3장. DeepChem을 이용한 머신러닝 __DeepChem의 기본 데이터셋 __독성 분자 예측 모델 만들기 __MNIST 데이터셋으로 필기 인식 모델 만들기 ____MNIST 필기 인식 데이터셋 ____합성곱 신경망으로 필기 인식하기 __소프트맥스와 소프트맥스 교차 엔트로피 __결론
4장. 분자 수준 데이터 다루기 __분자란 무엇인가? ____분자 간 결합 ____분자 그래프 ____분자 구조 ____분자 카이랄성 __분자 데이터 피처화 ____SMILES 문자열과 RDKit ____확장 연결 지문 ____분자 표현자 __그래프 합성곱 __용해도 예측 모델 __MoleculeNet __SMARTS 문자열 __결론
5장. 생물물리학과 머신러닝 __단백질의 구조 ____단백질 서열 __단백질 3차원 구조를 예측할 수 있을까? ____단백질-리간드 결합 __생물물리학적 피처화 ____그리드 피처화 ____원자 피처화 __생물물리학 데이터 사례 연구 ____PDBBind 데이터셋 ____PDBBind 데이터셋 피처화 __결론
6장. 유전학과 딥러닝 __DNA, RNA, 단백질 __실제 세포 내에서 일어나는 일 __전사인자의 결합 ____전사인자의 결합을 예측하는 합성곱 모델 __염색질 접근성 __RNA 간섭 __결론
7장. 현미경을 위한 딥러닝 __현미경에 대한 간략한 소개 ____현대의 광학현미경 __회절 한계 ____전자현미경과 원자현미경 ____초고해상도 현미경 ____딥러닝과 회절 한계 __현미경을 위한 시료 준비 ____시료 염색하기 ____시료 고정 ____시료 절편 가공 ____형광현미경 ____시료 준비 과정의 영향 __딥러닝 활용법 ____세포수 측정 __세포주란 무엇인가? ____세포 구별하기 ____머신러닝과 과학 실험 __결론
8장. 의료 체계를 위한 딥러닝 __컴퓨터 지원 질병 진단 __베이즈 네트워크를 이용한 불확실성 예측 __전자 건강 기록 __ICD-10 코드 __비지도 학습이란 무엇인가? ____거대 전자 건강 기록 데이터베이스의 위험성 __방사선학을 위한 딥러닝 ____X선 촬영과 CT 촬영 ____조직학 ____MRI 촬영 __치료법으로서의 머신러닝 __당뇨망막병증 __결론 ____윤리적으로 고려할 점 ____일자리 문제 ____요약
9장. 생성 모델 __VAE __GAN __생명과학에 생성 모델 응용하기 ____신약 후보 물질 찾기 ____단백질 엔지니어링 ____과학적 발견을 위한 도구 ____생성 모델의 미래 __생성 모델 사용하기 ____생성 모델의 결괏값 분석하기 __결론
10장. 딥러닝 모델의 해석 __예측값 설명하기 __입력값 최적화하기 __불확실성 예측하기 __해석 가능성, 설명 가능성, 실제 결과 __결론
11장. 가상 선별검사 __예측 모델을 위한 데이터셋 준비 __머신러닝 모델 학습하기 __예측을 위한 데이터셋 준비하기 __예측 모델 적용하기 __결론
12장. 딥러닝의 미래와 전망 __질병 진단 __맞춤 의학 __신약 개발 __생물학 연구 __결론
★ 이 책에서 다루는 내용 ★
■ 분자 데이터에 머신러닝을 적용하는 방법 ■ 유전학/유전체학을 위한 강력한 분석 도구로서의 딥러닝 ■ 딥러닝으로 생물물리학 시스템 이해 ■ DeepChem 라이브러리를 사용한 머신러닝 소개 ■ 딥러닝을 사용한 현미경 이미지 분석 ■ 딥러닝을 사용한 의료 이미지 분석 ■ VAE와 GAN 모델 ■ 머신러닝 모델의 작동 원리 해석
총 
바보 빅터
