[2022] 신약개발에 필요한 머신러닝 이해 수료증

  • 모집인원9,999명

  • 수강신청기간1970-01-01 ~ 1970-01-01

  • 학습기간2022-11-25 ~ 2023-04-30

로그인하시면 강좌에 등록할 수 있습니다.
강좌 소개

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.

과정 소개

인공지능 신약개발을 위한 머신러닝 이해 강의 과정입니다. 

 

강의시간

강의내용

실습여부

1

데이터 다루기 – 인터넷에 공개된 데이터를 읽고 특성을 파악하는 방법을 배운다. ChEMBLPubchemMoleculeNet, 그리고 deepchem 이용법을 소개한다

O

2

분자 표현형 – smiles, mol, fingerprint, 그래프 모델 등 분자를 표현하는 여러 방법들의 특징을 이해한다

O

3

머신러닝 이해 – 머신러닝 모델, 회귀, 분류, 훈련, 검증, 과대적합, 성능지표, 손실함수의 개념을 배운다

O

4

머신러닝 모델 특징 - 선형, SVM, 트리, 랜덤포레스트 모델의 특징을 이해한다

O

5

딥러닝 이해 - MLP, CNN, RNN, 그래프 컨볼류션 모델, 트랜스포머의 동작을 이해한다

O

6

그래프 컨볼류션 모델 – 분자를 그래프로 표현하고 그래프 컨볼류션 딥러닝에 활용하는 방법을 소개한다

O

7

가상 선별 - 어떤 조건을 만족하는 분자를 찾아내는 작업으로 실험을 하지 않고 머신러닝 모델로 찾는 방법을 배운다

O

8

분자 생성모델 – VAE를 이용하여 원하는 특성을 갖는 분자를 생성하고 이의 유효성을 확인하는 방법을 배운다

O

9

분자 생성모델 – GAN을 이용하여 원하는 특성을 갖는 분자를 생성하고 이의 유효성을 확인하는 방법을 배운다

O

선수과목

파이썬 프로그래밍 기초 (리스트, 튜플, 딕셔너리, 데이터프레임, ndarray 이해)

참고자료

파이썬으로 배우는 머신러닝 – 김화종 저 (홍릉과학출판사, 2022.6)

준비사항

구글 colab에서 실습하므로 구글 계정 및 github 가입이 필요함

Keyword

분자 표현법

임베딩 벡터

그래프 모델

예측 모델

생성 모델

분류
  • 주제
  • 분야
  • 실습
    없음 (이론 강의)
  • 활용 단계
교수자/개설자