Professor
-
Learning Period
11-27-2025 ~ 12-31-2029
Course Introduction
목차 (강의시간) 강의내용 실습여부 교수자 1 LLM이 어떻게 작동하는지 핵심 개념을 이해한다 LLM은 언어 패턴을 배우는 매우 거대한 통계 모델 GPT는 문장을 예측하는 데 특화된 구조 (Transformer 기반) 프롬프트, 토큰, 파라미터 같은 용어에 대한 기초 개념을 익힌다 X 본인 김요섭 2 잘 묻는 사람이 AI를 잘 쓴다: Prompt Engineering 입문 좋은 프롬프트의 3가지 조건 → 명확성, 역할 부여, 단계화 프롬프트 템플릿 소개 (Prompt chain, Role-based template) X 본인 김요섭 3 GPT가 외부 지식을 활용하도록 만드는 RAG의 원리와 구성 이해 GPT의 한계: 훈련된 지식 외 질문은 “헛다리” 가능성 RAG 구조 이해 (간단한 그림 중심 설명) Query → Retriever → Context → GPT 적용 예시: → 논문 검색 & 요약 → 특정 약물에 대한 최신 정보 연결 실전 RAG 워크플로우 따라가기: PDF, Text, 데이터베이스 연결 X 본인 김요섭 4 “Agentic AI”란 무엇인가? 구성요소 통합: 프롬프트 → 외부 문서 검색(RAG) → 도구 실행(API) 구조설계: Agent 워크플로우 직접 그려보기 간단한 GPTs App publish 해서 연구원들과 공유하기 X 본인 김요섭 선수과목 없음 참고자료 없음 준비사항 없음
Students
14
인공지능 & 프로그래밍|
신약개발 & 제약산업|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2029
Course Introduction
강의 소개 및 개요입니다. 성명 남호정 소속기관 GIST 과목명 Lecture : AI in Predicting Drug-protein Interaction(sequence-based) 강의시간 2 학습목표 1. 단백질 서열을 사용하여 화합물-단백질 상호작용을 예측하는 다양한 방법론을 학습한다.2. 기계학습, 딥러닝 기반 화합물-단백질 상호작용 예측 모델들에 대해 학습한다. 강의 선수과목 및 준비사항입니다. 선수과목 Deep Learning Advanced (inductive bias, self-supervised learning, semi-supervised learning, Attention, Transformeretc.)Graph Deep Learning(GCN, GAT, GIN, GGNN, MPNN, etc.) 참고자료 doi: 10.1093/bib/bbz157doi: 10.1093/bib/bbab046 준비사항 Colab 접속 가능 환경
Students
200
.png)
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2029
Course Introduction
강의 소개 및 개요입니다. 성명 김현욱 소속기관 KAIST 과목명 Disease-Target-Drug relationship analysis from multi-dimensional data 강의시간 1시간 학습목표 1. 소프트웨어 사용을 위한 컴퓨팅 환경 학습2. 약물상호작용, 약물부작용 등 다양한 약물반응의 예측을 위한 머신러닝 기반 프로그램 소개 강의 선수과목 및 준비사항입니다. 선수과목 AI 기초 (Python programing, machine learning); Chemoinformatics 분야 기초 (molecular representation 관련) 및 중급 과목 (특히 RDKit 관련) 참고자료 프로그램 관련 논문들 준비사항 -
Students
81
.png)
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2029
Course Introduction
강의 소개 및 개요입니다. 성명 류성옥 소속기관 Galux 과목명 Graph Neural Networks for Molecular Property Prediction 강의시간 7 학습목표 1. Python 언어의 기본 문법을 익혀 기본적인 코딩을 할 수 있다2. Python 프로그래밍에서 필요한 기초적인 변수, 연산, 문자열, 조건문, 반복문, 함수 등을 학습한다. 강의 선수과목 및 준비사항입니다. 선수과목 참고자료 * GNN github repository, https://github.com/SeongokRyu/Graph-neural-networks* Bayesian learning github repository, https://github.com/SeongokRyu/Bayesian-deep-learning* Reliable GNN github repository, https://github.com/AITRICS/mol_reliable_gnn 준비사항 PyTorch 를 설치 및 활용가능한 노트북, 혹은 Google Colab 활용Dataset은 MoleculeNet 및 Therapeutic Data Commons 의 open benchmark를 활용예정
Students
133
.png)
화학 & 화학정보학|
.png)
Professor
-
Learning Period
03-01-2024 ~ 12-31-2029
Course Introduction
강의 소개 및 개요입니다. 성명 김동섭 소속기관 KAIST 과목명 QSAR 강의시간 5 학습목표 1. QSAR 모델 개발 과정2. 화합물구조의 수식화와 Descriptors3. QSAR를 위한 기계학습법4. Bioactivity prediction5. Proteochemometric modeling
Students
299
.png)
화학 & 화학정보학|
.png)
Professor
-
Learning Period
03-01-2024 ~ 12-31-2029
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
77
생물학 & 생물정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2029
Course Introduction
강의 소개 및 개요입니다. 성명 김재훈 소속기관 카카오브레인 과목명 단백질 언어 모델을 활용한 컨텍트 예측 강의시간 2시간 학습목표 Pre-training 개념을 이해한다. 단백질 서열 데이터를 전처리하여 딥러닝 언어 모델에 학습시킬 수 있다. 학습된 결과를 예측모델에 적용할 수 있다. 강의 선수과목 및 준비사항입니다. 선수과목 Python 참고자료 논문: Biological structure and function emerge from scaling unsupervised learning to 250 million protein sequences 준비사항 Jupyter notebook 환경
Students
64
 (1).png)
생물학 & 생물정보학|
 (1).png)
 (1).png)