профессиональные базы химических и биологических данных"
  
  3. 📝 Лекция "Профессиональные базы химических и биологических данных" Quiz
  
  Students must
  
  Receive a grade
- Select activity 4. 📝 Лекция "Виды биологической активности. Механизмы действия лекарственных форм в живых организмах"
  
  4. 📝 Лекция "Виды биологической активности. Механизмы действия лекарственных форм в живых организмах" Quiz
  
  Students must
  
  Receive a grade
- Select activity 5. 📝 Лекция "Основы статистики и статистические тесты"
  
  5. 📝 Лекция "Основы статистики и статистические тесты" Quiz
  
  Students must
  
  Receive a grade
- Select activity 6. 💻 Лабораторная "Pandas + RDkit"
  
  6. 💻 Лабораторная "Pandas + RDkit" Quiz
  
  Students must
  
  Receive a grade
- Select activity 7. 💻 Лабораторная "Статистические тесты в Python"
  
  7. 💻 Лабораторная "Статистические тесты в Python" Quiz
  
  Students must
  
  Receive a grade
- Select activity 8. 💻 Лабораторная "Визуализация данных в python"
  
  8. 💻 Лабораторная "Визуализация данных в python" Quiz
  
  Students must
  
  Receive a grade
- Select activity 9. Лабораторная "Работа с профессиональными БД"
  
  9. Лабораторная "Работа с профессиональными БД" Quiz
  
  Students must
  
  Receive a grade
- Select activity 10. Лабораторная работа по библиотеке "PubChemPy"
  
  10. Лабораторная работа по библиотеке "PubChemPy" Quiz
  
  Students must
  
  Receive a grade
  
  ❗️ Запись занятия тут
  
  ❗️ Папка с примера кода
- Select activity ❗️Итоговая работа по 1 модулю
  
  ❗️Итоговая работа по 1 модулю Quiz
  
  Opened: Tuesday, 11 November 2025, 6:00 PM
  
  Students must
  
  Receive a grade
Select section Модуль 2. Методы машинного обучения. QSAR и QSPR-моделирование, основы нейросетей и их обучение

Collapse Expand
Модуль 2. Методы машинного обучения. QSAR и QSPR-моделирование, основы нейросетей и их обучение
- Select activity 📝 1. Лекция "Этапы построения моделей ML. Валидация моделей."
  
  📝 1. Лекция "Этапы построения моделей ML. Валидация моделей." Quiz
  
  Students must
  
  Receive a grade
- Select activity 📝 2. Лекция "Методы KNN и линейной регрессии"
  
  📝 2. Лекция "Методы KNN и линейной регрессии" Quiz
  
  Students must
  
  Receive a grade
- Select activity 📝 3. Лекция "Регуляризация. Решающие деревья"
  
  📝 3. Лекция "Регуляризация. Решающие деревья" Folder
  
  Students must
  
  Mark as done
- Select activity 💻 Лабораторная работа "Линейная регрессия, kNN, деревья решений"
  
  💻 Лабораторная работа "Линейная регрессия, kNN, деревья решений" Quiz
  
  Students must
  
  Receive a grade
- Select activity 📝 4. Лекция "Вероятностные модели"
  
  📝 4. Лекция "Вероятностные модели" Folder
  
  Students must
  
  Mark as done
- Select activity 📝 5-6. Лекции "Ансамблевые методы. Введение в нейронные сети. Задачи регрессии и классификации"
  
  📝 5-6. Лекции "Ансамблевые методы. Введение в нейронные сети. Задачи регрессии и классификации" Folder
  
  Students must
  
  Mark as done
- Select activity 📝 7-8. Лекции "Функция ошибок. Метод наискорейшего спуска. Рекуррентные нейронные сети и вариационные автоэнкодеры"
  
  📝 7-8. Лекции "Функция ошибок. Метод наискорейшего спуска. Рекуррентные нейронные сети и вариационные автоэнкодеры" Folder
  
  Students must
  
  Mark as done
- Select activity 📝 9. Лекция "Теория графов. Граф молекулы. Графовые нейросети"
  
  📝 9. Лекция "Теория графов. Граф молекулы. Графовые нейросети" Folder
  
  Students must
  
  Mark as done
- Select activity 💻 Лабораторная работа "Ансамблевые методы машинного обучения"
  
  💻 Лабораторная работа "Ансамблевые методы машинного обучения" Quiz
  
  Students must
  
  Receive a grade
- Select activity Тест по лекциям 4-9.
  
  Тест по лекциям 4-9. Quiz
  
  Students must
  
  Receive a grade
Select section Модуль 3. Методы молекулярного моделирования для дизайна биологически активных веществ

Collapse Expand
Модуль 3. Методы молекулярного моделирования для дизайна биологически активных веществ
- Select activity Практическая работа 1. Программы для молекулярного моделирования
  
  Практическая работа 1. Программы для молекулярного моделирования Quiz
  
  Students must
  
  Receive a grade
  
  ❗️ Запись занятия по работе в HyperChem
  ❗️ Где можно скачать программу(обязательно посмотри файлик "как установить HyperChem")
  ❗️ Инструкцию по работе в HyperChem можно скачать тут
Select section 2024/25 год

Collapse Expand
2024/25 год

Not available

Section outline

Машинное обучение и искусственный интеллект в химическом дизайне биологически активных соединений

Модуль 1. Введение в программирование на Python, работа с химико-биологическими данными

Модуль 2. Методы машинного обучения. QSAR и QSPR-моделирование, основы нейросетей и их обучение

Модуль 3. Методы молекулярного моделирования для дизайна биологически активных веществ

2024/25 год