Übersicht
Worum es bei diesem Projekt geht.
Trainiere einen Sequence-VAE auf 280.000 Pharma-SMILES, bewerte Rekonstruktion und Glattheit, erhalte ein verifizierbares Zertifikat.
Das Briefing
Was Du tust und was Du zeigst.
Lerne mit einem Sequence-VAE einen glatten Latentraum ueber SMILES und nutze ihn zur Generierung von Kandidaten in der Naehe bekannter Hits.
Earning criteria — what you'll demonstrate
- Variational Autoencoder als latente Generative Models verstehen und implementieren
- ELBO-Loss mit KL-Annealing kontrolliert trainieren
- Latentraum-Qualitaet mit aufgaben-spezifischen Metriken bewerten
- Generative Modelle in einer regulierten Forschungs-Domaene argumentativ einordnen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Probabilistic Machine 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
Einen Sequence-VAE auf einem realen Pharma-Datensatz zu trainieren, sauber zu evaluieren und gegen Baselines zu argumentieren ist die Standardarbeit eines Junior-ML-Researchers in einer Pharma-Cheminformatik-Gruppe.
Dieses Projekt schärft
- variational-autoencoders
- generative-models
- latent-space-analysis
Applied AI Scientist
Variational Inference und VAE-Training auf einer regulierten, hochwertigen Domaene anzuwenden und Forschungsergebnisse einer wissenschaftlichen Gruppe aufzubereiten ist klassische Applied-AI-Arbeit.
Dieses Projekt schärft
- variational-inference
- variational-autoencoders
- cheminformatics
Research Scientist
Generative Modelle gegen aufgaben-spezifische Validitaets- und Neuartigkeitsmetriken zu validieren und ehrlich Limitationen zu beschreiben ist Kerngebiet wissenschaftlicher Forschung.
Dieses Projekt schärft
- generative-models
- latent-space-analysis
- pytorch
Noch eine Sache