Archives

2024

• 22 06 8. 단백질 합성
• 22 06 7. 진핵생물의 전사조절
• 15 06 6. 원핵생물의 전사조절
• 09 06 5. 유전자 전사와 RNA 가공
• 09 06 4. 돌연변이와 DNA 수선
• 08 06 3. DNA 복제
• 08 06 2. DNA 구조와 핵산 기술
• 08 06 1. DNA, RNA, Protein
• 07 01 (LAIDD) ADMET 데이터 101
• 07 01 (LAIDD) AI 신약개발시 알아야 할 항암제 개요
• 07 01 (LAIDD) 질환 및 표적 작용 약물
• 06 01 (LAIDD) 의약품 허가 및 상업용 생산을 위한 기술이전
• 06 01 (LAIDD) 인공지능 빅데이터 활용 신약개발 연구동향 및 연구사례
• 06 01 (LAIDD) 신약개발전략과 TPP의 이해
• 06 01 (LAIDD) 의약화학 기초
• 06 01 (LAIDD) 신약개발과정 개요
• 01 01 (LAIDD) 파이썬 프로그래밍 기초
• 01 01 (LAIDD) 신약타겟 단백질구조결정학

2023

• 31 12 (LAIDD) 단백질 서열 정렬 알고리즘과 실습
• 31 12 (LAIDD) 알파폴드를 이용한 단백질 구조 예측 및 평가
• 31 12 (LAIDD) 단백질 언어 모델을 활용한 컨텍트 예측
• 30 12 ch15. K-Nearest Neighbor
• 30 12 ch14. Tree and Random Forest
• 30 12 ch13. Linear Regression
• 30 12 ch12. Model Selection
• 30 12 (LAIDD) 신약개발을 위한 단백질 구조 예측 및 상호작용 예측
• 29 12 (LAIDD) 인공지능을 활용한 멀티오믹스 기반 바이오마커 발굴
• 29 12 (LAIDD) 네트워크 기반 멀티오믹스 데이터 통합 실습
• 28 12 (LAIDD) 생물학 and 생물정보학 역량강화 교육과정
• 28 12 (LAIDD) 시스템 생물학을 활용한 신호전달 경로 모델링
• 25 12 (LAIDD) 빅데이터를 활용한 비임상시험 동물모델 개발
• 25 12 (LAIDD) 기계학습 및 네트워크 구조를 활용한 정밀의학
• 25 12 (LAIDD) 시스템 생물학
• 23 12 (LAIDD) 바이오 네트워크 모델링
• 23 12 (LAIDD) 바이오 데이터베이스의 활용
• 23 12 (LAIDD) 타겟발굴을 위한 유전체 변이분석기술
• 23 12 (LAIDD) 신약개발에서의 바이오마커 예측
• 23 12 (LAIDD) Multiomics Analysis
• 16 10 (LAIDD) 약물-전사체 기반 약물 기전해석 및 신약재창출
• 15 10 (LAIDD) R programming for bioinformatics
• 15 10 (LAIDD) Cancer Genome Analysis
• 27 09 Special Sort Algorithm - Counting Sort
• 27 09 Special Sort Algorithm - Radix Sort
• 23 09 Advanced Sort Algorithm - Heap Sort
• 16 08 Epigenetics VI - 후성유전체 데이터 생산과 분석1
• 15 08 Epigenetics V- 세포운명 결정의 후성유전학
• 15 08 Epigenetics IV- ncRNA에 의한 전사조절
• 13 08 Epigenetics III - 히스톤 변형과 DNA 메틸화
• 12 08 Epigenetics II - 크로마틴 구조
• 09 08 Epigenetics I - 후성유전학의 개요
• 08 08 생물정보학을 위한 R프로그래밍 V - 데이터 시각화
• 05 08 생물정보학을 위한 R프로그래밍 IV - 데이터 취득과 정제
• 01 08 생물정보학을 위한 R프로그래밍 III - 데이터형과 연산
• 31 07 생물정보학을 위한 R프로그래밍 II - 데이터형과 연산
• 31 07 Solid Tumors - Hereditary
• 31 07 Solid Tumors - Sporadic
• 31 07 Interpretation Databases
• 30 07 (LAIDD) Cancer Genome Bigdata
• 30 07 암 유전체 빅데이터
• 27 07 (LAIDD) Big Data in Precision Oncology
• 27 07 생물정보학을 위한 R프로그래밍 I - R 설치 및 환경설정
• 25 07 Big Data in Precision Oncology - TCGA 데이터베이스의 이해 및 활용
• 24 07 AMP Guideline
• 21 07 Big Data in Precision Oncology - TCGA 및 암유전체 빅데이터 개요
• 17 07 PRS(Polygenic Risk Score)
• 16 07 Advanced Sort Algorithm - Quick Sort
• 16 07 Advanced Sort Algorithm - Merge Sort
