벼랑끝 바이오 매드 컴퓨터 사이언티스트

부끄럽기 짝이없지만 나는 수학을 놓고산지 10년이란 세월이 지나는 바람에 인공지능학과의 석사생이면서도 아주 기초적인 미분공식조차 기억하지 못하는 경우가 상당히 많다. 지수가 어떻고 로그가 어떻고 자연로그가 미분되고 머시기머시기 하다보면 '그랬나?' 라는 생각을 수도없이 하게된다. 매번 까먹어서 기록의 필요성을 느끼므로 기억속에 미처 담지 못한 미분공식이 있을 때마다 적어놓으려한다. 참고 미분해주는 사이트 https://www.derivative-calculator.net/ Derivative Calculator • With Steps! Above, enter the function to derive. Differentiation variable and more can be changed in "Optio..

해당 내용을 이해하기 위해서는 기초적인 수준의 조건부 확률, 베이지안 룰, 결합확률변수와 주변확률변수에 대한 이해가 있어야합니다. 1. 결합확률 변수에 대한 강의는 아래 김성범교수님의 강의를 보시거나 https://www.youtube.com/watch?v=niob_ZRZeJs 2. KMOOC에서 여인권교수님의 8주차 강좌를 통해서 결합확률변수와 주변확률변수에 대한 선수지식을 습득하시길 바랍니다. http://www.kmooc.kr/courses/course-v1:SookmyungK+SM_sta_004k+2019_03SM_02/course/ 강좌 | SM_sta_004k | K-MOOC www.kmooc.kr 3. 조건부 확률에 대한 개념이 없다면 주인장의 블로그 글을 참고하시거나 https://biom..

해당 내용은 개인 공부를 위해 작성되었습니다. 아래 공돌이 수학노트님의 영상을 참고한 내용입니다. https://www.youtube.com/watch?v=XhlfVtGb19c 이해 될때까지 공부하자 1. 최대우도법이란 (MLE) 1. MLE는 모수(파라미터)를 이용한 데이터 밀도 추정방법이다. 2. 모수 세타를 아래와 같이 정의할 때, $$ \Theta = (\theta _1,\theta _2...\theta _m)$$ 3. 어떤 확률밀도함수(PDF) P(x | Θ)에서 관측된 4. 표본 데이터 집합 X를 아래와 같이 정의할 때, $$X = (x_1,x_2,...x_n)$$ 5. 표본들로부터 아래의 모수 세타를 추정하는 방법이다. $$ \Theta = (\theta _1,\theta _2...\thet..

해당 내용은 개인 공부를 위해 작성되었습니다. 아래 이상호 선생님의 영상을 참고한 내용입니다. https://www.youtube.com/watch?v=sOtkPm_1GYw 나에게 VAEs를 이해하는데 가장 큰 어려움은 현재 최대우도추정법에 대한 이해가 너무나 헷갈린다는 것이다. 되는대로 모든 영상을 참고하여 공부할 예정이고 공부하면서 이해 안가는 것들을 하나하나 정리해가다보면 언젠가 이해가 되겠지.. 일단 공부해보자. 이런 문제를 마주했다고 생각하자, 일단 항아리에 검은 구슬이 40개정도 들어있을 것으로 유추할 수 있을 것이다. 그러나 도대체 그 근거가 무엇인가? 어떤 이유로 우리는 항아리속에 40개의 검은 구슬이 있었을 것으로 예상하고 답변할 수 있는 것일까? 1. 먼저 우리가 목격한 사건을 확률적인..

해당 내용은 김성범교수님의 유튜브 강의 내용을 정리한 것입니다. 개인 공부를 위함이고 잘못된 내용이 있을 수 있으니 참고만 하시길 바랍니다. https://www.youtube.com/watch?v=dHTkIna_hFk&list=PLpIPLT0Pf7IqS4as3nefPyGv94r2aY6IT&index=20 1. 독립 사건(Independent Events) 다음 세가지 경우를 만족하는 두 사건 A와 B는 서로 독립이다. 1. $$P(B|A) = P(B)$$ 2. $$P(AB) = P(A)P(B|A) = P(B)P(A|B) = P(A)P(B)$$ 3. $$P(A_1A_2...A_n) = P(A_1)P(A_2)...P(A_n)$$ 1번은 상식적으로 생각해도 이해가 쉽다. A사건과 B사건이 독립이라함은 서로 ..

