교수자/개설자

-

학습기간

2024-11-12 ~ 2029-12-31

강좌소개

성명 강수임 소속기관 미국 콜롬비아 대학교 강의 명 (주제) AI-Powered Drug Discovery 관련 최근 연구동향 파악 학습목표 1. 신약개발에 이용되는 인공지능 모델연구 동향파악 2. 최신 인공지능 신약개발 관련 논문들과 플래폼을 소개 분야 ■ AI □ Bio □ Chem ■ Drug 단계  

참여자수

11

교수자/개설자

-

학습기간

2024-11-07 ~ 2029-12-31

강좌소개

성명 박혜진 소속기관 에이조스바이오 강의 명 (주제) 딥러닝을 사용한 펩타이드 활성 예측모델 학습목표 딥러닝과 펩타이드 활성 예측의 기본 개념을 이해하고, 데이터 전처리 및 신경망 모델 설계 능력을 함양한다. 분야 □ AI ■ Bio □ Chem □ Drug 단계 심화

참여자수

13

교수자/개설자

-

학습기간

2024-11-01 ~ 2029-12-31

강좌소개

성명 박혜진 소속기관 에이조스바이오 강의 명 (주제) 대규모 언어 모델과 신약개발 학습목표 대규모 언어모델의 원리와 신약개발에서의 응용 가능성을 이해하고, 이를 통해 혁신적인 신약개발 방법론을 탐구한다. 분야 ■ AI □ Bio □ Chem □ Drug 단계 심화

참여자수

15

교수자/개설자

-

학습기간

2024-10-14 ~ 2029-12-31

강좌소개

성명 류재용 소속기관 덕성여자대학교 강의 명 (주제) 능동적 학습을 통한 약물 가상 탐색 학습목표 1. 약물 저해제 가상탐색 전략 중, 능동적 학습을 활용하는 전략에 대해 학습한다. 2. AI 신약개발에 유용한 다양한 파이썬 라이브러리에 대해 학습한다. 분야 AI   단계 심화

참여자수

18

교수자/개설자

-

학습기간

2024-10-11 ~ 2029-12-31

강좌소개

성명 박대찬 소속기관 아주대학교 강의 명 (주제) NGS와 AI를 이용한 항체 레퍼토리 (repertoire) 분석 학습목표 생체 내에서 B 세포의 발달 및 B cell receptor (BCR 또는 항체)의 다양성과 항원 특이성이 확보되는 면역학 기초를 배운다. 천문학적인 BCR 다양성 분석을 위해 NGS 기반 BCR 시퀀 싱 데이터를 생산하는 최신 연구 기법을 학습한다. 생명정보학적 분석법으로 BCR의 V gene usage와 complementarity-determining regions (CDR) 서열을 동정하는 법을 배우고 딥러닝으 로 대규모 DNA 서열과 아미노산 서열을 학습하는 방법을 배운다. 분야 Bio   단계 기초

참여자수

21

교수자/개설자

-

학습기간

2024-10-07 ~ 2029-12-31

강좌소개

성명 석차옥 소속기관 갤럭스 / 서울대학교 강의 명 (주제) 인공지능 기반 단백질 신약 설계 (AI-based Protein Drug Design) 학습목표 - 인공지능을 활용한 단백질 신약 설계 파이프라인에 대한 이해 - 단백질 신약 설계에서의 구조 예측 모델의 중요성 이해 - AlphaFold2, RoseTTAFold 모델의 이해 (높은 성능에 기여하는 핵심 구성요소 파악) - AlphaFold3, RoseTTAFold-All-Atom 등 최신 생체 분자 구조 예측 모델 이해 - 단백질 신약 설계에 활용되는 모델의 원리 및 설계 응용 방법 이해 구조 생성 모델 / 서열 디자인 모델 / 면역원성 예측 모델 분야 AI,Bio,Drug 단계 심화

참여자수

66

교수자/개설자

-

학습기간

2024-09-12 ~ 2029-12-31

강좌소개

성명 김선, 이선호 소속기관 서울대학교, 아이겐드럭 강의 명 (주제) Deep learning models for drug response prediction 학습목표 약물 반응성 예측의 주요 원리와 연구 동향을 파악하고, 인공지능 약물 반응성 예측을 위한 딥러닝 방법론 및 주요 데이터베이스를 포괄적으로 학습하여 이를 실제 연구에 적용할 수 있는 기본 능력을 배양한다. 분야  AI 단계 심화

참여자수

56

교수자/개설자

-

학습기간

2024-09-01 ~ 2029-12-31

강좌소개

성명 선 호 근 소속기관 부산대학교 통계학과 강의 명 (주제) R을 활용한 유전체 빅데이터 통계 분석 (Statistical analysis of high-dimensional genomic data using R) 학습목표 유전체 발현량 데이터와 DNA 메틸화 데이터와 같은 고차원 유전체 데이터를 분석하는 통계적 검정 방법들과 벌점함수 기반 변수선택 방법들을 학습시키고,  통계 패키지 R을 사용하여 실제 유전체 빅데이터를 분석하는 실습을 통해 학생들의 데이터 분석 능력을 향상시킨다. 분야 AI, Bio 단계 기초 및 심화

