11개의 강좌가 검색되었습니다.
교수자/개설자
-
학습기간
2024-04-15 ~ 2024-12-31
강좌소개
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
참여자수
13
머신러닝|
2024-03-01 ~ 2024-12-31
강의시간 강의내용 실습여부 1 - Early Stage 신약개발을 이해하고, 관련 데이터베이스들을 살펴본다. - 파이썬을 이용하여 데이터를 다운로드하고 데이터의 탐색적 분석을 수행한다. O 2 - 타깃 발굴을 위한 데이터베이스의 종류를 알아보고 이론적 배경을 학습한다. 생물정보학 분석을 이용하여 관련 유전자를 추출하고, 인공지능 분석 결과와 통합하는 방법을 알아본다. O 3 독성시험의 이론적 배경을 학습하고 관련 데이터베이스를 살펴본다. 화합물의 표현 방법에 대해 학습한다. 화합물 독성 예측 모델을 설계하고, 가상 스크리닝을 수행한다. O 4 - 간단한 단백질-화합물 상호작용(Drug-Target Interaction) 모델을 설계한다. DTI 데이터베이스를 살펴보고, 그 의미에 대해 학습한다. ZINC database에서 가상 스크리닝을 수행한다. O 5 - 강화학습에 대해 학습하고, 이를 이용한 lead optimization의 개념에 대해 학습한다. 파이프라인 구축을 위한 Snakemake에 대해 학습한다. 효력, 독성 모델을 구축하고 자동화된 파이프라인을 설계한다. O
36
약물탐색모델|
강의 소개 및 개요입니다. 성명 이주용 소속기관 서울대학교 과목명 RDKit의 기초와 이를 이용한 화학정보학 실습 강의시간 10 학습목표 1. RDKit의 기본 기능을 익혀 기본적인 분자 입출력 및 물성 분석을 할 수 있다2. Cheminformatics의 기본 개념을 이해하고 실제로 최신 연구에서 어떻게 사용되고 있는지 살펴본다 강의 선수과목 및 준비사항입니다. 선수과목 파이썬, 주피터 노트북, anaconda 또는 venv 같은 가상환경 생성 프로그램 참고자료 www.rdkit.org, 핸즈온 머신러닝 (한빛 미디어) 준비사항 파이썬, 주피터 노트북, 아나콘다 패키지 관리자가 설치된 PC 필요
37
화학정보프로그래밍|
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
22
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
24
약물최적화모델|
강의시간 강의내용 실습여부 1 차원축소의 개념과 필요성 2 차원축소의 수학적 원리 3 주요 차원축소 모델 구조(PCA, LDA, ICA, NMF, t-SNE 등) 4 주요 차원축소 모델 활용 실습 (가능 시 멀티오믹스 예제 활용) O
8
시스템 생물학|
성명 김화종 소속기관 강원대학교 과목명 신약개발에 필요한 머신러닝 이해 강의시간 9 모듈 학습목표 신약개발에 필요한 화합물 데이터를 다루는 방법을 배우고 화합물의 속성을 수치 테이블로 표현하는 방법, Fingerprint, 그래프 등으로 표현하는 분자 표현형을 설명한다. 머신러닝 모델을 구현하는 방법과 랜덤포레스트, MLP, CNN, Graph CNN 등을 배우고 VAE와 GAN 등 생성 모델을 이용한 분자 생성 방법을 배운다.
18
강의소개 및 개요입니다. 성명 홍성은(Pytorch, sungkenh@gmail.com) 방준일(Tensorflow, tkfka965@gmail.com ) 소속기관 AI신약융합연구원 과목명 신약 개발을 위한 딥러닝 프레임워크 기초 강의시간 10 학습목표 최근 연구 논문에서 가장 활용도가 높은 Tensorflow, Pytoch 딥러닝 프레임워크를 소개하고, github 활용 방법 및 직접 모델이나 데이터를 수정할 수 있도록 딥러닝 프로그래밍 능력을 기른다. 강의 선수과목 및 준비사항입니다. 선수과목 Python 기초, 딥러닝 기초 참고자료 (도서) 1. 머신 러닝 교과서 with 파이썬, 사이킷런, 텐서플로 2. 파이썬 딥러닝 파이토치(Python Deep Learning PyTorch) (논문) 1. DeepDTA: deep drug–target binding affinity prediction 준비사항 - 아나콘다 설치가 가능한 PC, 노트북, 서버 등(OS, Window, Mac, Linux)
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
12
강의 소개 및 개요입니다. 성명 김학수 소속기관 건국대학교 과목명 파이썬 프로그래밍 기초 강의시간 10 학습목표 파이썬 언어의 문법을 익히고 실습을 통해 기본기를 다짐으로써 파이썬 기반 데이터 분석이나 기계학습에 필요한 기본 능력을 배양한다. 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.
40
강의 소개 및 개요입니다. 성명 조한석 소속기관 AITRICS 과목명 효율적인 딥러닝 코드 작성을 위한 파이토치 라이트닝 기초 강의시간 3시간 학습목표 딥러닝 모델 학습 코드를 작성하다보면 비슷한 구조가 반복되는 것을 알 수 있다. 파이토치 라이토닝(pytorchlightning)은 딥러닝 학습을 구조화한 프레임워크로 유연(flexble)하고 재현 가능한(reproducible) 코드를 만드는데 유용하며, 특히 적은 노력으로 딥러닝 학습 코드를 작성하는데 큰 도움을 준다. 이 강의에서는 파이토치 라이트닝과 WandB를 이용하여 효율적으로 딥러닝 코드를 작성하고 실험 관리하는 방법을 익힌다. 강의 선수과목 및 준비사항입니다. 선수과목 파이썬 프로그래밍기초, 기계학습, 파이토치 기초 참고자료 https://pytorch-lightning.readthedocs.io/en/latest/ 준비사항 녹화 가능한 강의 툴