Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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

Students

81

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

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

Students

87

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

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의시간 강의내용 실습여부 1 천연물 의약품 개발을 위한 예측기술/DB 및 모델링 접근법 소개 -     천연물 개요 및 의약품 개발사례 -     천연물 의약품 개발 연구에 활용 가능한 예측기술 -     천연물 기반 데이터베이스 -     예측모델 개발을 위한 모델링 접근법   2 천연물 데이터 수집 - 천연물 DB 데이터 수집 -     PubChem DB를 활용한 분자구조 데이터 수집 -     PubChem DB를 활용한 Bioassay 데이터 수집 O 3 예측모델 개발을 위한 구조기반 분자표현자 계산 -     분자표현자 기법 소개 -     RDKit을 활용한 분자표현자 계산 -     Mordred를 활용한 분자표현자 계산 -     PaDELPy를 활용한 분자표현자 계산 -     NC-MFP를 활용한 분자표현자 계산 O 4 예측모델 개발을 위한 데이터 전처리 -     데이터 정규화 및 표준화 -     데이터 불균형 문제를 위한 데이터 샘플링 -     데이터 전처리 및 샘플링 기법 구현 O 5 딥러닝 기반 예측모델 개발 및 활용 -     딥러닝 알고리즘 소개 -     DNN 알고리즘 구현 -     DNN 기반 정량/정성 예측모델 개발 및 성능평가 -     DNN 예측모델 활용 O

Students

51

Professor

-

Learning Period

03-01-2024 ~ 12-31-2024

Course Introduction

강의 소개 및 개요입니다. 성명 이주용 소속기관 강원대학교 화학생화학부 과목명 화학 정보학 데이터베이스 강의시간 2 시간 학습목표 본 수업에서는 화학 정보학에서 자주 사용되는 다양한 데이터 베이스들의 종류와 특징에 대해서 알아본다. 각 데이터베이스에서 신약 개발과 관련된 정보를 찾는 간략한 방법에 관해서 알아본다.   강의 선수과목 및 준비사항입니다.  선수과목 - 일반화학 참고자료 - 준비사항 인터넷이 연결된 컴퓨터와 웹브라우저

Students

36