SCB
后端开发
无公司（自由职业） · 1年经验
日薪：
￥1000/8h
地点：
成都 双流
时间：
下班后周六周日可工作日远程
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
提供 Python 后端与数据应用开发支持，适合需求明确、可分阶段验收的短期项目。
可承担的工作包括：
- FastAPI / Django 接口开发、接口联调与文档整理
- PostgreSQL 数据表设计、查询、批处理及数据导入导出
- Python 数据清洗、CSV/Excel 批量处理、报表生成和自动化脚本
- 已有机器学习模型的离线推理脚本或 API 服务封装
- 既有 Python 项目的功能迭代、缺陷定位与测试步骤整理
交付时提供可运行源码、环境说明、接口或使用文档及验收清单。
具备 Python、FastAPI、PostgreSQL、Pandas、scikit-learn、PyTorch、RDKit 项目实践；科学计算与分子数据方向适合已有明确数据来源和业务目标的原型开发。
可承担的工作包括：
- FastAPI / Django 接口开发、接口联调与文档整理
- PostgreSQL 数据表设计、查询、批处理及数据导入导出
- Python 数据清洗、CSV/Excel 批量处理、报表生成和自动化脚本
- 已有机器学习模型的离线推理脚本或 API 服务封装
- 既有 Python 项目的功能迭代、缺陷定位与测试步骤整理
交付时提供可运行源码、环境说明、接口或使用文档及验收清单。
具备 Python、FastAPI、PostgreSQL、Pandas、scikit-learn、PyTorch、RDKit 项目实践；科学计算与分子数据方向适合已有明确数据来源和业务目标的原型开发。
项目经验
项目一：化合物活性预测模型开发
技术栈：Python + Scikit-learn + RDKit + Pandas
项目描述：开发了一个基于机器学习的化合物 pIC50 预测模型。项目涉及从公开数据库获取实验数据，进行大规模数据清洗（处理缺失值、异常值、重复项），提取分子指纹与描述符特征，训练并对比多种回归模型，最终实现对新型化合物生物活性的快速预测。
个人职责：完成数据获取、预处理、特征工程、模型训练与评估全流程。
项目成果：相关研究成果已发表于预印本平台 ChemRxiv（DOI: 10.26434/chemrxiv-2025-3v3gw-v3）。
项目二：预算约束下的分子库智能筛选系统
技术栈：Python + PyTorch + RDKit + FastAPI + PostgreSQL
项目描述：设计并实现了一个风险感知的化合物库压缩系统，核心功能包括：(1) 从大规模分子库中提取 Morgan 指纹与 RDKit 描述符作为特征；(2) 训练多层感知机模型预测化合物潜在活性；(3) 引入置信区间量化预测不确定性；(4) 提供 Top-k 智能筛选排序，输出带可解释性证据的候选清单。
个人职责：完成特征工程、模型搭建、不确定性评估模块开发与结果可视化分析。
项目成果：系统在 ChEMBL 36 数据集上验证表现稳健，可进一步封装为 Web API 服务供下游调用。研究成果已发表于 ChemRxiv（DOI: 10.26434/chemrxiv.15005227/v1）及 arXiv（arXiv: 2606.26624）。
技术栈：Python + Scikit-learn + RDKit + Pandas
项目描述：开发了一个基于机器学习的化合物 pIC50 预测模型。项目涉及从公开数据库获取实验数据，进行大规模数据清洗（处理缺失值、异常值、重复项），提取分子指纹与描述符特征，训练并对比多种回归模型，最终实现对新型化合物生物活性的快速预测。
个人职责：完成数据获取、预处理、特征工程、模型训练与评估全流程。
项目成果：相关研究成果已发表于预印本平台 ChemRxiv（DOI: 10.26434/chemrxiv-2025-3v3gw-v3）。
项目二：预算约束下的分子库智能筛选系统
技术栈：Python + PyTorch + RDKit + FastAPI + PostgreSQL
项目描述：设计并实现了一个风险感知的化合物库压缩系统，核心功能包括：(1) 从大规模分子库中提取 Morgan 指纹与 RDKit 描述符作为特征；(2) 训练多层感知机模型预测化合物潜在活性；(3) 引入置信区间量化预测不确定性；(4) 提供 Top-k 智能筛选排序，输出带可解释性证据的候选清单。
个人职责：完成特征工程、模型搭建、不确定性评估模块开发与结果可视化分析。
项目成果：系统在 ChEMBL 36 数据集上验证表现稳健，可进一步封装为 Web API 服务供下游调用。研究成果已发表于 ChemRxiv（DOI: 10.26434/chemrxiv.15005227/v1）及 arXiv（arXiv: 2606.26624）。
SCB
后端开发 · 1年经验 · 无公司（自由职业）
0
累计接单
0
用户评价
0
被收藏
信用行为
0
接单数
0
评价数
0
收藏数
技术能力
提供 Python 后端与数据应用开发支持，适合需求明确、可分阶段验收的短期项目。
可承担的工作包括：
- FastAPI / Django 接口开发、接口联调与文档整理
- PostgreSQL 数据表设计、查询、批处理及数据导入导出
