Aquest activitat repassa els algorismes d'aprenentatge automàtic d'ús habitual per a la classificació, que s'utilitzaran amb les dades de bioactivitat arxivades a PubChem per construir un model predictiu de la bioactivitat de molècules petites.
Aprenentatge automàtic
Conceptes previs Intel·ligència Artificial
La intel·ligència artificial (IA) és una disciplina que combina la computació, el processament de dades i la gestió automàtica del coneixement per resoldre problemes complexos. Intenta simular difenents comportaments humans per part de les màquins.
L'aprenentatge automàtic, o machine learning, és una branca de la intel·ligència artificial que se centra en algorismes de processament intensiu de dades per aprendre patrons complexos de la realitat que permetin modelar-la. Alguns poden millorar-ne gradualment la precisió a mesura que processen més dades. Les xarxes neuronals artificials són un subconjunt de l'aprenentatge automàtic i es troben al cor dels algorismes d'aprenentatge profund. Tant el nom com l'estructura s'inspiren en el cervell humà, imiten la manera en què les neurones biològiques es comuniquen entre elles. Les xarxes neuronals artificials s'han d'entrenar amb conjunts de dades per aprendre i poden millorar la seva precisió a mesura que processen més dades. L'aprenentatge profund, o deep learning, és un tipus de xarxa neuronal artificial que utilitza operadors més complexos i permet resoldre problemes més complexos amb major qualitat i menys temps de computació. La IA generativa fa referència a models d'aprenentatge profund que, a partir de dades en brut, poden "aprendre" a generar resultats més plausibles per a cada consulta, ja siguin texts, imatges, vídeo, codi, música o altres continguts Intel·ligència artificial Machine learning Xarxes neuronals artificials Deep learning IA generativa Fonts: ACCIÓ a partir d'IBM
Introducció a l'aprenentatge automàtic.
L'aprenentatge automàtic [1,2] és una aplicació d'intel·ligència artificial (IA) que proporciona als sistemes informàtics la capacitat d'aprendre automàticament a partir de dades, identificar patrons i prendre prediccions o decisions amb una intervenció humana mínima.
Se centra en el desenvolupament de models computacionals que realitzen una tasca específica sense utilitzar instruccions explícites.
Els algorismes d'aprenentatge automàtic s'utilitzen ara en una gran varietat d'aplicacions en moltes àrees. Aquest capítol repassa els algorismes d'aprenentatge automàtic d'ús habitual per a la classificació, que s'utilitzaran amb les dades de bioactivitat arxivades a PubChem per construir un model predictiu de la bioactivitat de molècules petites a la tasca (enllaç al quadern de la conferència 8).
Hi ha diversos articles que proporcionen revisions exhaustives sobre l'aplicació de l'aprenentatge automàtic en el descobriment i desenvolupament de fàrmacs, inclosos els documents següents: