Сколько стоит курс «ИИ в дизайне лекарственных молекул»?

Стоимость курса составляет 5290.00 рублей

Сколько времени занимает прохождение курса «ИИ в дизайне лекарственных молекул»?

Прохождение курса «ИИ в дизайне лекарственных молекул» занимает примерно 8 часов.

Какой рейтинг у курса «ИИ в дизайне лекарственных молекул»?

Курс имеет рейтинг 5.0 из 5 на основе 3 отзывов. На курсе обучается 72 учеников.

Выдаётся ли сертификат по окончании курса?

Да, при успешном завершении курса выдаётся сертификат от платформы Stepik. На данный момент 7 учеников получили сертификат (9.7% завершаемость).

Где можно пройти курс «ИИ в дизайне лекарственных молекул»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/255123.

Курс на Stepik

Обложка курса «ИИ в дизайне лекарственных молекул» на Stepik

5 290 ₽

ИИ в дизайне лекарственных молекул ★ 5.000

Name: ИИ в дизайне лекарственных молекул
Price: 5290.00 RUB
Availability: InStock
Rating: 5.0 (3 reviews)

Открыть на
STEPIK.ORG

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.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	72
Сертификатов выдано	7
Отзывов получено	3
Рейтинг курса	5.000
Количество уроков	54
Количество квизов	250
Количество задач с кодом	13
Время прохождения курса	8 ч.	—
Стоимость курса	5 290 ₽	—
Обновления курса	—	—
Дата публикации курса	9 месяцев назад	—	—	—	—
Последнее обновление	8 сентября 2026	—	—	—	—
Сложность	easy	—	—	—	—

Содержание курса

Разделы в курсе «ИИ в дизайне лекарственных молекул»

10 разделов Уроки в курсе «ИИ в дизайне лекарственных молекул»

54 урока Тесты в курсе «ИИ в дизайне лекарственных молекул»

250 тестов Задачи в курсе «ИИ в дизайне лекарственных молекул»

13 задач Время прохождения курса «ИИ в дизайне лекарственных молекул»

8 ч.

обн. 8 сентября 2026

Введение

4 урока

1. О курсе ↗

2. Эволюция открытия и разработки лекарственных молекул ↗

3. Стратегии рационального дизайна лекарств ↗

4. Искусственный интеллект в дизайне лекарственных молекул ↗

Основы Data Science

7 уроков

1. Подготовка ↗

2. Основы Python ↗

3. Работа с файлами и данными ↗

4. Анализ данных с pandas и numpy ↗

5. Визуализация химических данных ↗

6. Введение в статистику ↗

7. Дополнительные темы и инструменты ↗

Представления молекул

6 уроков

1. Линейные представления молекул ↗

2. Молекулярные фингерпринты ↗

3. Файловые форматы ↗

4. Графовые представления молекул ↗

5. Молекулярные дескрипторы ↗

6. Библиотеки для работы с молекулами ↗

Основы машинного обучения для химических задач

6 уроков

1. Основные термины МО ↗

2. Основы машинного обучения ↗

3. Методы сжатия многомерных данных ↗

4. Модели машинного обучения ↗

5. Гиперпараметры ↗

6. Метрики ↗

Базы данных для дизайна лекарственных молекул

5 уроков

1. Введение в базы данных ↗

2. Структурные базы данных белков и мишеней ↗

3. Базы данных лекарственных молекул и их активности ↗

4. Базы данных по ADMET-профилям и токсичности ↗

5. Интеграция данных и построение pipeline ↗

Молекулярный докинг

6 уроков

1. Основы медицинской химии ↗

2. Как работает докинг? Теоретические основы ↗

3. Подготовка данных для докинга: структуры белков и лигандов ↗

4. Докинг в действии: пример с использованием AutoDock Vina ↗

5. Валидация и анализ результатов докинга ↗

6. От докинга к виртуальному скринингу ↗

Методы оценки молекул

3 урока

1. Основные физико-химические дескрипторы ↗

2. Композитные метрики ↗

3. Оценка токсичности ↗

Основы глубокого обучения для дизайна лекарственных молекул

7 уроков

1. Что такое нейронная сеть? ↗

2. Задачи регрессии и классификации ↗

3. Распространение сигнала и функции ошибки ↗

4. Обучение нейросети ↗

5. Полносвязная нейросеть ↗

6. Рекуррентные нейросети ↗

7. Графовые нейросети ↗

Генеративные модели для дизайна лекарственных молекул

9 уроков

1. Введение в генеративный дизайн ↗

2. Вариационные автоэнкодеры ↗

3. Генеративно-состязательные сети ↗

4. Нормализующие потоки ↗

5. Диффузионные модели ↗

6. Трансформеры ↗

7. Обучение с подкреплением ↗

8. Ключевые выводы о генеративном дизайне ↗

9. Генерация молекул с помощью вариационного автоэнкодера ↗

Заключение

1 урок

1. Заключительный раздел ↗