- Python 数据清洗、CSV/Excel 批量处理、报表生成和自动化脚本
- 已有机器学习模型的离线推理脚本或 API 服务封装
- 既有 Python 项目的功能迭代、缺陷定位与测试步骤整理
交付时提供可运行源码、环境说明、接口或使用文档及验收清单。
具备 Python、FastAPI、PostgreSQL、Pandas、scikit-learn、PyTorch、RDKit 项目实践；科学计算与分子数据方向适合已有明确数据来源和业务目标的原型开发。
可承担的工作包括：
- FastAPI / Django 接口开发、接口联调与文档整理
- PostgreSQL 数据表设计、查询、批处理及数据导入导出
- Python 数据清洗、CSV/Excel 批量处理、报表生成和自动化脚本
- 已有机器学习模型的离线推理脚本或 API 服务封装
- 既有 Python 项目的功能迭代、缺陷定位与测试步骤整理
交付时提供可运行源码、环境说明、接口或使用文档及验收清单。
具备 Python、FastAPI、PostgreSQL、Pandas、scikit-learn、PyTorch、RDKit 项目实践；科学计算与分子数据方向适合已有明确数据来源和业务目标的原型开发。
项目经验
项目一：化合物活性预测模型开发
技术栈：Python + Scikit-learn + RDKit + Pandas
项目描述：开发了一个基于机器学习的化合物 pIC50 预测模型。项目涉及从公开数据库获取实验数据，进行大规模数据清洗（处理缺失值、异常值、重复项），提取分子指纹与描述符特征，训练并对比多种回归模型，最终实现对新型化合物生物活性的快速预测。
个人职责：完成数据获取、预处理、特征工程、模型训练与评估全流程。
项目成果：相关研究成果已发表于预印本平台 ChemRxiv（DOI: 10.26434/chemrxiv-2025-3v3gw-v3）。
项目二：预算约束下的分子库智能筛选系统
技术栈：Python + PyTorch + RDKit + FastAPI + PostgreSQL
项目描述：设计并实现了一个风险感知的化合物库压缩系统，核心功能包括：(1) 从大规模分子库中提取 Morgan 指纹与 RDKit 描述符作为特征；(2) 训练多层感知机模型预测化合物潜在活性；(3) 引入置信区间量化预测不确定性；(4) 提供 Top-k 智能筛选排序，输出带可解释性证据的候选清单。
个人职责：完成特征工程、模型搭建、不确定性评估模块开发与结果可视化分析。
项目成果：系统在 ChEMBL 36 数据集上验证表现稳健，可进一步封装为 Web API 服务供下游调用。研究成果已发表于 ChemRxiv（DOI: 10.26434/chemrxiv.15005227/v1）及 arXiv（arXiv: 2606.26624）。
技术栈：Python + Scikit-learn + RDKit + Pandas
项目描述：开发了一个基于机器学习的化合物 pIC50 预测模型。项目涉及从公开数据库获取实验数据，进行大规模数据清洗（处理缺失值、异常值、重复项），提取分子指纹与描述符特征，训练并对比多种回归模型，最终实现对新型化合物生物活性的快速预测。
个人职责：完成数据获取、预处理、特征工程、模型训练与评估全流程。
项目成果：相关研究成果已发表于预印本平台 ChemRxiv（DOI: 10.26434/chemrxiv-2025-3v3gw-v3）。
项目二：预算约束下的分子库智能筛选系统
技术栈：Python + PyTorch + RDKit + FastAPI + PostgreSQL
项目描述：设计并实现了一个风险感知的化合物库压缩系统，核心功能包括：(1) 从大规模分子库中提取 Morgan 指纹与 RDKit 描述符作为特征；(2) 训练多层感知机模型预测化合物潜在活性；(3) 引入置信区间量化预测不确定性；(4) 提供 Top-k 智能筛选排序，输出带可解释性证据的候选清单。
个人职责：完成特征工程、模型搭建、不确定性评估模块开发与结果可视化分析。
项目成果：系统在 ChEMBL 36 数据集上验证表现稳健，可进一步封装为 Web API 服务供下游调用。研究成果已发表于 ChemRxiv（DOI: 10.26434/chemrxiv.15005227/v1）及 arXiv（arXiv: 2606.26624）。
案例展示
化合物活性预测模型
这是一个基于机器学习的化合物生物活性预测工具，核心功能是快速评估候选分子的潜在活性，帮助研究人员在早期药物发现阶段降低筛选成本。 主要功能： 支持 SMILES 格式分子输入，自动提取 Morgan 指纹和 RDKit 描述符作为特征 内置多层感知机回归模型，可输出 p
风险感知分子库智能筛选系统
这是一套面向预算受限场景的分子库压缩系统，帮助企业或科研机构在有限经费下，从大规模候选分子中优先筛选出最有测试价值的结构。 核心功能： 分子库特征提取：自动计算 Morgan 指纹与 RDKit 分子描述符 活性预测模块：基于多层感知机模型输出活性评分 不确定性量化：
风险感知分子库智能筛选系统
这是一套面向预算受限场景的分子库压缩系统，帮助企业或科研机构在有限经费下，从大规模候选分子中优先筛选出最有测试价值的结构。 核心功能： 分子库特征提取：自动计算 Morgan 指纹与 RDKit 分子描述符 活性预测模块：基于多层感知机模型输出活性评分 不确定性量化：
立即沟通
