Graph Generation for Drug Discovery using Python and Keras

سرفصل های دوره

Python-based Graph Generation for Molecular Structures using Keras: A Practical Introduction to Neural Network Modeling

1. Introduction

1. Introduction

2. About this Project

3. Why Should we Learn

4. Applications

5. Python, Keras, and Google Colab

2. Model Generation, Training and Prediction

1.1 graph-generation.zip

1. Setup Working Directory

2. What is qm9.csv file

3. What is code.ipynb

4. Launch Code

5. Activate GPU

6. Mount Google Drive

7. Installing two Python libraries

8. Importing several libraries

9. Disabling the logging functionality

10. Loading Dataset

11. Process CSV file

12. Selects a specific SMILES string

13. Convert the SMILES string

14. Mapping atom symbols

15. Mapping bond types

16. Constants

17. Convert a SMILES string to a graph representation

18. Convert graph representation back into RDKit molecule object

19. Graph representation

20. Converting subset of SMILES data to graph tensors

21. Defines a generator model

22. Creates an instance of the GraphGenerator model

23. Defines a custom graph convolutional layer

24. Creates the discriminator model

25. Creates a discriminator model

26. Wasserstein Generative Adversarial Network

27. Sets up a WGAN

28. Training

29. Saving and loading the model weights

30. Sample molecules

31. Generating molecules

32. Displaying molecules

“Certified Fraud Examiner (CFE) Essential Training (2023)” به سبد خرید شما اضافه شد. مشاهده سبد خرید

139,000 تومان

خرید اشتراک افزودن به سبد خرید

خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

تولید کننده: Udemy