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

20

Professor

-

Learning Period

04-15-2024 ~ 12-31-2029

Course Introduction

강의 소개 및 개요 입니다.  성명 김학수 소속기관 건국대학교 과목명 자연어처리 강의시간 6시간 학습목표 1. 자연어처리에 대한 기본 개념을 이해한다. 2. 자연어처리 문제를 기계학습을 통해 해결하는 방법을 이해하고 구현한다. 3. 대용량 언어모델을 이해하고 자연어처리 문제에 적용하는 방법을 학습한다.   강의 선수과목 및 준비사항입니다. 선수과목 파이썬 프로그래밍, 기계학습 참고자료   준비사항 인터넷 연결 가능한 PC(또는 노트북) 구글 코랩 연결을 위한 구글 드라이브 개인 아이디

Students

168

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

202

Professor

-

Learning Period

03-01-2024 ~ 12-31-2029

Course Introduction

강의시간 강의내용 실습여부 1 -  Why CNNs, MLPs, RNNs are insufficient for non-Euclidean data -  Neural network for graphs & sets -  Euclidean transformations, invariance, and equivariance   2 -  Invariant geometric GNNs (SchNet, DimeNet, and SphereNet) -  Simple equivariant geometric GNNs (EGNN and NequIP) O 3 -  Local frame-based geometric GNNs (ClofNet and LEFTNet) -  Frame averaging for geometric GNNs (Frame averaging, FAENet) O 4 -  Steerable features, rreducible representations, Wigner-D matrix, spherical harmonics, Clebsch-Gordan tensor product -  Steerable geometric GNNs (Tensor field network, SE(3)-Transformer)   5 - Steerable geometric GNNs (Equiformer, MACE, eSCN, EquifomerV2) O

Students

80

Professor

-

Learning Period

03-01-2024 ~ 12-31-2029

Course Introduction

강의 소개 및 개요입니다. 성명 이유한 소속기관 카카오브레인 과목명 그래프 트랜스포머를 활용한 분자물성 예측 강의시간 1시간 학습목표 Attention 알고리즘을 이해한다. 그래프 데이터에 attention이 어떻게 쓰이는지 이해하고, 실습으로 이해도를 높인다.   강의 선수과목 및 준비사항입니다. 선수과목 Attention for Deep Learning 참고자료 A Generalization of Transformer Networks to Graphs (https://arxiv.org/abs/2012.09699?amp=1) 준비사항 우분투 환경

Students

90

Professor

-

Learning Period

03-01-2024 ~ 12-31-2029

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

196

Professor

-

Learning Period

03-01-2024 ~ 12-31-2029

Course Introduction

강의소개 및 개요입니다. 성명 이유한 소속기관 카카오브레인 과목명 신약개발을 위한 다중모달 표현학습 강의시간 2시간 학습목표 신약 물질(단백질, 저분자 화합물)의 다양한 데이터 표현 방법에 대해 학습한다. 다중 모달 학습법에 대해서 학습하고, 신약 개발에 활용법에 대해서 학습한다. 실습을 통해 데이터 표현 방법 및 다중 모달 학습 방법을 숙지한다.   강의 선수과목 및 준비사항입니다. 선수과목 Molecular Representation Learning & Property Prediction (ADME/T, etc) 참고자료 https://arxiv.org/abs/2103.00020 (Learning Transferable Visual Models From Natural Language Supervision) 준비사항 - 코랩 또는 우분투 환경

Students

83

Professor

-

Learning Period

03-01-2024 ~ 12-31-2029

Course Introduction

강의시간 강의내용 실습여부 1  인공지능을 활용한 역합성 경로 예측의 필요성 및 이론적 배경 X 2  반응 데이터 설명 및 seq2seq 모델을 활용한 역합성 경로 예측 모델 실습 O 3  transformer 모델을 이용한 역합성 경로 예측 모델 실습 O 4  graph 기반의 역합성 경로 예측 모델 실습 O

Students

108

Professor

-

Learning Period

02-29-2024 ~ 12-31-2029

Course Introduction

강의 소개 및 개요입니다. 성명 윤성의 소속기관 KAIST 과목명 Attention for Deep Learning 강의시간 2 학습목표 1. RNN 구조에서 attention 역할을 이해한다.2. attetion layer를 이해하고, 이를 transformer로 확장한다.

Students

36