Professor

-

Learning Period

09-04-2025 ~ 12-31-2029

Course Introduction

성명 김권일 소속기관 경희대학교 생물학과 강의 명 (주제) 멀티오믹스 데이터를 활용한 암 면역원성 분석 실습 학습목표 멀티오믹스 데이터와 AI 기술을 기반으로 암 면역원성에 대한 최신 연구 동향을 이해하고, 신생항원 예측, digital cytometry, 면역세포 클러스터링 등의 분석 기법을 실습함으로써, 공개된 암 멀티오믹스 데이터를 활용해 종양의 면역원성 양상을 해석하는 역량을 기른다. 분야 ■ AI ■ Bio □ Chem □ Drug 단계 기초

Students

10

Professor

-

Learning Period

03-01-2024 ~ 12-31-2025

Course Introduction

강의 소개 및 개요입니다. 성명 김학수 소속기관 건국대학교 과목명 기계 학습 강의시간 17 학습목표 1. 기계학습에 관한 개념을 이해하고 주어진 문제와 접목시킬 수 있다.2. 전통적인 기계학습 모델을 이해하고 코딩할 수 있다.3. 다양한 심층신경망의 개념을 이해하고 기본적인 코딩을 할 수 있다   강의 선수과목 및 준비사항입니다.  선수과목  - 참고자료  - 준비사항 개인 노트북을 준비하고, 첫 시간에 설명하는 프로그램을 설치해야 함.또한 구글 colab에 접근할 수 있도록 구글 드라이브에 가입해야 함.

Students

167

Professor

-

Learning Period

03-01-2024 ~ 12-31-2025

Course Introduction

강의시간 강의내용 실습여부 1 질병 멀티오믹스 데이터에 클러스터링 및 네트워크 분석을 활용한 최신 연구   2 멀티오믹스 데이터 클러스터링 분석의 기초 개념과 적용 사례   3 멀티 오믹스 데이터에 대한 네트워크 분석 적용의 기초 개념과 적용 사례   4 NMF 클러스터링 중심의 멀티오믹스 데이터 클러스터링 분석 실습 O 5 MOFA tool을 활용한 멀티오믹스 데이터 클러스터링 분석 및 해석 실습 O 6 PHONEMES tool을 활용한 멀티오믹스 데이터 네트워크 분석 및 해석 실습 O

Students

70

Professor

-

Learning Period

03-01-2024 ~ 12-31-2025

Course Introduction

강의 소개 및 개요입니다. 성명 김화종 소속기관 강원대학교 과목명 데이터처리 기초 강의시간 10 학습목표 화합물 데이터를 머신러닝(AI 모델)에서 사용하기 위한 데이터 표현 방식의 이해 데이터의 표현형을 변경하는 데이터 전처리 및 탐색적 분석 실습 강의 선수과목 및 준비사항입니다. 선수과목 파이썬 프로그래밍 기초 참고자료 파이썬으로 배우는 머신러닝 – 김화종 저 준비사항 아나콘다 설치 및 쥬피터 노트북 실행 Keyword 데이터전처리 데이터프레임 시각화 탐색적분석 머신러닝

Students

132

Professor

-

Learning Period

03-01-2024 ~ 12-31-2025

Course Introduction

강의 소개 및 개요입니다. 성명 김완규 소속기관 이화여자대학교 과목명 약물-전사체 기반 약물 기전해석 및 신약재창출 강의시간 3 학습목표 1. 약물-전사체 기반 약물 기전 해석의 기본 원리를 이해한다.2. 약물-전사체 기반 신약재창출 기법을 이해한다.   강의 선수과목 및 준비사항입니다. 선수과목  차세대 시퀀싱(NGS) 및 오믹스(전사체) 생명정보 분석 기초 (NGS 데이터 및 Pathway 분석, 클러스터링 기초 지식 등) 참고자료  강의 자료 참조 준비사항  노트북 지참 (권장 사항)

Students

62

Professor

-

Learning Period

03-01-2024 ~ 12-31-2025

Course Introduction

강의 소개 및 개요입니다. 성명 이정혜, 한석주 소속기관 UNIST 과목명 연합 학습 연구 동향 강의시간 7 학습목표 1. 연합 학습의 세부 연구 분야 및 최신 연구 동향에 대해서 알 수 있다.2. 연합 학습에서 연구가 필요한 다양한 문제들(보안 및 프라이버시, 통계적 이질성, 개인화)에 대해 알아보고, 최신 연구 동향에대해 알 수 있다.   강의 선수과목 및 준비사항입니다. 선수과목  - 참고자료 Advances and Open Problems in Federated Learning (2019; Kairouz et al.) Federated Learning: Challenges, Methods, and Future Directions (2019; Li et al.) 준비사항  노트북

Students

53