SK' Cheminfo homepage

Menu

재직자 강의 (Course for Working Professionals)

2019년부터 재직자들을 위한 강의를 진행하고 있습니다. 

이 강의는 의약, 환경, 소재개발 등에서 활용할 수 있는 정보학과 데이터과학을 기반으로한   “바이오화학 정보학” 과 “바이오화학데이터과학“교과목을 재직자강의로 개설하고 있습니다. 

이 교과목은 화학, 생명과학, 의약분야의 전공지식을 지닌 학생들이 컴퓨터수학, 통계학을 기반으로 개별 세부전공과 정보학, 데이터과학을 접목해 나아가는 전공밀착형 4차산업혁명 지향적인 마이크로디그리 교육과정인 ‘**바이오화학 데이터과학 마이크로디그리’** 교육과정에 포함된 교과목입니다.

본 강의는 온라인 강의로 진행되며 녹화된 영상이 제공되므로 시간과 장소에 구애받지 않고 들을 수 있습니다. 

외부에서 관심이 있으신 분들도 아래와 같이 재직자과정 수강신청 과정을 통해서 수강을 하실 수 있습니다지난 6년동안 이 과목들이 재직자강의를 통해서 약 200 여명의 외부 수강생 들이 신청을 하였으며,  좋은 강의평을 남겨 주셨습니다. 

교과목 소개

  • 바이오화학정보개론

    • 이 교과목의 특징은 의약, 환경, 소재개발에서 널리 사용되는 바이오화학 분야의 정보학을 통해서 바이오 화학분야의 다양한 분자/생체정보와 그 표현/저장 방법, 그리고 이들을 이용한 검색법 등을 습득하고 실제 생명과학, 제약산업 및 환경 분야(화학물질평가), 소재개발 등의 현장에서 활용할 수 있습니다. 특히 다양한 바이오화학 정보학적 기술를 이해하고 이를 토대로한 10여종 이상의 관련 프로그램의 실습을 포함하고 있읍니다.  바이오화학 분야의 정보학 도구인 KNIME 프로그램은 공개프로그램으로 활용 범위가 넓은 프로그램인데, 본 교과에서는 4주간에 걸쳐서 집중적으로 다룰 예정입니다.

  • 바이오화학데이터과학

    • 이 교과목의 특징은 데이터과학을 전공하지 않는 이공계열의 종사자나 이공계 학생들을 대상으로 데이터과학을 프로그래밍이 아닌 프로그램(비주얼 프로그래밍 기법)을 통해 쉽게 이해시키고 수행해나아가는 면에서 현재 강의되는 타 데이터과학분야와 차이가 있습니다. 다양한 바이오화학의 데이터를 이해하고 이를 토대로 데이터과학 분야를 쉽게 적용하는 것으로, 주로 데이터과학 도구로  rapidminer를 사용하며, 통계도구인 Jamovi를 사용할 예정이며, 최근 관심이 많은 chatGPT와 같은 다양한 LLM도 특강형태로 포함될 예정입니다. 

  • 이 교과목을 이수한 후의 기대효과로는 바이오화학 분야의 종사자 및 전공학생이 전문적인 프로그래밍 과정을 하지 않고도 다양한 데이터과학 방법을 바로 적용할 수 있으며, 이를 통해 해당분야의 데이터를 더 이해하여 이를 확장해 보다 효율적으로 관련 분야의 데이터를 구체적으로 표현할 수 있는 방법을 찾아 나갈 수 있도록 합니다.

재직자 강의 수강 기관 및 기업

2019년 2학기

  • 바이오화학데이터과학
  • 총 4명
  • 기업 : 사과나무의료재단, SPCI
  • 정출연 : 한국자동차연구원, 한국화학연구원

외부인을 위한 재직자강의

  1. 수강대상 : 본교에 학적이 없는 일반인 (기업인, 정출연 연구원)
  2. 강의료 :  600,000원 (3학점) – 15주 강의 (주당 강의 50+50분,  실습 45분+45분)
    – 학교를 통해 세금계산서 발행 가능하므로 연구비처리가 가능합니다.
  3. 수강 방식 : 한남대 LearningX 시스템 (http://hiclass.hannam.ac.kr/) 을 통한 온라인강의
    – 시간과 장소에 구애받지 않고 강의를 들을 수 있습니다.
    – 외부 수강인은 시험은 없고 과제는 강제사항은 아닙니다.
    – 수강 신청시에 아이디 발급됩니다.
    – 수강 후 2/3 출석(온라인 자동출결)시에는 이수증 발급
  4. 접수 기간 : 학기 시작 전 (2월, 8월에 접수해주세요. ) 
  5. 신청방법  : 아래 재직자 교육프로그램 신청서를 작성하여 메일(leesk(a)hnu.kr)로 보내주세요. 