• 15 07 Sort Algorithm - Insertion Sort
• 15 07 Sort Algorithm - Bubble Sort
• 15 07 Sort Algorithm - Selection Sort
• 12 07 (EDWITH-KOBIC) Data Analysis of Longread Sequencing
• 12 07 Long Read Sequencing VII - Visualization
• 12 07 Long Read Sequencing VI - SV Calling
• 11 07 Long Read Sequencing V - Assembly Quality 확인
• 10 07 Long Read Sequencing IV - Repeat/Gene Annotation
• 08 07 (coursera) Machine Learning Applied
• 07 07 Long Read Sequencing III - 유전체 크기 추정하기
• 07 07 Long Read Sequencing II - 유전체 지도 작성 개괄
• 06 07 Long Read Sequencing I - Introduction
• 05 07 파이썬을 활용한 데이터 분석 (중급) - 11. Summary
• 05 07 (EDWITH-KOBIC) Data Analysis with Python
• 05 07 파이썬을 활용한 데이터 분석 (중급) - 10. Non-Parametric Multiple Comparison with python
• 05 07 (Error) CommandNotFoundError - Your shell has not been properly configured to use 'conda activate'
• 05 07 파이썬을 활용한 데이터 분석 (중급) - 9. Kruskal-Wallis Rank Sum Test with python
• 04 07 파이썬을 활용한 데이터 분석 (중급) - 8. Parametric Multiple Comparison with python
• 04 07 파이썬을 활용한 데이터 분석 (중급) - 7. Analysis of Variance with python
• 03 07 파이썬을 활용한 데이터 분석 (중급) - 6. Wilcoxon's matched pairs signed rank test with python
• 03 07 파이썬을 활용한 데이터 분석 (중급) - 5. Paired t-test with python
• 01 07 파이썬을 활용한 데이터 분석 (중급) - 4. Wilcoxons Rank Sum Test with python
• 29 06 파이썬을 활용한 데이터 분석 (중급) - 3. Two Sample t-Test with python
• 28 06 파이썬을 활용한 데이터 분석 (중급) - 2. Wilcoxon's Signed Rank Test with python
• 27 06 파이썬을 활용한 데이터 분석 (중급) - 1. One Sample t-Test with python
• 26 06 (EDWITH-KOBIC) Basic of ML and DL for Cancer Genomics
• 22 06 ML and DL for Cancer Genomics VI - 딥러닝 구동 환경 구축 1
• 20 06 ML and DL for Cancer Genomics IV - DL Algorithm II
• 20 06 ML and DL for Cancer Genomics III - DL Algorithm I
• 20 06 ML and DL for Cancer Genomics II - ML Basic Concpts and Evaluation Methods
• 20 06 Genetic Testing Agency Training 6 - 검사대상자의 권리
• 20 06 (KDCA) 유전자검사기관 종사자 교육(2023)
• 19 06 Genetic Testing Agency Training 5 - 유전자검사기관의 숙련도 평가
• 19 06 Genetic Testing Agency Training 4 - 유전자검사기관의 의무 및 책임
• 18 06 (coursera) Artificial Intelligence Algorithms Models and Limitations
• 14 06 Genetic Testing Agency Training 3 - 유전자검사항목의 신고
• 09 06 Genetic Testing Agency Training 2 - 유전자검사 제도의 이해
• 09 06 ML and DL for Cancer Genomics I - Bioinformatics Trend
• 09 06 Genetic Testing Agency Training 1 - 유전자검사의 이해
• 25 05 (udemy) Genetics and NGS for Bioinformatics
• 04 05 (K-MOOC) 파이썬을 이용한 데이터 분석
• 04 05 (K-MOOC) 데이터 분석과 비즈니스를 위한 기초 통계학_하
