Simple view
Full metadata view
Authors
Statistics
Multitask Learning for Molecular Properties Prediction
Uczenie wielozadaniowe w predykcji własności molekularnych
odkrywanie leków, predykcja badania aktywności, uczenie maszynowe, uczenie wielozadaniowe, adaptery, fuzja adapterów, uczenie transferowe
drug discovery, assay activity prediction, machine learning, multi-task learning, adapters, adapter fusion, transfer learning
Celem pracy było zaadaptowanie uczenia wielozadaniowego do danych molekularnych. Uczenie wielozadaniowe to metoda uczenia maszynowego, która polega na optymalizacji modelu pod kątem wielu zadań jednocześnie. W ramach pracy zastosowano zarówno metody klasyczne, jak i ich modyfikacje oparte na adapterach. Przeprowadzono szereg eksperymentów, które potwierdziły skuteczność uczenia wielozadaniowego.
The aim of the study was to adapt multi-task learning to molecular data. Multi-task learning is a machine learning method that involves optimizing a model for multiple tasks simultaneously. In the study, both classical methods and their adaptations based on adapters were applied. A series of experiments were conducted, confirming the effectiveness of multi-task learning.
| dc.abstract.en | The aim of the study was to adapt multi-task learning to molecular data. Multi-task learning is a machine learning method that involves optimizing a model for multiple tasks simultaneously. In the study, both classical methods and their adaptations based on adapters were applied. A series of experiments were conducted, confirming the effectiveness of multi-task learning. | pl |
| dc.abstract.pl | Celem pracy było zaadaptowanie uczenia wielozadaniowego do danych molekularnych. Uczenie wielozadaniowe to metoda uczenia maszynowego, która polega na optymalizacji modelu pod kątem wielu zadań jednocześnie. W ramach pracy zastosowano zarówno metody klasyczne, jak i ich modyfikacje oparte na adapterach. Przeprowadzono szereg eksperymentów, które potwierdziły skuteczność uczenia wielozadaniowego. | pl |
| dc.affiliation | Wydział Matematyki i Informatyki | pl |
| dc.area | obszar nauk ścisłych | pl |
| dc.contributor.advisor | Zieliński, Bartosz - 106948 | pl |
| dc.contributor.author | Wójtowicz, Konrad | pl |
| dc.contributor.departmentbycode | UJK/WMI2 | pl |
| dc.contributor.reviewer | Zieliński, Bartosz - 106948 | pl |
| dc.contributor.reviewer | Roman, Adam - 142015 | pl |
| dc.date.accessioned | 2023-10-17T21:33:43Z | |
| dc.date.available | 2023-10-17T21:33:43Z | |
| dc.date.submitted | 2023-10-12 | pl |
| dc.fieldofstudy | matematyka komputerowa | pl |
| dc.identifier.apd | diploma-158750-247650 | pl |
| dc.identifier.uri | https://ruj.uj.edu.pl/xmlui/handle/item/321196 | |
| dc.language | eng | pl |
| dc.subject.en | drug discovery, assay activity prediction, machine learning, multi-task learning, adapters, adapter fusion, transfer learning | pl |
| dc.subject.pl | odkrywanie leków, predykcja badania aktywności, uczenie maszynowe, uczenie wielozadaniowe, adaptery, fuzja adapterów, uczenie transferowe | pl |
| dc.title | Multitask Learning for Molecular Properties Prediction | pl |
| dc.title.alternative | Uczenie wielozadaniowe w predykcji własności molekularnych | pl |
| dc.type | master | pl |
| dspace.entity.type | Publication |