Использование ИИ в задачах современной химии и материаловедения». Лекция 1
📢 Новый фундаментальный курс «Программное обеспечение для решения задач современной химии», который реализуется в Южном федеральном университете в рамках магистерской программы «Полифункциональные материалы»! В первой лекции доктор технических наук, профессор ДГТУ Николай Владимирович Лимаренко погружает в одну из перспективных областей современной науки — применение искусственного интеллекта (ИИ) в современной химии и материаловедении. ▶️ Эта лекция — ваш проводник в мир, где химия встречается с Data Science. Профессор Лимаренко доступным языком объясняет сложнейшие концепции: от базовых определений до архитектуры графовых и генеративных нейросетей. Вы узнаете: 🔶Что такое искусственный интеллект, машинное обучение (ML) и Data Science на самом деле? 🔶Как устроены нейросети и какие алгоритмы лежат в их основе? 🔶Какие конкретные задачи решает ИИ в химии и материаловедении? 🔶Почему молекулярные дескрипторы так важны и как их «оцифровать» для анализа? 🔶Как выглядит применение ИИ на практике на примере реального кейса. 📚 Лекция будет полезна студентам, аспирантам, научным сотрудникам и всем, кто интересуется будущим химической науки и IT. 🎓 Спикер: Николай Владимирович Лимаренко — доктор технических наук, профессор Донского государственного технического университета (ДГТУ). 0:00-0:45 Вступление и приветствие. 0:46-9:00 ИИ, ML и Data Science. Общие определения и положения. 9:01-16:55 Общие представления об устройстве ИИ. 16:56-21:39 Специфика и ограничения. 21:40-27:08 Архитектура ИИ. ML алгоритмы. 27:09-28:11 Архитектура ИИ. Глубокое обучение и нейросети с обратной связью. 28:12-31:34 Архитектура ИИ. Графовые нейросети (GNN) с обратными связями. 31:35-32:39 Архитектура ИИ. Генеративные модели с обратными связями. 32:40-34:13 Ансамблевые архитектуры. 34:14-35:22 Задачи для ИИ в химии и материаловедении. 35:23-37:55 Классификация. 37:56-40:57 Регрессия. 40:58-44:09 Кластеризация. 44:10-48:22 Прогнозирование временных рядов. 48:23-52:53 Практический кейс. 52:54-56:13 Практический кейс и работа с данными. 56:14-1:00:08 Текстовые генеративные модели. 1:00:09-1:04:00 Молекулярные дескрипторы и инструменты их цифровизации. 1:04:01-1:11:35 Молекулярные дескрипторы и их значимость в исследованиях. 1:11:36-1:12:10 Заключение. Видеокурс «Программное обеспечение для решения задач современной химии» — это совместный проект, созданный талантливыми учеными из ведущих вузов страны. Платформа «Знаниум» с гордостью поддерживает научные таланты и современные образовательные технологии. Наша цель — способствовать развитию научного сообщества, предоставляя информационную площадку для обмена передовыми знаниями. 🔔 Подписывайтесь на наш канал, чтобы не пропустить следующие лекции курса! 👍 Ставьте лайк, если тема вам интересна. 💬 Оставляйте ваши вопросы в комментариях!
📢 Новый фундаментальный курс «Программное обеспечение для решения задач современной химии», который реализуется в Южном федеральном университете в рамках магистерской программы «Полифункциональные материалы»! В первой лекции доктор технических наук, профессор ДГТУ Николай Владимирович Лимаренко погружает в одну из перспективных областей современной науки — применение искусственного интеллекта (ИИ) в современной химии и материаловедении. ▶️ Эта лекция — ваш проводник в мир, где химия встречается с Data Science. Профессор Лимаренко доступным языком объясняет сложнейшие концепции: от базовых определений до архитектуры графовых и генеративных нейросетей. Вы узнаете: 🔶Что такое искусственный интеллект, машинное обучение (ML) и Data Science на самом деле? 🔶Как устроены нейросети и какие алгоритмы лежат в их основе? 🔶Какие конкретные задачи решает ИИ в химии и материаловедении? 🔶Почему молекулярные дескрипторы так важны и как их «оцифровать» для анализа? 🔶Как выглядит применение ИИ на практике на примере реального кейса. 📚 Лекция будет полезна студентам, аспирантам, научным сотрудникам и всем, кто интересуется будущим химической науки и IT. 🎓 Спикер: Николай Владимирович Лимаренко — доктор технических наук, профессор Донского государственного технического университета (ДГТУ). 0:00-0:45 Вступление и приветствие. 0:46-9:00 ИИ, ML и Data Science. Общие определения и положения. 9:01-16:55 Общие представления об устройстве ИИ. 16:56-21:39 Специфика и ограничения. 21:40-27:08 Архитектура ИИ. ML алгоритмы. 27:09-28:11 Архитектура ИИ. Глубокое обучение и нейросети с обратной связью. 28:12-31:34 Архитектура ИИ. Графовые нейросети (GNN) с обратными связями. 31:35-32:39 Архитектура ИИ. Генеративные модели с обратными связями. 32:40-34:13 Ансамблевые архитектуры. 34:14-35:22 Задачи для ИИ в химии и материаловедении. 35:23-37:55 Классификация. 37:56-40:57 Регрессия. 40:58-44:09 Кластеризация. 44:10-48:22 Прогнозирование временных рядов. 48:23-52:53 Практический кейс. 52:54-56:13 Практический кейс и работа с данными. 56:14-1:00:08 Текстовые генеративные модели. 1:00:09-1:04:00 Молекулярные дескрипторы и инструменты их цифровизации. 1:04:01-1:11:35 Молекулярные дескрипторы и их значимость в исследованиях. 1:11:36-1:12:10 Заключение. Видеокурс «Программное обеспечение для решения задач современной химии» — это совместный проект, созданный талантливыми учеными из ведущих вузов страны. Платформа «Знаниум» с гордостью поддерживает научные таланты и современные образовательные технологии. Наша цель — способствовать развитию научного сообщества, предоставляя информационную площадку для обмена передовыми знаниями. 🔔 Подписывайтесь на наш канал, чтобы не пропустить следующие лекции курса! 👍 Ставьте лайк, если тема вам интересна. 💬 Оставляйте ваши вопросы в комментариях!