# Машинноеобучение

Статья рассказывает о проблемах обработки SMILES представления в нейронных сетях и предлагает использовать молекулярный граф в качестве более подходящего молекулярного представления. Описывается применение графовых нейронных сетей и TensorFlow для навигации в химическом пространстве и генерации новых структур.

InSilico Medicine ищет специалиста в команду Хемоинформатики по машинному и, в частности, глубокому обучению в применении к задачам химии. Мы ищем человек на полную ставку, который может свободно писать код на Python, понимает ООП, имеет опыт в машинном и, в частности, глубоком обучения. Огромным плюсом будет понимание основ химии и опыт работы с архитектурами химической направленности. Требования: Как минимум 2 года опыта работы на Python3 и TensorFlow. Глубокое понимание машинного обучения и искусственных нейронных сетей. Способность быстро осваивать большие объёмы информации. Ключевые фрэймворки: Tensorflow 2.6 / Keras, Numpy, Pandas, SciKit-Learn, RDKit/CGRTools, Plotly. Мы предлагаем: Фиксированная заработная плата от 2000$ + годовые бонусы, полис ДМС и возможность прохождения языковых курсов (английский, китайский) по окончании испытательного срока, возмещение стоимости курсов, конференций, вебинаров для повышения профессиональной квалификации по окончании испытательного срока, комфортабельный офис в Технопарке Сколково (Москва, Инновационный центр Сколково, Большой бульвар 42, строение 1), дружелюбная команда и различные плюшки в офисе. Если вакансия вас заинтересовала, просьба откликнуться через https://hh.ru/vacancy/48593982

В статье рассматривается вопрос отбора дескрипторов для моделирования. Автор обсуждает плюсы и минусы этого подхода и дает рекомендации по выбору дескрипторов. Он также подчеркивает, что отбор дескрипторов - очень трючная задача.