Professor
-
Learning Period
11-27-2024 ~ 12-31-2029
Course Introduction
성명 국승호 소속기관 바이오넥서스(BIONEXUS) 강의 명 (주제) 의료이미지 기반 환자진단 및 바이오마커 탐색 학습목표 딥러닝을 활용한 의료이미지 분석의 기초 개념과 기법을 이해하고, 이를 통해 질병 진단 및 바이오마커 탐색을 위한 모델 설계 능력을 기른다. 다양한 의료 데이터를 활용하여 환자 맞춤형 진단 및 예측 모델을 개발하며, 실제 사례를 통해 딥러닝 기반 진단 모델의 응용 가능성과 한계를 파악한다. 분야 v AI v Bio □ Chem □ Drug 단계 심화
Students
10
인공지능 & 프로그래밍|
신약개발 & 제약산업|
 강의실 썸네일.png)
Professor
-
Learning Period
09-12-2024 ~ 12-31-2029
Course Introduction
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
Students
62
인공지능 & 프로그래밍|
Professor
-
Learning Period
09-01-2024 ~ 12-31-2029
Course Introduction
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
Students
106
인공지능 & 프로그래밍|
.png)
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 남호정 소속기관 GIST 과목명 Lecture : AI in Predicting Drug-protein Interaction(sequence-based) 강의시간 2 학습목표 1. 단백질 서열을 사용하여 화합물-단백질 상호작용을 예측하는 다양한 방법론을 학습한다.2. 기계학습, 딥러닝 기반 화합물-단백질 상호작용 예측 모델들에 대해 학습한다. 강의 선수과목 및 준비사항입니다. 선수과목 Deep Learning Advanced (inductive bias, self-supervised learning, semi-supervised learning, Attention, Transformeretc.)Graph Deep Learning(GCN, GAT, GIN, GGNN, MPNN, etc.) 참고자료 doi: 10.1093/bib/bbz157doi: 10.1093/bib/bbab046 준비사항 Colab 접속 가능 환경
Students
97
.png)
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 김우연 소속기관 KAIST 과목명 AI in Predicting Protein-Ligand Interaction (structure-based) 강의시간 8 학습목표 1.단백질 구조 기반 Protein-Ligand Interaction 에 대한 다양한 AI 예측 모델들을 살펴본다. 2. 예측의 정확도 및 일반화 측면에서 다양한 방법들의 장단점을 이해한다. 강의 선수과목 및 준비사항입니다. 선수과목 al Screening (이주용), Deep learning approach (김동섭), Deep learning frameworks (김학수), Deep learning Basic (김학수 참고자료 981 (2019)), GNN-Torg (JCIM, 59, 4131 (2019)), GNN-Jiang(RSCAdv 20, 20701 (2020)), DeepFusion (JCIM, 61, 1583 (2021)), PoseR 준비사항 x
Students
134
.png)
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 황상연 소속기관 HITS 과목명 Al 기반 protein-ligand interaction 예측 연구의 최신동향 강의시간 4 학습목표 Al 기반 protein-ligand interaction 예측 연구의 최신 동향 (2022) Protein-ligand interaction (PL) 예측을 위한 딥러닝 모델 연구의 최신 동향을 알아본다. 강의는 논문 리뷰로 진행되며, 2020년도 이후의 주목할 만한 PL 예측 모델 연구들을 살피고 관련하여 결합구조 예측 모델의 일부 또한 살핀다. 강의 선수과목 및 준비사항입니다. 선수과목 (권장) Al in Predicting Drug-Protein Interaction (sequence-based) (권장) Al in Predicting Protein-Ligand Interaction (structure-based) 참고자료 리뷰 대상 논문들 준비사항 없음
Students
65
.png)
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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
Students
178
.png)
화학 & 화학정보학|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의시간 강의내용 실습여부 1 임상 시험 시뮬레이션 및 최적화 개념 및 사례 소개 필요한 데이터 소개 및 예측 모델 구축/시뮬레이션 방법론 검토 아니오 2 전임상 및 임상 데이터를 활용하여 임상 시험을 시뮬레이션 및 최적화하는 사례에 해당하는 코드를 실습함 (hands-on) 네
Students
44
.png)
임상개발 & 임상데이터|
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 김재훈 소속기관 카카오브레인 과목명 단백질 언어 모델을 활용한 컨텍트 예측 강의시간 2시간 학습목표 Pre-training 개념을 이해한다. 단백질 서열 데이터를 전처리하여 딥러닝 언어 모델에 학습시킬 수 있다. 학습된 결과를 예측모델에 적용할 수 있다. 강의 선수과목 및 준비사항입니다. 선수과목 Python 참고자료 논문: Biological structure and function emerge from scaling unsupervised learning to 250 million protein sequences 준비사항 Jupyter notebook 환경
Students
36
 (1).png)
생물학 & 생물정보학|
.png)
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
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.
Students
94
 (1).png)
화학 & 화학정보학|
.png)
.png)
.png)
 (1).png)
 인공지능을 활용한 역합성 경로 예측.png)
Professor
-
Learning Period
03-01-2024 ~ 12-31-2024
Course Introduction
강의 소개 및 개요입니다. 성명 최윤재 소속기관 한국과학기술원 과목명 인공지능을 활용한 EMR 데이터 분석 강의시간 6시간 학습목표 전자의무기록의 데이터 구조에 대한 이해 전자의무기록 기반 예측 태스크 이해 전자의무기록의 데이터 전처리 과정 이해 전자의무기록 기반 딥러닝 예측 모델 이해 강의선수 과목 및 준비사항입니다. 선수과목 기계학습 기초 참고자료 해당없음 준비사항 해당없음
Students
30
 (1).png)
임상개발 & 임상데이터|
 (2).png)