VIP20
本课程属于：045-AI药物发现特征学习任务 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

超参数调优在药物模型中的实践

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程介绍
超参数调优在药物模型中的重要性 · 课程目标与结构
课程介绍超参数调优
02
药物模型概述
常见的药物模型类型（ADMET · QSAR · 分子生成等）
药物模型概述ADMET
03
超参数调优基础
超参数与模型参数的区别 · 调优目标
超参数调优基础超参数
04
网格搜索（Grid Search）
原理 · 优缺点 · 在药物模型中的应用
GridSearch
05
随机搜索（Random Search）
原理 · 对比网格搜索 · 实践
RandomSearch
06
贝叶斯优化（Bayesian Optimization）
理论基础 · 高斯过程 · 采集函数
BayesianOptimization
07
遗传算法（Genetic Algorithm）
进化策略 · 交叉变异 · 在超参数搜索中的应用
GeneticAlgorithm
08
基于梯度的超参数优化
重参数化技巧 · 反向传播
基于梯度的超参数…重参数化技巧
09
学习率调优
学习率衰减策略 · 循环学习率 · 自适应学习率
学习率调优学习率衰减策略
10
正则化超参数
L1/L2正则化 · Dropout率 · 早停法
正则化超参数L1/L2
11
批大小（Batch Size）与训练轮数（Epochs）
影响与选择
BatchSize
12
优化器选择
SGD · Adam · RMSprop等及其超参数
优化器选择SGD
13
激活函数选择
ReLU · Leaky ReLU · Swish等比较
激活函数选择ReLU
14
网络深度与宽度
层数 · 神经元数对药物模型的影响
网络深度宽度
15
Dropout与Batch Normalization
超参数调优
DropoutBatch
16
数据增强超参数
在药物数据中的应用
数据增强超参数药物数据
17
损失函数设计
自定义损失 · 多任务损失权重
损失函数设计自定义损失
18
评估指标选择
ROC-AUC · PRC · RMSE等与超参数关系
评估指标选择ROC-AUC
19
交叉验证策略
K折 · 留一法 · 分组交叉验证
交叉验证策略K折
20
自动化超参数调优工具
Optuna · Hyperopt · Ray Tune
自动化超参数调优…Optuna
21
基于云平台的分布式调优
AWS SageMaker · Google AI Platform
基于云平台的分布…AWS
22
在QSAR模型中的调优实践
特征选择 · 模型复杂度控制
QSAR模型
23
在ADMET性质预测中的调优
数据不平衡处理 · 多任务学习
ADMET性质预测
24
在分子生成模型中的调优
GAN · VAE的超参数
分子生成模型调优
25
在剂量-反应模型中的调优
曲线拟合 · IC50预测
剂量反应模型
26
多任务学习中的超参数共享与调优。
多任务学习中的超参数共享与调优 · 核心概念 · 实践要点
多任务学习超参数共享
27
迁移学习在药物模型中的超参数调优。
迁移学习在药物模型中的超参数调优 · 核心概念 · 实践要点
迁移学习药物模型
28
多目标优化帕累托前沿
同时优化多个指标
多目标优化帕累托…同时优化多个指标
29
模型可解释性与超参数选择
SHAP · LIME应用
模型可解释性超参数选择
30
最终项目
综合案例——从头调优一个药物预测模型
最终项目综合案例