最近机器学习或人工智能的视觉和自然语言处理方面的进展使个人助理或自动驾驶汽车等新技术的发展成为可能,这将机器学习和人工智能带到了流行文化的前沿。这些算法进步的积累,以及大量数据集和随时可用的高性能计算的增加,在将机器学习应用到如此广泛的学科中发挥了重要作用。鉴于化学科学强调结构和功能之间的关系,无论是在生物化学还是在材料化学中,化学家采用机器学习。《化学中的机器学习》关注以下内容,以启动您对这一高度相关主题的理解:

https://axial.acs.org/2021/06/21/machine-learning-in-chemistry-now-and-in-the-future/

与化学科学最相关的主题是重点。

  • 关注概念而不是技术细节。综合引用为更多的技术细节提供了资源。

  • 机器学习方法的关键细节(不容易,但重要的是理解这些方法的优点和局限性,并确定领域知识最容易应用的地方。

  • 熟悉基本的单变量微积分和线性代数将会很有帮助,尽管我们已经提供了重要的一步一步的推导

成为VIP会员查看完整内容
43

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
236+阅读 · 2021年10月8日
专知会员服务
76+阅读 · 2021年7月31日
【干货书】计算机科学家的数学,153页pdf
专知会员服务
164+阅读 · 2021年7月27日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
123+阅读 · 2020年7月20日
【哈佛大学】机器学习的黑盒解释性,52页ppt
专知会员服务
166+阅读 · 2020年5月27日
《可解释的机器学习-interpretable-ml》238页pdf
专知会员服务
194+阅读 · 2020年2月24日
【2020新书】简明机器学习导论,电子书与500页PPT
专知会员服务
199+阅读 · 2020年2月7日
【Twitter】时序图神经网络
专知
9+阅读 · 2020年10月16日
【机器学习】无处不在的机器学习
产业智能官
4+阅读 · 2019年8月18日
10本必读的机器学习和数据科学免费在线电子书
算法与数据结构
11+阅读 · 2018年6月19日
脉冲神经网络,下一代机器学习?
专知
12+阅读 · 2018年1月13日
Arxiv
0+阅读 · 2022年2月4日
Arxiv
0+阅读 · 2022年2月4日
A Survey on Automated Fact-Checking
Arxiv
8+阅读 · 2021年8月26日
Arxiv
14+阅读 · 2020年2月6日
Arxiv
3+阅读 · 2018年3月28日
VIP会员
相关VIP内容
专知会员服务
236+阅读 · 2021年10月8日
专知会员服务
76+阅读 · 2021年7月31日
【干货书】计算机科学家的数学,153页pdf
专知会员服务
164+阅读 · 2021年7月27日
【ICML2020】基于模型的强化学习方法教程,279页ppt
专知会员服务
123+阅读 · 2020年7月20日
【哈佛大学】机器学习的黑盒解释性,52页ppt
专知会员服务
166+阅读 · 2020年5月27日
《可解释的机器学习-interpretable-ml》238页pdf
专知会员服务
194+阅读 · 2020年2月24日
【2020新书】简明机器学习导论,电子书与500页PPT
专知会员服务
199+阅读 · 2020年2月7日
微信扫码咨询专知VIP会员