Курс на Stepik
Обложка курса «ИИ в дизайне лекарственных молекул» на Stepik
5 290 ₽

ИИ в дизайне лекарственных молекул ★ 5.000

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
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «ИИ в дизайне лекарственных молекул»Учеников на курсе 51
Сертификаты, выданные на курсе «ИИ в дизайне лекарственных молекул»Сертификатов выдано 3
Отзывы о курсе «ИИ в дизайне лекарственных молекул»Отзывов получено 3
Рейтинг курса «ИИ в дизайне лекарственных молекул»Рейтинг курса 5.000
Уроки в курсе «ИИ в дизайне лекарственных молекул»Количество уроков 54
Тесты в курсе «ИИ в дизайне лекарственных молекул»Количество квизов 251
Задачи с кодом в курсе «ИИ в дизайне лекарственных молекул»Количество задач с кодом 13
Время прохождения курса «ИИ в дизайне лекарственных молекул»Время прохождения курса —
Стоимость курса «ИИ в дизайне лекарственных молекул»Стоимость курса 5 290 ₽ —
Обновления курса «ИИ в дизайне лекарственных молекул»Обновления курса — —
Дата публикации курса «ИИ в дизайне лекарственных молекул»Дата публикации курса — ———
Последнее обновление курса «ИИ в дизайне лекарственных молекул»Последнее обновление — ———
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» 251 тест Задачи в курсе «ИИ в дизайне лекарственных молекул» 13 задач Время прохождения курса «ИИ в дизайне лекарственных молекул» 4 ч. Последнее обновление курса «ИИ в дизайне лекарственных молекул» обн. 13 марта 2026

1. Введение

4 урока
Закрытый
1.1 О курсе ↗
18
11
2м 28с
0
Закрытый
1.2 Эволюция открытия и разработки лекарственных молекул ↗
16
7
4м 43с
0
Закрытый
1.3 Стратегии рационального дизайна лекарств ↗
10
8
3м 37с
0
Открытый
1.4 Искусственный интеллект в дизайне лекарственных молекул ↗
31
8
4м 42с
0

2. Основы Data Science

7 уроков
Открытый
2.1 Подготовка ↗
18
8
3м 31с
0
Закрытый
2.2 Основы Python ↗
10
7
-
0
Закрытый
2.3 Работа с файлами и данными ↗
9
2
-
0
Закрытый
2.4 Анализ данных с pandas и numpy ↗
6
3
-
0
Закрытый
2.5 Визуализация химических данных ↗
8
1
-
0
Закрытый
2.6 Введение в статистику ↗
6
2
-
0
Закрытый
2.7 Дополнительные темы и инструменты ↗
8
5
-
0

3. Представления молекул

6 уроков
Закрытый
3.1 Линейные представления молекул ↗
8
3
-
0
Закрытый
3.2 Молекулярные фингерпринты ↗
7
4
-
0
Закрытый
3.3 Файловые форматы ↗
5
4
-
0
Закрытый
3.4 Графовые представления молекул ↗
7
3
-
0
Закрытый
3.5 Молекулярные дескрипторы ↗
4
3
-
0
Закрытый
3.6 Библиотеки для работы с молекулами ↗
4
2
-
0

4. Основы машинного обучения для химических задач

6 уроков
Закрытый
4.1 Основные термины МО ↗
6
4
-
0
Закрытый
4.2 Основы машинного обучения ↗
5
3
-
0
Закрытый
4.3 Методы сжатия многомерных данных ↗
7
0
-
0
Закрытый
4.4 Модели машинного обучения ↗
6
0
-
0
Закрытый
4.5 Гиперпараметры ↗
5
3
-
0
Закрытый
4.6 Метрики ↗
4
0
-
0

5. Базы данных для дизайна лекарственных молекул

5 уроков
Открытый
5.1 Введение в базы данных ↗
20
4
1м 49с
0
Закрытый
5.2 Структурные базы данных белков и мишеней ↗
6
2
-
0
Закрытый
5.3 Базы данных лекарственных молекул и их активности ↗
5
1
-
0
Закрытый
5.4 Базы данных по ADMET-профилям и токсичности ↗
5
3
-
0
Закрытый
5.5 Интеграция данных и построение pipeline ↗
5
5
-
0

6. Молекулярный докинг

6 уроков
Открытый
6.1 Основы медицинской химии ↗
23
7
0м 25с
0
Закрытый
6.2 Как работает докинг? Теоретические основы ↗
7
6
-
0
Закрытый
6.3 Подготовка данных для докинга: структуры белков и лигандов ↗
7
1
-
0
Закрытый
6.4 Докинг в действии: пример с использованием AutoDock Vina ↗
7
1
-
0
Закрытый
6.5 Валидация и анализ результатов докинга ↗
6
2
-
0
Закрытый
6.6 От докинга к виртуальному скринингу ↗
6
4
-
0

7. Методы оценки молекул

3 урока
Закрытый
7.1 Основные физико-химические дескрипторы ↗
5
3
-
0
Закрытый
7.2 Композитные метрики ↗
4
1
-
0
Закрытый
7.3 Оценка токсичности ↗
4
2
-
0

8. Основы глубокого обучения для дизайна лекарственных молекул

7 уроков
Закрытый
8.1 Что такое нейронная сеть? ↗
5
4
-
0
Закрытый
8.2 Задачи регрессии и классификации ↗
4
3
-
0
Закрытый
8.3 Распространение сигнала и функции ошибки ↗
4
0
-
0
Закрытый
8.4 Обучение нейросети ↗
5
3
-
0
Закрытый
8.5 Полносвязная нейросеть ↗
4
3
-
0
Закрытый
8.6 Рекуррентные нейросети ↗
6
3
-
0
Закрытый
8.7 Графовые нейросети ↗
6
0
-
0

9. Генеративные модели для дизайна лекарственных молекул

9 уроков
Открытый
9.1 Введение в генеративный дизайн ↗
14
3
0м 6с
0
Закрытый
9.2 Вариационные автоэнкодеры ↗
5
3
-
0
Закрытый
9.3 Генеративно-состязательные сети ↗
5
3
-
0
Закрытый
9.4 Нормализующие потоки ↗
4
3
-
0
Закрытый
9.5 Диффузионные модели ↗
3
2
-
0
Закрытый
9.6 Трансформеры ↗
4
2
-
0
Закрытый
9.7 Обучение с подкреплением ↗
4
2
-
0
Закрытый
9.8 Ключевые выводы о генеративном дизайне ↗
3
2
-
0
Закрытый
9.9 Генерация молекул с помощью вариационного автоэнкодера ↗
4
1
-
0

10. Заключение

1 урок
Закрытый
10.1 Заключительный раздел ↗
5
4
-
0