6개의 강좌가 검색되었습니다.
교수자/개설자
-
학습기간
2024-03-01 ~ 2024-12-31
강좌소개
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
참여자수
15
파이썬프로그래밍|
강의 소개 및 개요입니다. 성명 신현길 소속기관 안전성평가연구소 과목명 독성 예측 인공지능 모델 활용 강의시간 6시간 학습목표 1. 무료로 사용 가능한 독성 예측 프로그램 설치 및 활용 방법 익히기 2. python을 이용한 데이터 분석 및 처리 방법 익히기 3. 예측 모델 개발을 위한 python 코드 완성해보기 강의 선수과목 및 준비사항입니다. 선수과목 파이썬 프로그래밍 기초(2-5강), 화학정보학개론, QSAR, RDKit의 기초와 이를 이용한 화학정보학 실습 참고자료 RDKit의 기초와 이를 이용한 화학정보학 실습 [강사 강원대학교 이주용] 1. 컴퓨터를 이용한 신약 개발 방법론 https://www.ibric.org/myboard/list.php?Board=news&Page-2&&PARA3-21) 2. pubchempy (https://pubchempy.readthedocs.io/en/latest/) 3. openbabel 파이썬 모듈 http://openbabel.org/wiki/python) 참고자료 4. MOPAC 홈페이지 (http://openmopac.net/) 5. Chembl 데이터베이스 (https://www.ebi.ac.uk/chembin 6. binding DB (https://www.bindingdb.org/rwd/bind/index.jsp) 7. DILIrank 미국 FDA에서 정리한 데이터 베이스 (classificaion 모델 개발용 데이터) https://www.fda.gov/science-research/liver-toxicity-knowledge-base-ltkb/drug-induced-liver-in jury-rank-cdilirank-dataset) 준비사항 아나콘다 파이썬으로 진행(아나콘다 파이썬이 아닌 경우 pandas, matplotilb, sci-kit learn 모듈 추가 설치 필요) 아나콘다 파이썬에서 추가 설치가 필요한 모듈 (pubchempy, mopac, openbabel, joblib) 아나콘다에서 제공하는 spyder 사용방법 숙지(다른 IDE 호라용해도 문제 X) text editor 프로그램(Atom, Sublime 등) binding DB 데이터 활용을 위한 홈페이지 가입 필요
17
약물최적화모델|
강의 소개 및 개요입니다. 성명 홍성은 소속기관 강원대학교 과목명 연합학습 기초 강의시간 6 학습목표 1. Pytorch 언어의 기본 문법을 익혀 기본적인 코딩을 할 수 있다2. 연합 학습의 개념을 이해하고 신약 개발 분야에 도입이 필요한 이유를 파악한다.3. 연합 학습 과정을 코드로 작성할 수 있다.
4
머신러닝|
인공지능 신약개발을 위한 그래프 기초 강의 과정입니다, 성명 방준일 소속기관 강원대학교 과목명 인공지능 신약개발을 위한 그래프 기초 강의시간 5 학습목표 1. 그래프의 정의와 그래프 신경망을 이해한다. 2. 탐색적 데이터 분석(EDA)을 통해 그래프 데이터 표현 방법을 이해한다. 3. 논문 코드 구현을 통해 단백질-약물 상호작용(DTI) 예측 모델을 이해한다. 강의 선수과목 및 준비사항입니다. 선수과목 - 파이썬 프로그래밍 기초 - 파이썬 딥러닝 프레임워크 - GPU를 활용한 딥러닝(선택) 참고자료 - (논문) GraphDTA: predicting drug-target binding affinity with graph neural networks 준비사항 - 실습은 Google Colab으로 진행하므로, 교육생별 Google 계정이 필요함
10
강의 소개 및 개요입니다. 성명 최윤재 소속기관 한국과학기술원 과목명 인공지능을 활용한 EMR 데이터 분석 강의시간 6시간 학습목표 전자의무기록의 데이터 구조에 대한 이해 전자의무기록 기반 예측 태스크 이해 전자의무기록의 데이터 전처리 과정 이해 전자의무기록 기반 딥러닝 예측 모델 이해 강의선수 과목 및 준비사항입니다. 선수과목 기계학습 기초 참고자료 해당없음 준비사항 해당없음
6
임상데이터|
강의시간 강의내용 실습여부 1 천연물 의약품 개발을 위한 예측기술/DB 및 모델링 접근법 소개 - 천연물 개요 및 의약품 개발사례 - 천연물 의약품 개발 연구에 활용 가능한 예측기술 - 천연물 기반 데이터베이스 - 예측모델 개발을 위한 모델링 접근법 2 천연물 데이터 수집 - 천연물 DB 데이터 수집 - PubChem DB를 활용한 분자구조 데이터 수집 - PubChem DB를 활용한 Bioassay 데이터 수집 O 3 예측모델 개발을 위한 구조기반 분자표현자 계산 - 분자표현자 기법 소개 - RDKit을 활용한 분자표현자 계산 - Mordred를 활용한 분자표현자 계산 - PaDELPy를 활용한 분자표현자 계산 - NC-MFP를 활용한 분자표현자 계산 O 4 예측모델 개발을 위한 데이터 전처리 - 데이터 정규화 및 표준화 - 데이터 불균형 문제를 위한 데이터 샘플링 - 데이터 전처리 및 샘플링 기법 구현 O 5 딥러닝 기반 예측모델 개발 및 활용 - 딥러닝 알고리즘 소개 - DNN 알고리즘 구현 - DNN 기반 정량/정성 예측모델 개발 및 성능평가 - DNN 예측모델 활용 O
약물탐색모델|