• 04 05 (K-MOOC) 데이터 분석과 비즈니스를 위한 기초 통계학_상
• 29 01 (udemy) Introduction to the MongoDB
• 28 01 (udemy) The Complete MongoDB Course 2023

2022

• 12 12 (COURSERA-JHU) Introduction to Genomic Technologies
• 07 12 (직무능력 인증서) 빅데이터 분야 빅데이터 가공 및 분석 과정
• 07 12 (직무능력 인증서) 빅데이터 분야 수학적 사고 과정
• 30 11 (EDWITH-KOBIC) Proteomics
• 30 11 (K-MOOC) SQL 정형 데이터 분석
• 30 11 (K-MOOC) 대용량 데이터 처리
• 27 11 (udemy) 한눈에 쏙쏙 의학 통계 배우기
• 27 11 (udemy) Python으로 시작하는 Kaggle 포트폴리오 만들기
• 26 11 (Cheat Sheet) - Matplotlib
• 26 11 (Cheat Sheet) - Seaborn
• 26 11 (Cheat Sheet) - Pandas
• 22 11 Transcriptome III - Differential Expression & Visual Exploration
• 22 11 Transcriptome II - Data Preprocessing
• 21 11 (K-MOOC) 정보의학개론
• 18 11 (EDWITH-KOBIC) ChIP-seq
• 13 11 Sub-query and JOIN, UNION
• 13 11 SQL 기초
• 10 11 Transcriptome I - Introduction to Transcriptome
• 07 11 (EDWITH-KOBIC) 암 유전체 분석
• 06 11 Definition of Data
• 06 11 Relational Model
• 03 11 Variants Analysis VI - Cancer Immunotherapy
• 25 10 Variants Analysis V - Cancer Analysis
• 25 10 Variants Analysis IV
• 25 10 (EDWITH-KOBIC) 후성 유전체 데이터 분석
• 20 10 Variants Analysis III
• 16 10 Clustering of Single Cell & Cell Type Assignment I
• 16 10 Preprocessing of Single Cell Analysis II
• 15 10 Preprocessing of Single Cell Analysis I
• 03 10 Introduce to Single Cell Analysis
• 03 10 Experimental Design for Single Cell Analysis
• 27 09 Variants Analysis II
• 26 09 (EDWITH-KOBIC) 예제 데이터를 활용한 전사체 데이터 분석
• 31 08 (K-MOOC) 비정형 데이터 분석
• 31 08 (K-MOOC) 머신러닝 빅데이터 분석
• 31 08 (K-MOOC) 선형대수로 배우는 빅데이터
• 31 08 (K-MOOC) 빅데이터를 위한 확률과 통계
• 30 08 (EDWITH-KOBIC) R을 활용한 데이터 분석(중급)
• 17 08 (EDWITH-KOBIC) 단일세포 분석
• 11 08 Variants Analysis I
• 26 07 (EDWITH-KOBIC) WES 기초편
• 26 07 WES Clinical Interpretaion II
• 26 07 WES Clinical Interpretaion I
• 25 07 WES Structural Variants
• 25 07 WES Recessive Variants
• 25 07 WES Dominant Variants
• 25 07 WES 데이터 처리와 해석법
• 25 07 WES 연구 디자인법
• 24 07 WES 개념과 유전학적 의의
• 23 07 ch9. Expectation, Indicator Random Variables, Linearity
• 23 07 ch3. Linear Algebra Calculations
• 23 07 ch2. Introduce Linear Algebra
• 17 07 ch8. Random Variables and Their Distributions
• 14 07 (EDWITH-KOBIC) 전사체 데이터 분석
• 10 07 Sequencing Technologies
• 09 07 about DNA
• 05 07 (EDWITH-KOBIC) NGS 데이터 변이 분석 기초편
• 28 06 ch7. Gambler's Ruin and Random Variables
• 26 06 ch6. Monty Hall, Simpson's Paradox
• 23 06 ch5. Conditioning Continued, Law of Total Probability
• 22 06 (EDWITH-KOBIC) NGS 데이터 분석 기초편
