2026-143-6

Prospektivní nasazení Tsetlin Machines na QSPR

Vedoucí práce: Ing. Ivan Čmelo, Ph.D.

Konzultant: -

Podstata a cíl práce

Tsetlin Machines (TM) jsou relativně novou metodou strojového učení, fungující na principu iterativního budování množiny klauzulí výrokové logiky. Hlavním přínosem TM je velmi dobrý poměr prediktivního výkonu k výpočetní náročnosti trénování a velmi dobrá interpretovatelnost vzniklých modelů. TM jsou v širším cheminformatickém kontextu stále neprozkoumané. Cílem práce je nasadit TM na vybrané QSPR problémy (např. predikce rozpustnosti) a kvantitativně je porovnat se zavedenými metodami.

Náplň činnosti studenta

Student se seznámí s TM a dalšími vybranými metodami strojového učení a jejich implementací v programovacích knihovnách. Student vyhledá a připraví vhodné datové množiny, na nichž následně natrénuje, zoptimalizuje a porovná TM a další vybrané modely. Prostředí je standardní Python/Jupyter, Pandas, Scikit-learn, dále Optuna a další knihovny a nástroje podle aktuální potřeby.

Doplňující informace

Místo řešení: Ústav informatiky a chemie (143)

Téma je možné zvolit pro následující specializace