참여자수

60

교수자/개설자

-

학습기간

2024-09-01 ~ 2029-12-31

강좌소개

성명 김동섭 소속기관 한국과학기술원 강의 명 (주제) 단백질 구조 예측 및 단백질 설계를 위한 최신 딥러닝 기술 학습목표 - 단백질 구조 예측의 원리의 이해 - template-based 모델링을 통한 단백질 구조 예측법 이해 및 실습 - Alphafold를 이용한 단백질 구조 예측 모델 이해 및 실습 - 단백질 설계의 필요성 및 원리 이해 RFDiffusion을 사용한 단백질 설계의 이해 및 실습 분야 AI, Bio 단계 심화

참여자수

87

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

87

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

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

참여자수

40

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의시간 강의내용 실습여부 1 다양한 공공기관이 제공하는 개방된 데이터를 활용하기 위하여 공공기관에서 제공되는 Open API를 이용해 데이터를 검색, 수집할 수 있도록 Open API의 사용 방법과 데이터 형식과 Open API의 개념과 중요성을 설명합니다. ● 2 공공기관에서 제공하는 데이터에 접근하기 위한 Open API를 이용하여 Python의 requests 라이브러리를 사용하여 HTTP 요청을 보내는 방법과 응답을 처리하는 방법으로 공공데이터 Open API에 접속하고 데이터를 검색하는 방법을 실습합니다. ● 3 JAVA를 이용하여 공공데이터 Open API를 활용하는 데 필요한 개발 환경 설정을 위하여 JDK 설치, 개발 도구(예: Eclipse, Visual Studio Code 등) 설치 등이 포함되며, JAVA에서 공공데이터 Open API와 통신하여 데이터를 요청하고 응답을 처리하는 방법을 기반으로 Open API를 통해 얻은 데이터를 JAVA에서 수집하고 저장하는 방법을 실습합니다. ● -    

참여자수

34

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 Dr. Yugal Sharma 소속기관 CAS 과목명 Overcoming Scientific Data Challenges in AI 강의시간 1 학습목표 1.Explore the critical role of a data foundation in supporting successful artificial intelligence (AI) initiatives.0 2. Share common challenges organizations face when establishing effective strategies for R&D data. 3. Showcase case studies based on real-life examples from CAS, a leader in scientific information solutions that guides the success of R&D digital initiatives of organizations worldwide.

참여자수

8

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의시간 강의내용 실습여부 1 - Self-Supervised Learning이란?  - Language 분야에서의 SSL - Computer vision 분야에서의 SSL  X 2 - Molecular Graph란? - Graph Neural Networks - Molecular Graph 분야에서의 SSL X 

참여자수

27

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

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.

참여자수

75

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

68

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이정혜, 한석주 소속기관 UNIST 과목명 연합 학습 연구 동향 강의시간 7 학습목표 1. 연합 학습의 세부 연구 분야 및 최신 연구 동향에 대해서 알 수 있다.2. 연합 학습에서 연구가 필요한 다양한 문제들(보안 및 프라이버시, 통계적 이질성, 개인화)에 대해 알아보고, 최신 연구 동향에대해 알 수 있다.   강의 선수과목 및 준비사항입니다. 선수과목  - 참고자료 Advances and Open Problems in Federated Learning (2019; Kairouz et al.) Federated Learning: Challenges, Methods, and Future Directions (2019; Li et al.) 준비사항  노트북

참여자수

37

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

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.  

참여자수

35

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

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)

참여자수

99

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이상완 소속기관 KAIST 과목명 인공지능 신약개발을 위한 강화학습 기초 강의시간 6시간 학습목표 본 강의에서는 생물학적 시스템과 같은 복잡한 환경과의 상호작용을 통해 개발자가 설정한 조건을 만족시키는 최적의 시퀀스나 환경 제어 전략을 탐색할 수 있는 강화학습 이론과 기초 알고리즘을 다룬다.   강의 선수과목 및 준비사항입니다. 선수과목 선형대수 기초 참고자료 Sutton and Barto, Reinforcement learning: an introduction 준비사항 강의자료

참여자수

30

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

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  

참여자수

53

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 권진선 소속기관 (주)애임스바이오사이언스 과목명 인공지능 빅데이터 활용 신약개발 연구동향 및 연구사례 강의시간 2시간 학습목표 AI활용 신약 개발 산업 동향 및 연구 동향 파악AI 활용 신약 개발 연구 방향 제언  

참여자수

53

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이일구 소속기관 팜캐드 과목명 인공지능을 위한 선형대수학 강의시간 5시간 학습목표 인공지능을 위한 기초수학인 선형대수학을 학습한다.선형대수학에서는 간단한 스칼라, 벡터, 텐서의 정의행렬연산, 행렬식, 아이겐밸류, 행렬분해 등을 배운다.그리고 실제 코딩을 통해 이론에서 실습까지 진행한다.   강의 선수과목 및 준비사항입니다. 선수과목 -  참고자료 Deep Learning (Ian Goodfellow, et. al.) 준비사항 Anaconda 환경, jupyter notebook 환경  

참여자수

35

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 이일구 소속기관 팜캐드 과목명 인공지능을 위한 확률통계 강의시간 5시간 학습목표 인공지능을 위한 기초수학인 기초 확률통계를 학습한다. 기초 확률통계에서는 확률변수와 확률분포가 무엇인지 아는 것 부터 머신러닝에서 많이 쓰이는 Cross entropy, KL divergence까지 학습한다. 그리고 실제 코딩을 통해 이론에서 실습까지 진행한다.   강의 선수과목 및 준비사항입니다.

참여자수

37

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

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.

참여자수

156

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

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

참여자수

25

교수자/개설자

-

학습기간

2024-02-29 ~ 2024-12-31

강좌소개

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.

참여자수

30