Datawhale AI 夏令营(生命科学方向）

一、赛题背景

本次比赛旨在利用机器学习与深度学习相关技术，通过化学修饰后的siRNA序列预测RNA干扰（RNAi）机制下对靶基因的沉默效率。

二、前置知识

1、RNAi：一种通过双链RNA分子来“关闭”或降低特定基因表达水平的技术或现象。

2、深度学习:使用很多层的神经网络来自动从数据中学习复杂特征，并用于解决各种任务

3、RNN:一种特殊的神经网络，它有一个“记忆”功能。

4、数据处理：清洗原始数据，清除异常值和缺失值。（可利用Pandas和Matplotlib来查看异常值）

5、特征选择：选择最具有代表性的特征。

6、模型训练：调整参数，观察平均绝对误差和的值和F1的得分。

7、Pytorch：一个非常流行的开源机器学习库，特别是用于深度学习任务。它允许开发者使用Python来构建和训练神经网络，具有直观、灵活和易于使用的特点。通过PyTorch，你可以轻松地定义模型、计算损失、优化参数，并处理各种类型的数据，如图像、文本等。简而言之，PyTorch是深度学习和机器学习项目的一个强大工具。

8、随机种子：一个用于随机数生成算法的起始值或初始状态。

三、学习感受

跑完baseline感觉就是嗖的一下就跑完了，baseline里面给的代码功能介绍给的很详细并且在代码运行时也有epoch进度条显示，感觉很不错，虽然这次成绩一般，继续努力吧！！！

四、个人提分建议：我觉得可以适当的调大一点ngram和stride来减少重叠度。除此之外，也可以适当减少epoch次数，因为50次好像已经过拟合了，增加不必要的训练时间。同时减小训练批次数，来提高精度和得分。同时对于学习率可以采用相关的学习率自动化调整的方法例如：余弦退火学习算法之类的。