Transfer-Learning fuer ein Pharma-Foundation-Modell auf molekulare Eigenschaften
Übersicht
Worum es bei diesem Projekt geht.
Wähle ein Foundation-Modell, trainiere es auf 4 ADMET-Endpunkte und vergleiche es mit einer Baseline. Erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Entscheide pro ADMET-Endpunkt, ob Transfer-Learning aus einem Foundation-Modell die interne Random-Forest-Baseline schlaegt.
Earning criteria — what you'll demonstrate
- Foundation-Modelle in einer Domaene jenseits NLP/CV produktiv einsetzen
- Linear Probing und vollstaendiges Fine-Tuning als Transfer-Varianten gegeneinanderstellen
- Per-Endpunkt-Bewertung statt globaler Aussage liefern
- Aufwand-/Nutzen-Empfehlungen fuer regulierte Pharma-Forschung verteidigen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Meta-Learning, Transfer Learning, and Multi-Task Learning
Master · Ai Ml
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenML Researcher
Foundation-Modelle in einer Spezialdomaene wie Pharma einzusetzen ist eine aktuelle Forschungsfrage — Pharma-Konzerne stellen aktiv ML-Forscher:innen fuer genau diese Arbeit ein.
Dieses Projekt schärft
- transfer-learning
- foundation-models
- molecular-ml
Research Scientist
Per-Endpunkt-Bewertung und Trade-off-Analyse zwischen Linear Probing und Fine-Tuning ist eine senior-typische Research-Scientist-Disziplin.
Dieses Projekt schärft
- fine-tuning
- model-evaluation
- transfer-learning
Applied AI Scientist
Foundation-Modelle gegen klassische Baselines fair zu pruefen ist die taegliche Uebersetzung von angewandter KI in Pharma-Forschungsabteilungen.
Dieses Projekt schärft
- transfer-learning
- foundation-models
- model-evaluation
Noch eine Sache