超级会员免费看
该课程介绍了Kaggle上的酶稳定性预测大赛，目标是通过机器学习预测酶在突变后的稳定性。适合熟悉gradient descent和boosting原理的机器学习爱好者，以及Kaggle竞赛参与者。课程涵盖赛题介绍、任务详情、预备知识和完整的建模流程，要求学员具备PyTorch和Pandas等工具库的使用基础。
链接快速自取比赛名称： 酶稳定性预测大赛比赛链接与数据集链接：链接： 提取码：mohm 前置课《打造舒适的AI开发环境》课件：
课前导读
1、 课程介绍
赛题介绍：
酶（Enzymes）是在生物的化学反应中起催化剂作用的蛋白质。这项竞赛的目的是预测酶变体的热稳定性（thermostability）。测量酶的热稳定性（熔化温度. melting point）的实验数据主要包括自然序列（natural sequences）以及在自然序列上具有单个或多个突变的工程序列（engineered sequences）。理解并预测蛋白质稳定性是生物技术的一个基本问题。本课程通过机器学习建模的方法，降低酶稳定性预测的试错和设计成本
比赛任务：
通过机器学习的建模方法，预测单点氨基酸突变和缺失后酶的热稳定性（熔化温度）排名。
适合人群：
机器学习者，了解gradient decent/boosting基本原理。Kaggle竞赛爱好者，了解Kaggle
订阅专栏 解锁全文
861
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
