Modelos que aprenden el lenguaje de las moléculas y cómo utilizarlos para predecir sus propiedades.
19 y 20 de marzo de 2024
Actividad Formativa multirrama para Salud, Ciencias e Ingenierías
Resumen
Las técnicas de aprendizaje profundo (deep learning) están adquiriendo creciente importancia en todos los campos de la ciencia, pero tienen un enorme potencial especialmente en biomedicina para facilitar el diagnóstico de enfermedades o acelerar el descubrimiento de medicamentos. En este taller se realizará una exposición de qué son las redes neurales, cómo funcionan y qué aplicaciones tienen. Explicaremos lo que son los modelos de lenguaje y cómo se pueden utilizar para predecir propiedades de moléculas (proteínas, ácidos nucleicos y fármacos) y recorreremos diferentes técnicas para evaluar los modelos generados. El curso contará con un caso práctico en el que los asistentes podrán re-entrenar un modelo de lenguaje para predecir la toxicidad de moléculas pequeñas y comparar diferentes métodos de evaluación.
IMPORTANTE.- Este curso no se imparte a través del Campus Online-Aula Virtual. Toda la información y accesos se encuentran en esta página.
Materiales requeridos
- Cuenta de Google Drive.
Calendario y objetivos de aprendizaje
Sesión 01 – Fundamentos de aprendizaje profundo
19/03/2024 (11:15 – 12:15)
Sesión grabada
Sesión 02 – Aplicación de arquitecturas avanzadas en biomedicina
19/03/2024 (15:00 – 16:15)
Sesión grabada
Sesión 03 – Sesión práctica guiada.
20/03/2024 (15:00 – 16:30)
Re-entrenamiento de un modelo de lenguaje para predecir la toxicidad de moléculas pequeñas y comparar diferentes métodos de evaluación.
Sesión grabada
Limitación de responsabilidad.
El contenido de esta Web, en todo lo relativo a normativas o procedimientos relacionados con el Programa de Doctorado, es un resumen sencillo y reorganizado de información extraída e interpretada de otras fuentes. Los contenidos no implican ninguna responsabilidad personal o institucional y no tienen valor como referencia normativa. Toda la documentación oficial de referencia está recogida en la Web de la Escuela de Doctorado de la UAH.