본 재직자강의와 관련된 신문기사 모음

바이오화학정보개론 교과목 설명 

  • 교과목명 : 바이오화학정보개론 (introduction to bio-chemical informatics)
  • 강의/실습 녹화영상은 한남대학교 LearningX시스템을 통해 1학기 동안 시청이 가능합니다
  • 교과목 개요
    • 교육목표 : 이 과목은 바이오, 화학과 관련된 다양한 정보(분자구조, 단백질, 반응, 물성, 문헌)에 대한 기본개념과 표현 및 저장, 검색법 등을 습득하여, 이를 통해 산업현장 (제약, 환경, 소재개발) 및 연구 분야에서 활용할 수 있는 능력을 기른다. 기본적인 분자구조 및 단백질을 표현하고 시각화하는 방법을 배우며, 공개된 데이터베이스로부터 바이오, 화학 정보를 수집 및 검색하는 방법을 프로그램 실습으로 익히도록 한다. 또한, 산학연 분야에서 최근 관심이 있는 정보학적 기술들을 실례를 통해서 소개하도록 한다.
    • 교육성과(수행 준거) :
      • 바이오 화학 정보 분야에 대한 다양한 표현법, 저장방법을 이해하도록 한다.
      • 분자구조 및 단백질을 표현하는 방법과 시각화하는 방법을 익히도록 한다.
      • 2차원, 3차원 분자구조로부터 목적에 맡도록 다양하게 검색 및 가상 스크리닝 방법들을 익히도록 한다.
      • 실제 제약산업, 소재개발 분야에서 사용할 수 있는 바이오 화학 정보학적 기술들을 실습으로 이해하도록 한다.
  • 수업목표
    • 바이오 및 화학과 관련된 다양한 데이터 및 정보에 대하여 배우고, 이들을 조사하기 위한 다양한 검색 방법들을 실습하도록 한다.
    • 바이오화학 정보학을 실제로 적용하고 있는 다양한 분야(의약, 생명,  환경, 소재)의 실례들을 보고 익히며, 실습 및 과제를 통해 수행해 보도록 한다.
  • 수업방법 : 강독, 실습
    • 평가방법 : 중간발표(30%), 기말고사(30%), 퀴즈+과제(30%), 출석(10%),
      재직자들은 본인이 원하지 않을 경우, 평가는 생략될 수 있습니다. (대신 수료증 발급을 해드립니다).
  • 참고교재
  • 실습 프로그램
  • 수업내용
    • 1주. 강의 소개 및 바이오 화학 관련 정보 종류 – 바이오 화학 관련 문헌 정보-기초설명
    • 2주. 바이오 화학 관련 문헌 정보 검색 방법 – SCOPUS, mendeley 실습
    • 3주. 컴퓨터에서 2차원 분자 구조표현 (1) – 분자구조 표현법, 구조 정규화, Smiles, Inchi코드
    • 분자구조 입력용 MarvinSketch 프로그램 실습 (1)
    • 4주. 컴퓨터에서 2차원 분자 구조표현 (2) – 화학 그래프이론,  canoicalization,
    • Connecton table (mol file,  sd file,  mol2 file, CML)
    • Markush 구조 이해 및 검색. 분자구조 입력용 MarvinSketch 프로그램 실습 (2)
    • 5주. 컴퓨터에서 3차원 생체분자 구조표현 – DNA, RNA, 단백질 구조, 구조좌표 표현(cartesian, z-matrix), 3차원 구조 파일
    • 단백질-리간드 결합구조, 분자 표면적 및 특성
    • MOE를 이용한 생체분자 시각화
    • 6주. 컴퓨터에서 3차원 분자구조 생성방법 – 3차원 구조 생성방법, conformational search, 계산화학 방법 비교,
    • MOE 프로그램을 이용한 분자역학 계산 및 conformational  search, 양자계산
    • 7주. 2차원 분자구조를 이용한 검색 (1)
    • 분자구조 검색 방법 (exact, substructure, similarity)
    • PubChem 설명 및 실습, JChem for Excel을 이용한 검색
    • 8주. 2차원 분자구조를 이용한 검색 (2)
    • ChEMBL, DrugBank 검색 및 실습,
    • ChemIDPlus, eMolecules, ChemSpider, PhysProp, EPI suite
    • Webbook등 공개 웹DB 검색
    • 9주. 단백질 구조 모델링 – 단백질 구조 실험 방법, 단백질 구조 계산방법(homology, fold recognition, ab initio)
    • MOE 프로그램 단백질 homology 모델링 실습
    • 10주. 3차원 분자구조를 이용한 가상 스크리닝 – 분자인지 및 3차원 구조 검색법, ligand-based & protein structure-based phamacophore
    • docking, MOE 프로그램 가상 스크리닝 실습
    • 11주. 화학반응 표현 및 검색 –  화학반응 표현법 및 반응 검색 방법 소개
    • Org Syns, WebReaction 실습
    • 12주. 바이오화학을 위한 정보도구 KNIME 소개 – KNIME 기초 사용법, 기본 node 설명
    • 13주. KNIME 활용 (1) – 바이오화학 분자구조 입출력, 변환 및 데이터 처리
    • 14주. KNIME 활용 (2) – 3D 분자 구조생성, drug-likeness, library design 실습
    • 15주. KNIME 활용 (3) – KNIME내에서 자동화된 Pharmacophore 검색, docking 과정 실습
  •  

