[실시간 온라인] 의료 데이터 분석 – 딥러닝 Classification
Introduction
일방적으로 실습코드를 수행하는 강의에서 벗어나,
딥러닝을 제대로 이해하고 빠르게 응용할 수 있는 기회
딥러닝은 데이터분석을 위해 사용되는 일부의 툴입니다.
단순히 실습코드를 수행하는 강의에서 벗어나, 딥러닝의 가치를 제대로 이해하고 연구와 산업에서 빠르게 응용할 수 있도록 개념을 잡아주는 강의를 준비했습니다.
간단한 실습과 더불어, 다양한 의료데이터를 만져본 분석가의 입장에서 이해하는 딥러닝의 가치를 전달해 드리겠습니다.
Point
이 강의가 특별한 이유
- 통계에서 다루는 회귀분석을 기반으로 MLP, CNN, GAN 이론과 실습을 한번에!
- 강의 중 사용한 모든 실습 예제 프로그램 코드 제공!
- 실시간 온라인으로 공간 제약없이 강사와 소통하는 강의!
- 스크린쉐어 기능으로 학습능률 높인 실습강의가 가능!
Lesson
강의 상세내용
통계에서 다루는 회귀분석을 기반으로, Neural Network를 통한 MLP, CNN, GAN의 구현을 이해하고, 직접 실습할 수 있는 강의입니다. 연구의 영역에서 이미 산업의 영역으로 넘어온 딥러닝은 하나의 도구일 뿐입니다. 이를 빠르게 활용하여 적용할 수 있는 내용을 강의로 준비하였습니다.
Professor's interview
이정훈 강의교수님
- 안녕하세요, 짧게 자기소개 부탁드려요.
의료의 영역에서 사용되는 유전체, 바이오, 임상데이터를 통해 환자에게 도움이 되는 연구를 수행하는 데이터분석가입니다.
- 현재 하시는 일에 대해서 더 자세히 설명해주실 수 있나요?
의료 이미지와 유전체 바이오 데이터를 분석하여 암을 연구하고 있습니다. 이는 공학과 과학, 그리고 의료까지 다양한 분야의 폭넓은 지식을 요구하는 분야입니다. 이처럼 과학과 공학적인 발견으로부터 의료, 임상에 적용시켜 가치를 부여하는 일을 수행하고 있습니다.
- 이 강의에 대한 기대감이 있으시다면?
컴퓨터과학의 오픈소스에 대한 활용도가 점점 높아지고 있습니다. 딥러닝 역시 데이터 모델링을 위한 하나의 툴일 뿐입니다. 딥러닝을 통해 수행할 수 있는 부분에 대해서 간결하게 요약해드리고, python 소스코드를 이해하시면 충분히 하시는 일 or 연구에 응용하실 수 있으실 것으로 기대합니다.
- 이번 교육 과정을 기획하게 되신 계기는 무엇인가요?
의료 영역에서 이러한 강의를 요구하는 경우가 많습니다. 의료 및 과학에 종사하시는 연구원 분들에게, 대학 세미나를 통하여 강의를 많이 드렸었는데, 그 내용을 대학 이외에서도 전달하기 위해 가져왔습니다.
- 마지막으로 수강생 분들에게 당부의 말씀 부탁드립니다.
딥러닝이라는 최신 기술은 활용도가 매우 높아, 다양한 분야에 적용시킬 수 있는 아주 좋은 툴입니다. 자신의 도메인에 인공지능을 적용시켜 좋은 결과를 내셨으면 좋겠습니다.
#파이썬 #Keras #딥러닝 #데이터분석
Goal
-
데이터분석가 관점에서의 딥러닝을 이해합니다.
-
회귀분석을 이해합니다.
-
딥러닝 모델의 구조를 이해합니다.
-
딥러닝 이미지 Classifier를 직접 구현해 봅니다.
For YOU
이런 분들께 추천드립니다!
IT 엔지니어
실무에 딥러닝 분석을
적용하고 싶은 IT 실무자
데이터 분석가
데이터 분석에 딥러닝을
적용해 보고 싶은 연구원, 대학원생
Professor
이정훈
이정훈 강의 교수님은 의료 데이터 딥러닝 분야의 전문가입니다.
풍부한 연구 경험과 데이터 분석 강의 경력을 가지고 있습니다.
[학력]
- 서울대학교 자연과학대학 생물정보학 (Bioinformatics) 협동과정
- 서울대학교 의과대학 Biomedical informatics (SNUBI) 박사과정
- 인하대학교 컴퓨터정보공학 학사
[소속]
- 연세대학교 의과대학 Digital Healthcare Laboratory (DHLab) 연구원
[저널]
- IEEE, Thyroid, Journal of Medical Internet Research, European Radiology, Scientific reports 등 저명 SCI 저널 주저자 7편, 공저자 포함 13편
- 국제학회 4회 및 국내학회 2회 발표
[강의 경력]
- 2019.01.10 BDPM: Keras Deep learning, Python Jupyter notebook
- 2018.08.02~21 경희대학교 LINC+ 사업단 산업체재직자 교육
- 데이터 분석가를 위한 통계로 시작하는 Deep learning 강의
- 2018년도 연세대학교 원주캠퍼스 겨울 계절학기 ‘빅데이터 프로그래밍’
- KSA 한국 표준협회 데이터 사이언스 강의
[수상내역]
- 2018 빅콘테스트 Innovation 통신분야 대상 – 과학기술정보통신부장관상
- 2018 금융정보보호 및 금융 빅데이터 공모전 우수상 (2위)
- 2018 인공지능융합 아이디어경진대회 (AI Idea Challenge 2018) 인공지능협회장상
- 2017 Korean Society of Ultrasound in Medicine (KSUM2017) Young Investigator Award (Grand Prix) 학회 최고 연구발표상 & 젊은 과학자상
- 2017 Microsoft-아산병원 의료 빅데이터 분석 콘테스트 3위 입상 (Thyroid 부문 1위)
- 2016 NAVER D2와 함께하는 인하소프트웨어 해커톤 대상
- 2016 NAVER D2와 함께하는 인하소프트웨어 해커톤 NAVER 특별상 (이하생략)
Genome Data Analysis, Seoul National University of Medicine, Seoul, Korea
2018.08.27~31 GDA15th
2018.08.27~31 GDA15th
Cell line Data at GDSC & CCLE Gene expression in human cancer cell lines Comparing Drug sensitivity by cell lines Epigenetic Regulation of Gene Expression
2018.08.27~31 GDA15th:
2018.02.19~23 GDA14th:
2017.08.21~25 GDA13th
2017.02.20~24 GDA12th:
Statistical tests for association (Chi-square, Fisher’s exact test andOdds ratio).
