Чему вы научитесь
- Понимать полный цикл создания лекарства и роль ИИ на этапах ранней разработки
- Работать с химическими данными в Python: анализ, визуализация и подготовка данных
- Использовать основные представления молекул (SMILES, фингерпринты, дескрипторы, графы)
- Применять методы машинного обучения и корректно оценивать качество моделей
- Работать с ключевыми базами данных молекул, белков, активностей и ADMET
- Строить воспроизводимые пайплайны для интеграции данных и обучения моделей
- Подготавливать данные для докинга, запускать докинг и виртуальный скрининг
- Оценивать свойства молекул: аффинность, физико-химические параметры и токсичность
- Понимать как работают нейронные сети и применять их для решения химических задач
- Генерировать новые молекулы с помощью современных генеративных моделей
О курсе
Этот курс знакомит вас с тем, как методы искусственного интеллекта применяются на разных этапах разработки лекарственных молекул: от подготовки и анализа химических данных до докинга, прогнозирования свойств и генерации новых структур. Вы освоите ключевые инструменты, научитесь работать с базами данных и применять современные модели для решения типичных задач drug discovery, формируя целостное понимание роли AI в создании лекарств.
Для кого этот курс
Этот курс создан для тех, кто хочет разобраться, как искусственный интеллект применяется в разработке лекарств:
🎓 Студенты и аспиранты химических и биологических направлений
Если вы выбираете карьеру на стыке наук и хотите войти в одну из самых быстрорастущих областей — AI-driven drug discovery, курс поможет выстроить целостную картину и получить навыки, которые ценятся в индустрии и академии.
🧠 Data scientist’ы и ML-инженеры, интересующиеся фармой и биотехом
Вы уже знаете машинное обучение, но хотите разобраться, какие задачи реально существуют в разработке лекарств, с какими данными приходится работать и почему “обычные” подходы не всегда работают в химии.
🔬 Химики и биохимики
Если вы работаете (или хотите работать) в drug discovery и чувствуете, что без применения передовых методов становится всё сложнее соответствовать текущему уровню индустрии, курс поможет вам понять, как именно машинное обучение и современные алгоритмы встраиваются в привычный химический workflow — от данных до молекул.
💊 Специалисты фармацевтических и биотехнологических компаний
Для тех, кто хочет глубже понять современные AI-подходы, говорить с инженерными командами на одном языке и осознанно выбирать инструменты для реальных R&D-задач.
Начальные требования
Необходим базовый уровень химических знаний и интерес к работе с данными; опыт программирования желателен, но не обязателен — всё нужное мы разберём по ходу курса.
Преподаватели курса
61
Как проходит обучение
На курсе вас ждут:
- Лекционные материалы от простого к сложному: начинаем с азов программирования на Python и машинного обучения, заканчиваем изучением генеративных моделей для дизайна лекарств;
- Тестовые задания для усвоения лекционных материалов;
- Практические задания в формате небольших задачек либо полноценных ноутбуков с кодом для того, чтобы сразу закрепить изученный материал на реальных кейсах.
Сертификат
Успешно завершив курс, вы получите сертификат от платформы Stepik. Уже 3 учеников получили сертификат.
Нагрузка
3-5 часов в неделю