MIT 6.S191 深度学习课程：AI 制药入门需要掌握哪些基础

在进入分子深度学习之前，需要一套扎实的深度学习基础。MIT 6.S191《Introduction to Deep Learning》是广受欢迎的入门课，节奏紧凑、每年更新，配有动手实验，适合快速补齐基础。

课程覆盖什么

• 神经网络与反向传播；
• 卷积网络（CNN）；
• 序列建模（RNN 到 Transformer / 注意力机制）；
• 生成模型（VAE、GAN、扩散模型）；
• 强化学习与训练实务（正则化、优化）。

课程免费开放讲座视频与实验代码。

这些基础对应到 AIDD 哪里

• 反向传播 / 正则化：一切模型训练的地基；
• CNN：图像类任务与部分分子表征；
• 注意力 / Transformer：分子语言模型（ChemBERTa、MolFormer）；
• 生成模型：分子生成（VAE / GAN / 扩散）；
• 过拟合意识：药物数据小、易过拟合，尤为重要。

学习建议

• 把它当「前置课」：先过 6.S191 建立深度学习直觉，再看分子专门内容。
• 实验一定要动手跑，光看视频留存率很低。

延伸资源

• 课程主页：introtodeeplearning.com（讲座 + 实验）。
• 学完衔接：006《CS224W》、「AI 模型」模块。