바이오화학데이터과 교과목 설명 

  • 교과목명 : 바이오화학데이터과학 (Data science in biology and chemistry)
  • 강의/실습 녹화영상은 한남대학교 LearningX시스템을 통해 1학기 동안 시청이 가능합니다
  • 교과목개요
    • 교육목표 : 이 과목은데이터행렬 및 표준화, 다변량 통계처리, 회귀분석 및 주성분, 군집분석, 인공신경망 및 딥러닝과 같은 다양한 수학/통계/기계학습 방법들을 이용하여 바이오 및 화학 관련 데이터로부터 정보와 지식을 도출해 낼 수 있는 다양한 데이터 과학의 기초이론과 응용분야 등을 강의한다. 최근 4차산업혁명에 대비하여 바이오 및 화학 관련 데이터 분석과정들을 통해서 관련기업이나 대학원을 지망하는 학생들에게 유용할 것으로 예상된다.
    • 교육성과(수행준거)
      • 바이오화학 데이터를 위한 데이터과학의 구성요소들에 대하여 배운다.
      • 바이오화학 분야의 데이터에 적합한 다양한 통계분석 및 기계학습 방법을 이해한다.
      • 실제 실습을 통해 바이오화학 데이터처리 및 예측모델 구현을 진행 할 수 있다.
  • 수업목표
    • 바이오화학 데이터 과학의 기본적인 원리와 구성요소들에 대하여 배운다.
    • 바이오화학 데이터 처리와 관련된 데이터 표준와 및 다변량 통계분석 및 기계학습 방법들을 배우고, 실제 바이오, 화학분야에 적용되는 분야에 대하여 학습하도록 한다.
  • 수업방법 : 강독, 실습
    • 평가방법 : 중간고사(35%), 기말과제(35%), 퀴즈+과제+출결(30%)
    • 재직자들은 따로 평가가 이루어지는 않습니다. (대신 2/3 출석시 수료증 발급을 해드립니다).
  • 참고교재 :
    • Vijay Kotu외 1명, Data Science, Morgan Kaufman, (2019)
    • 권영욱 외 4명 번역, 데이터과학, 한티미디어 (2016) – 번역서
  • 실습 프로그램
    • Rapidminer (데이터과학을 위한 workflow프로그램)
    • Jamovi (R을 기반으로한 공개 통계프로그램)
  • 수업내용
    • 1주. 과목소개 및 데이터과학 서론
      • 실습 : rapidminer 기본 구성, 가시화
    • 2주. 기초통계(1) – 데이터 종류, 확률, 정규분포, 중심값
      • 실습 : rapidminer 기본속성, 변환, titanic data 분석
    • 3주. 기초통계(2) – 분산, 정규화, 특이값, 공분산, 데이터시각화
      • 실습 :  rapidminer 표준화, 단변량 계산, 상관행렬, 공분산행렬
    • 4주. 분산분석, t-test, f-test, chi-test
      • 실습 : rapidminer, jamovi  ANOVA분석, t-test, chi-test
    • 5주. 회귀 (regression) – 1) linear regression, data transformation, 잔차분석
      • 실습 : rapidminer 가중치, 속성 고르기, 데이터변환, 다중선형회귀식
    • 6주. 회귀 (regression) – 2) logistic regression, ridge, LASSO
      • 실습 : rapidminer 신뢰구간, 표준잔차, 비선형 회귀식,  로지스틱 회귀식
    • 7주. 분류 (classification) -1) decision, k-nearest neighborhood(k-NN)
      • 실습 : rapidminer 의사결정나무, k-NN 모델 최적화
    • 8주. 분류 (classification) -2) Naive Bayes, Support vector machine(SVM)
      • 실습 : rapidminer Naive Bayes, SVM 모델 최적화
    • 9주. 모델평가 (model evaluation) – 성능값, 과적합, 검증법
      • 실습 : rapidminer 이진형 분류모델 성능, threshold 결정, 교차검증, bootstrap
    • 10주. 데이터전처리 (Data preprocessing) – 결측치, 잡음, 특이값, 데이터통합/축소
      • 실습 : rapidminer 결측치 처리, 전진선택
    • 11주. 특징공학 (feature engineering) – 특징선택, 특징생성, 주성분분석(PCA)
      • 실습 : rapidminer 유전자알고리즘을 이용한 변수선택, 주성분분석
    • 12주. 군집분석 (cluster analysis) – 계층군집, 중심기반, 밀도기반, 모델기반
      • 실습 : rapidminer 계통군집분석, k-means, top-down 계통분석, DBSCAN
    • 13주. 복합모델 (ensemble model) – bagging, boosting, stacking
      • 실습 : rapidminer vote모델, RF, XGBoost 모델 실습
    • 14주. 인공신경망 (neural net) – perceptron, MLP, 최적화방법
      • 실습 : rapidminer 인공신경망 최적화
    • 15주. 딥러닝 (deep learning) – Drop-out, weight, CNN, RNN
      • 실습 : rapidminer Deep NN 최적화

    • 특강 : chatGPT를 필두로 한 LLM도구의 데이터과학 활용

      • chatGPT 및 다양한 인공지능 도구 활용