Cursos · HAD Lab

Curso em vídeo · Gratuito

Pesquisa Científica com Inteligência Artificial

Quinze aulas em que mostro como uso ferramentas de IA na investigação real, da leitura de artigos à escrita académica. Sem custo, com material de apoio para descarregar. Escolha uma aula à direita para a ver no leitor.

Pré-visualização da primeira aula do curso de pesquisa científica com IA

A reproduzir 1 · Fundamentos da pesquisa científica

Ver a playlist completa no YouTube

Descarregar PDF de apoio

· Notebooks Python

Cursos com notebooks de Python

Cada curso é um notebook completo (.ipynb), pronto para correr no Google Colab, com o pipeline que uso na investigação. Recebe o ficheiro e o material por e-mail ou WhatsApp após a aquisição.

DOCK·05·2026 10 capítulos · Pipeline completo

Docking Molecular

Da preparação do receptor à análise de interacções, com validação contra a estrutura cristalográfica.

Python · RDKit · AutoDock Vina · GNINA · Meeko · PDBFixer · OpenMM · py3Dmol

Introdução: o que é docking e critério de validação
Preparação do receptor (PDBFixer, PROPKA3, OpenMM, PDBQT/Meeko)
Preparação de ligantes (protonação, tautómeros, conformações 3D, Gasteiger)
Caixa de busca (ligante de referência e fpocket)
Docking com AutoDock Vina (poses e afinidades)
Validação (RMSD vs cristal)
Docking com GNINA (CNN, Spearman)
Análise e interacções (ProLIF, py3Dmol)

Preço 2500 MT

Adquirir

QSAR·08·2026 10 módulos · Pipeline completo

Quimioinformática e QSAR

Da aquisição de dados de bioatividade a modelos interpretáveis, com testes estatísticos e domínio de aplicabilidade.

Python · RDKit · ChEMBL · scikit-learn · XGBoost · LightGBM · Optuna · SHAP

Aquisição (PubChem, ChEMBL, DrugBank, BindingDB, ZINC)
EDA e filtragem de bioatividade (pChEMBL)
Curadoria com RDKit e descritores (RDKit/Mordred)
Descritores para ML e dados para GNN
Selecção de variáveis (Boruta) e triagem
Optimização (Optuna) e ensembles
Testes estatísticos entre modelos
Interpretabilidade (SHAP/LIME) e domínio de aplicabilidade

Preço 2500 MT

Adquirir

Capa do curso de Descoberta Computacional de Fármacos

+20 vídeo-aulas

CADD·06·2026 7 partes · Pipeline completo

Descoberta Computacional de Fármacos

Pipeline completo de descoberta de fármacos com dados reais do ChEMBL, dos descritores à validação externa.

Python · RDKit · ChEMBL · scikit-learn · LazyPredict · Optuna · SHAP · seaborn

Coleta (compostos e IC50 do ChEMBL)
EDA (pIC50 e bioatividade)
Descritores de Lipinski
Fingerprints (Morgan/ECFP4)
Baseline (LazyPredict)
Modelos otimizados (HistGB, Random Forest)
Optuna e domínio de aplicabilidade
Validação externa

+20 vídeo-aulas gravadas que acompanham o pipeline, etapa a etapa.

Dados reais · ChEMBL Validado externamente

Preço 3500 MT

Adquirir

· Modelos

Modelos de slides e ilustração científica

Modelos editáveis para apresentações e figuras científicas. As imagens abaixo são pré-visualizações; clique numa imagem para a ver em maior. Comece pelo vídeo de apresentação.