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

31

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

84

교수자/개설자

-

학습기간

2024-03-01 ~ 2024-12-31

강좌소개

강의 소개 및 개요입니다. 성명 윤휘열 소속기관 충남대학교 약학과/바이오 AI 융합학과 과목명 신약개발을 위한 정량시스템약리학의 이해 강의시간 5시간 학습목표 1. 그래프의 정의와 그래프 신경망을 이해한다. 신약개발에 활용되는 약리학, 약동학, 약력학 기초에 대해 이해하는 것으로 목표로 함 계량약리학을 기술을 활용하여 신약개발에 활용되는 약동학, 약력학 정보를 정량화 하는 기술을 습득하는 것을 목표로 함 정량화된 약동학, 약력학 정보를 서로 연결하여 체내 흡수, 분포, 대사, 배설 및 약효 발 현과정을 표현하고 이를 임상시험 디자인에 반영하는 법을 습득하는 것을 목표로 함   강의 선수과목 및 준비사항입니다.  선수과목 R 프로그래밍 기초 참고자료 강의자료 및 실습 material 제공 준비사항 R/Rstudio가 구동 가능  

참여자수

52

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

44

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

121

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

65