Проходил 5 июня в 20:00

Открытый вебинар Machine learning
Нейронные сети для задач фармацевтики

Открытый вебинар онлайн

Всех заинтересованных и причастных к миру классического машинного обучения и нейронных сетей приглашаем на интересную встречу, в которой будет разобрана тема глубокого обучения нейронных сетей для решения конкретного кейса для задач одной из интереснейших отраслей - разработке новых лекарств.
Обсудим актуальные задачи и их реализацию на языке Python.
Преподаватель
Артур Кадурин

Запись

Преподаватель

Артур Кадурин
В настоящее время CEO Insilico Taiwan и Chief AI Officer Insilico Medicine

В Mail.ru был первым сотрудником в группе анализа данных департамента рекламных технологий. После того, как группа выросла в отдел, возглавил группу сегментирования аудитории. Руководил и участвовал в проектах связнных с пользовательской аналитикой в рекламе, соц.сетях, играх и т.д.

С 2016 года применяет методы глубокого обучения для научных исследований в области медицинской химии совместно с командой Insilico Medicine, и после успешного проекта занял должность директора по AI. В конце 2017г. в роли исполнительного директора возглавил дочернюю компанию Insilico Taiwan.

В 2008 году получил специальность математик, системный программист в Кубанском Государственном Университете на Факультете Компьютерных Наук и Прикладной Математики, с 2013 года занимается машинным обучением.

Научные публикации:
The cornucopia of meaningful leads: Applying deep adversarial autoencoders for new molecule development in oncology. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5355231/

druGAN: An Advanced Generative Adversarial Autoencoder Model for de Novo Generation of New Molecules with Desired Molecular Properties in Silico. https://www.ncbi.nlm.nih.gov/pubmed/28703000

3D Molecular Representations Based on the Wave Transform for Convolutional Neural Networks. https://www.ncbi.nlm.nih.gov/pubmed/29473756

Книга:
Глубокое обучение. https://www.piter.com/product/glubokoe-obuchenie
"Нужно бежать со всех ног, чтобы только оставаться на месте, а чтобы куда-то попасть, надо бежать как минимум вдвое быстрее!" Больше, чем 150 лет назад Чарльз Доджсон сформулировал актуальную по сей день мысль. Для того, чтобы добиться успеха недостаточно просто делать свое дело, потому что мир меняется вместе с вами. Я уверен, что такие проекты как Otus способны придать участникам ускорение необходимое для того, чтобы "обогнать" меняющийся мир.
Преподаватель курсов:
Machine Learning