• 19 06 ch4. Conditional Probability
• 18 06 Phred Score (Base Call Quality Score)
• 16 06 Fastq
• 12 06 ch3. Birthday Problem, Properties of Probability
• 10 06 ch2. Story Proofs, Axioms of Probability
• 07 06 (EDWITH-KOBIC) Python 기초
• 06 06 ch1. Probability and Counting
• 04 06 ch1. Basic Mathmatics
• 03 06 ch11. Evaluation of Model
• 02 06 ch10. Dimension Reduction Using Feature Selection
• 01 06 (COURSERA-DeepLearning.AI) AI For Everyone
• 01 06 ch9. Dimension Reduction Using Feature Extraction
• 01 06 ch5. Category Data
• 29 05 (EDWITH-KOBIC) Linux 기초편
• 29 05 (EDWITH-KOBIC) R 기초편
• 28 05 (COURSERA_Specialization-UMICH) Python3 Programming
• 28 05 (COURSERA-UMICH) Python Project - pillow, tesseract, and opencv
• 28 05 (COURSERA-UMICH) Python Classes and Inheritance
• 28 05 (COURSERA-UMICH) Data Collection and Processing with Python
• 28 05 (COURSERA-UMICH) Python Functions, Files, and Dictionaries
• 28 05 (COURSERA-UMICH) Python Basics
• 28 05 (COURSERA-UMICH) Introduction to Data Science in Python
• 28 05 (COURSERA-Google) Python Crash Course
• 28 05 (K-MOOC) 인공지능의 기초
• 28 05 (K-MOOC) 인공지능 만들기
• 28 05 (K-MOOC) 데이터 마이닝
• 28 05 (K-MOOC) 파이썬 기반 빅데이터 처리 및 분석 기술
• 28 05 (K-MOOC) 오픈소스를 활용한 DevOps 환경 이해
• 28 05 (K-MOOC) 파이썬 프로그래밍
• 28 05 (K-MOOC) 쉽게 시작하는 기초선형대수학
• 28 05 (K-MOOC) 소프트웨어 공학
• 28 05 (K-MOOC) 빅데이터의 세계, 원리와 응용
• 28 05 (K-MOOC) R을 활용한 통계학개론
• 28 05 (K-MOOC) 생명정보개론
• 28 05 (K-MOOC) Bioenergetics
• 28 05 (K-MOOC) Introduction to Economics
• 28 05 ch4. Numeric Data
• 27 05 Search Algorithm - BFS (Breadth-First Search)
• 26 05 ch3. Data Wrangling
• 25 05 ch2. Data Load
• 25 05 ch1. Vector Matrix Array
• 25 05 (Video) Baby Driver with Bliss
• 25 05 (A6000/30.4) Piazzale Michelangelo 6
• 25 05 (A6000/30.4) Piazzale Michelangelo 5
• 25 05 (A6000/30.4) Piazzale Michelangelo 4
• 25 05 (A6000/30.4) Piazzale Michelangelo 3
• 25 05 (A6000/30.4) Piazzale Michelangelo 2
• 25 05 (A6000/30.4) Piazzale Michelangelo 1
• 25 05 (A6000/30.4) Battistero di San Giovanni
• 25 05 (A6000/30.4) Ponte Vecchio
• 25 05 (A6000/30.4) Ttukseom Hangang Park 5
• 25 05 (A6000/30.4) Ttukseom Hangang Park 4
• 25 05 (A6000/30.4) Ttukseom Hangang Park 3
• 25 05 (A6000/30.4) Ttukseom Hangang Park 2
• 25 05 (A6000/30.4) Ttukseom Hangang Park 1
• 24 05 Dataframe in Pandas
• 24 05 Stack vs Queue
• 22 05 Search Algorithm - DFS (Depth-First Search)
• 15 04 Style Guide for Shell - Google
• 27 03 Style Guide for Python Code - PEP8
• 27 03 VS code