Rare variant association tests (Burden tests, SKAT, SKAT-O)
2016.08.22~26 GDA11th:
2016.02.22~26 GDA10th
Common and Complex Diseases Database (GWAS, GAD, OMIM, COSMIC)
2016.02.22~26 GDA10th:
Functional Effects of variant (PolyPhen2, SIFT, CADD, RegulomeDB) GENCODE and Ensembl Biomart
2016.09.09~10 R for Bioinformatics and Biomedicine13th
2016.10.28~29 R for Bioinformatics and Biomedicine14th
Case study: association of BRCA1 and BRCA2 mutations with survival in ovarian cancer (JAMA 2011)
Curriculum
커리큘럼
제 1장 | RNN/LSTM 기본 이해 (1 hour)
데이터 분석을 위한 기초 내용을 학습합니다.
- 회귀분석
- Sigmoid를 통한 Logistic 회귀분석
- Model performance (ROC curve, AUC)
제2장 | RNN / LSTM 고급 이해 (1 hour)
시퀀스 모델인 RNN(Recurrent Neural Network)에 대해 알아보고, RNN의 일종인 LSTM(Long Short-Term Memory models)에 대해 이해합니다.
- Neural network
- Convolution Neural Network (CNN)
- Class Activation Map (CAM)
- Auto Encoder
- Generative Adversarial Network (GAN
제 3장 | Keras를 활용한 딥러닝 실습 (2 hour)
Keras를 설치하고 Keras를 활용해서 의료 데이터 딥러닝 실습을 진행합니다.
- Keras 설치
- Neural network를 통한 회귀분석의 구현
- 피부암 (Skin Cancer) 사진을 통한 Classification 수행
- Class Activation Map (CAM) 구현
수강 방법
[ 실시간 온라인 강의 ]
수강신청을 해주신 분들께 개별적으로 온라인 수강을 위한 링크를 보내드립니다.
강의자료는 당일 배포합니다
일정
2021년 3월 27일 토요일 오후 1시~5시
수강 인원
15명 제한
유의사항
개별 노트북 필수 지참, 세금계산서 발급가능
※ 기타 유의사항은 아래에서 확인해주세요.
강의안내
결제 안내
- 대학(원)생 / 단체 / 기수강생 할인 가능합니다. (* 타쿠폰과 중복할인은 불가)
- 카드 결제시 최대 6개월 무이자 할부 가능합니다.
- 세금계산서 발급 가능합니다. 담당자(bill@fininsight.co.kr)에게 연락주시면 더 자세히 안내해 드리겠습니다.
인터넷 결제환경 안내
- Windows 7, 크롬 브라우저에 최적화 되어있습니다. 인터넷 익스플로러는 버전 9 이상을 권장합니다.
- iOS에서는 현재 결제가 불가합니다. 타 방식 이용을 권해 드립니다.
- 맥북에서는 Safari(사파리)에서 결제가 가능합니다.
강의 유의사항
- 본 강의에는 교재비가 포함되어 있습니다.
- 강의의 최소 인원(5명)이 미달될 경우 일정이 연기될 수 있습니다.
- 일정 연기 시, 수강생 분들께 개강 3일전 개별 연락을 드립니다.
인사이트 캠퍼스 지기 모집
혜택
- 본 강의 무료 수강
- 본 강의 외의 수강하고 싶은 강의는 50% 할인 혜택
- 인사이트 캠퍼스지기 활동 인증서 발급
- 금융권 진출 희망 시 진로 상담 및 네트워킹 제공 (우수 활동지기는 추천서 제공) – 핀인사이트 취업 지원 시 우대
모집 대상
- 해당 강의 관련 학과 전일제 대학(원)생 또는 관심이 많은 타과 전일제 대학(원)생
- 인원: 강의 당 1명
우대사항
- 인사이트 캠퍼스 기 수강자
- 해당 강의 관련 프로젝트 경험자
- 해당 강의 관련 컴퓨터 언어 활용 가능자
활동 내용
- 수강생들이 효과적으로 강의를 수강할 수 있도록 돕는 역할
- 운영을 위한 세부사항을 기획하며, 다음 기수 수강생 모집 준비를 지원하는 역할
- 해당 강의 종료 후 수강생 인터뷰 작성 (A4 1장 분량) – 차기 강의 개발 전략에 참여
신청 방법
- 아래 신청 버튼을 통해 캠퍼스지기를 신청해주시면, 신청하신 모든 분들께 해당 강의 개강 1주 전까지 개별 연락 드립니다.
- https://goo.gl/forms/5KsDKKkUywVKPbZB2