해당 내용은 김성범교수님의 유튜브 강의 내용을 정리한 것입니다. 개인 공부를 위함이고 잘못된 내용이 있을 수 있으니 참고만 하시길 바랍니다. https://www.youtube.com/watch?v=Cj25K_leYZw&list=PLpIPLT0Pf7IqS4as3nefPyGv94r2aY6IT&index=21 1. 조건부 확률 (Conditional probability) 조건부 확률은 두 사건 A와 B가 존재할 때, 어떤 하나의 사건이 조건으로 주어졌을 때 나머지 다른 사건이 발생할 확률을 의미한다. 조건부 확률의 식은 아래와 같이 나타낸다. $$ P(A\mid B) = \frac{P(A\cap B)}{P(B)} = \frac{P(B\cap A)}{P(B)} $$ 조건부 확률에는 다음과 같은 명제가 성립한..

본 내용은 모두 KMOOC 여인권 교수님의 통계학의 이해 I 수업의 내용을 기반으로 작성됩니다. 개인 공부를 위해 수업의 내용을 정리할 뿐이고, 완벽한 이해를 바탕으로 작성되지 않는 부분도 있습니다. http://www.kmooc.kr/courses/course-v1:SookmyungK+SM_sta_004k+2019_03SM_02/course/#block-v1:SookmyungK+SM_sta_004k+2019_03SM_02+type@sequential+block@4497e1d2ccbf4a33b336c44c8fdd70ce 강좌 | SM_sta_004k | K-MOOC www.kmooc.kr 1. 정규분포 (Norminal distribution) Gaussian distribution이라고 이야기하는 정규..

본 내용은 모두 KMOOC 여인권 교수님의 통계학의 이해 I 수업의 내용을 기반으로 작성됩니다. 개인 공부를 위해 수업의 내용을 정리할 뿐이고, 완벽한 이해를 바탕으로 작성되지 않는 부분도 있습니다. http://www.kmooc.kr/courses/course-v1:SookmyungK+SM_sta_004k+2019_03SM_02/course/ 강좌 | SM_sta_004k | K-MOOC www.kmooc.kr 1. 이항분포 (Binomial distribution) : 성공할 확률이 p인 베르누이 실험을 n번 반복했을 때, 성공 횟수(X)의 분포 예를들어 동전던지기를 8번 시행해서 다섯번 앞면이 나왔다고 하자, 이때 성공횟수 5번을 8번의 베르누이 확률변수의 합으로 나타낼 수 있다. (X1 + X2 ..

본 내용은 모두 KMOOC 여인권 교수님의 통계학의 이해 I 수업의 내용을 기반으로 작성됩니다. http://www.kmooc.kr/courses/course-v1:SookmyungK+SM_sta_004k+2019_03SM_02/course/ 강좌 | SM_sta_004k | K-MOOC www.kmooc.kr 1. 베르누이 시행 (Bernoulli trial) a) 각 실험에서 발생 가능한 결과는 2가지 ex) (성공S, 실패F) / (앞면, 뒷면) / (불량, 정상)... b) 각 실험은 독립적으로 수행된다. c) 모든 실험 결과의 확률은 항상 동일하다 ex) P(성공) = p 일때 P(실패) = 1-p = q 예를들어 불량품 검사를 시행해보자 10개의 제품 중 3개가 불량품이고 2개를 복원추출하는 ..

내가 다루는 데이터는 Target Protein - SMILES seq - pKa Value로 구성된 triplet structure의 dataframe이다. 그런데 문득 그런 생각이 들었다. 내가 공부를 하면서 주로 Y 값(여기서는 pKa)으로는 Kd Ki 또는 IC50 EC50 value를 사용하는데 왜 내가 가진 데이터는 pKa값을 사용하는가? 나는 pKa값을 어떤 물질의 산성도를 나타내는 척도? 정도로 사용된다는 애매모호한 값으로만 기억하고 있었다, 부끄러운 일이지만 실제 생물 실험방에서는 pH 미터기를 사용하지 pKa 미터기를 사용하는 일이 없었기 때문에 pH에 대해서는 기억하더라도 pKa를 기억하고 있을 이유가 없었기 때문이다. 그러나 Biological CS분야의 연구에서 이렇게 Drug-T..