교수자/개설자

-

학습기간

2024-11-25 ~ 2029-12-31

강좌소개

성명 김은지 소속기관 코오롱인더스트리 강의 명 (주제) 화학정보학의 기초: AI와 계산 화학으로 풀어보는 신약 개발 학습목표 이 강의는 화학정보학의 기초를 배우고, AI, 분자동역학, 양자계산을 신약 개발에 어떻게 활용하는지 설명합니다. 참가자는 약물 설계와 용해도 파라미터 예측 등 중요한 화학적 특성을 예측하는 방법을 익히게 됩니다. 분야 AI □ Bio Chem □ Drug 단계 기초

참여자수

40

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다.  성명 김현욱 소속기관 KAIST 과목명 Disease-Target-Drug relationship analysis from multi-dimensional data 강의시간  1시간 학습목표 1. 소프트웨어 사용을 위한 컴퓨팅 환경 학습2. 약물상호작용, 약물부작용 등 다양한 약물반응의 예측을 위한 머신러닝 기반 프로그램 소개   강의 선수과목 및 준비사항입니다. 선수과목  AI 기초 (Python programing, machine learning); Chemoinformatics 분야 기초 (molecular representation 관련) 및 중급 과목 (특히 RDKit 관련) 참고자료  프로그램 관련 논문들 준비사항  -

참여자수

37

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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

참여자수

180

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

82

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

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.

참여자수

98

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 표준희 소속기관 D5 Therapeutics 과목명 신약개발에서의 바이오마커 예측 강의시간 2 학습목표 신약개발에서 바이오마커의 정의와 개발 동향을 이해하고, 데이터에 기반한 바이오마커의 예측 방법론 및 사례를 학습하여 추후 적용 가능하도록 기초 지식을 쌓는다.  

참여자수

47

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

130

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

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

43

교수자/개설자

-

학습기간

2024-03-01 ~ 2025-12-31

강좌소개

강의 소개 및 개요입니다. 성명 안준용 소속기관 고려대학교 바이오시스템의과학부 과목명 인공지능을 활용한 전장유전체 유전변이 분석 강의시간 2시간 학습목표 본 강의는 전장유전체 (whole genome sequencing) 분석을 통해 발굴된 유전변이를 해석하는데 사용되는 인공지능 기반의 방법론 등을 학습한다. 유전변이 해석에 필요한 기본개념을 학습하고, 최근 개발된 딥러닝 및 머신러닝 기반의 유전변이 분석 방법을 학습하여 향후 인공지능 기반 유전체 연구 개발에 활용할 수 있는 학습을 제공한다.     강의 선수과목 및 준비사항입니다.      선수과목 차세대 염기서열 분석 – 남진우 교수 Genomics analysis – 김상우 교수 전장유전체 변이 분석의 이해 – 안준용 교수 참고자료 - Avsec (2021), Nature Methods, 18, 1196-1203 준비사항  - 구글 코랩이 연결되는 인터넷    

참여자수

34