7개의 강의가 검색되었습니다.
교수자/개설자
-
학습기간
2024-11-27 ~ 2029-12-31
강좌소개
목차 (강의시간) 강의내용 실습여부 교수자 1 Streamlit 소개 Streamlit의 기본 개념과 AI/ML 프로젝트에서의 활용 사례 탐구 MolScore Library 의 의 주요 구성 요소 및 역할 소개 Python 환경 설정과 필수 라이브러리 설치 X 신동욱 2 실습: MoleScore 사용한 화합물 생성 목표 설정 Multi-Parameter 설정을 통한 생성 목표 정의 사용자 정의 Scoring Function 클래스 작성 O 신동욱 3 실습: MolScore을 활용한 화합물 학습 사용자 정의 BenchMark 구성 방법 학습 커리큘럼 학습 설정 / 리플레이 버퍼 활용 O 신동욱 4 실습 화합물 : 평가 결과 시각화 및 확장 Streamlit 컴포넌트를 활용한 생성 결과 시각화 MolScore 기본 모니터링 화면 클론코딩 및 응용 O 신동욱 5 실습: Streamlit 기반 Web App 개발 및 배포 스코어링 결과 시각화 및 데이터 저장 결과물 배포 및 공유 O 신동욱
참여자수
4
인공지능 & 프로그래밍|
2024-03-01 ~ 2024-12-31
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
178
화학 & 화학정보학|
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
81
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
87
신약개발 & 제약산업|
강의 소개 및 개요입니다. 성명 홍동완 소속기관 가톨릭대학교 과목명 암 유전체 빅 데이터 강의시간 1 학습목표 1. 암 유전체 데이터베이스 시스템의 종류와 보유 데이터의 내용을 이해한다.2. TCGA 암 유전체의 원 데이터, 분석 데이터의 수집, 분석 방법 등을 습득하며 시각화 도구를 통한 표현법을 습득한다.
71
생물학 & 생물정보학|
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
65
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
29
.png)
.png)
 (1).png)
 (1).png)
 (1).png)