백엔드 개발 능력에 AI 활용 능력까지 더하면 어떻게 되는지 궁금해?!
LAB소개
기존에 제가 활동했던 모두연 랩들에서는 논문작업이 끝까지 진행되기가 힘든 구조라고 느껴져 이번에는 페이퍼샵 신청 전에 구체적인 아이디어를 가지고 동기부여와 역량이 어느 정도 되신다고 판단되는 분을 다른 경로에서 모집을 해서 신청하게 되었습니다(저랑 다른 두 분인데 한 분은 다소 애매합니다.).
그래서 팀원 모집은 할 계획이 없다는 말씀 추가로 드립니다.


1) BioX : Bio로 시작하는 혹은 Bio와 관련된 직업을 가지시거나 관심있는 분들의 모임
2) XLearning : 모두연 랩의 하나로서 Machine Learning, Deep Learning을 방법론으로 채택한 모임
3) X : 이 둘의 만남 그리고 XAI(Explainable AI)등 real world에 적용가능한 해석, 분석을 추구하는 모임

2024년 중 논문 publish가 목표인 모임입니다.
활동계획
기존에 제가 활동했던 모두연 랩들에서는 논문작업이 끝까지 진행되기가 힘든 구조라고 느껴져 이번에는 페이퍼샵 신청 전에 구체적인 아이디어를 가지고 동기부여와 역량이 어느 정도 되신다고 판단되는 분을 다른 경로에서 모집을 해서 신청하게 되었습니다(저랑 다른 두 분인데 한 분은 다소 애매합니다.).
그래서 팀원 모집은 할 계획이 없다는 말씀 추가로 드립니다.


2024년 중 논문 publish가 목표인 모임으로 페이퍼샵에 신청하였고 이를 위해 랩을 개설하게 되었습니다.
이동시간도 아껴서 논문에 집중할 생각이라 주로 온라인으로 모임을 진행할 예정이며 이런 맥락에서 주로 상시 소통을 통해 논문화 작업을 진척시켜나가고 어느 정도 정리가 되고 공유가 필요할 때 meeting을 가질 생각입니다.

논문이 나름 와꾸?가 나쁘지 않은 편이고 통계적인 면으로도 verify할 생각(단순 AUC제시등에서 진전)이라 욕심을 내 볼 생각입니다(기존 제 논문 최고 IF는 6점대입니다.). 의학논문으로는 미국 신장내과 학회 저널(제 전공이 아니라서 조사하지는 않았습니다.), 머신러닝 측면(일부이겠지만 딥러닝도)에서도 차별화가 된다면 같은 수준의 AI 저널 아니면 Nature Communications수준의 저널을 목표로 하고 있습니다.
그리고 과정 중에 AI와는 별개로 주제 관련하여 의학논문으로 얘기를 풀어나갈 수 있는 것이 보이면 의학논문도 작성하고자 하는 계획도 있습니다.
연구목표
#논문_작성   
참여조건
기존에 제가 활동했던 모두연 랩들에서는 논문작업이 끝까지 진행되기가 힘든 구조라고 느껴져 이번에는 페이퍼샵 신청 전에 구체적인 아이디어를 가지고 동기부여와 역량이 어느 정도 되신다고 판단되는 분을 다른 경로에서 모집을 해서 신청하게 되었습니다(저랑 다른 두 분인데 한 분은 다소 애매합니다.).
그래서 팀원 모집은 할 계획이 없다는 말씀 추가로 드립니다.


-n분의 1의 역할(산술적 의미는 아님)은 하실 수 있거나 그럴 동기부여를 가지고 계신 분
예)저 같은 경우에는 의사이기도 해서 의학 도메인 전문을 할 수 있고 SCIE급 저널 1저자 논문도 있고 리뷰어(Scientific Reports등)로서 리뷰를 여러 번 하기도 해서 통계, 논문쓰기도 전문을 할 수 있습니다.
-기존의 것을 답습하는 것은 지양하고 주어진 조건에서 최고의 것 그리고 가장 효율적인 것을 추구하시는 분
예)제 경험 그리고 다른 논문들 리뷰하면서 크게 느꼈던 것이 과거의 실속은 애매한 성공 경험(resubmission을 거듭하더라도 논문 accept등)에 매몰되어서 단 번에 accept될 논문을 쓰지 못하거나 더 좋은 저널에 publish를 할 수 있는 시도를 하지 않는 것이었습니다.
예)각자 생업이 있기도 해서 full-time과 비교해서 천천히 진행되는 건 받아들여야 할 조건이지만 시간을 효율적으로 쓰기 위한 고민과 노력이 필요한 것 같습니다. 아무 준비, 계획도 없이 모임 일정만 잡는 것은 지양하고 코딩도 좀 더 공부를 해서 더 효율적인 방향(시간, 성능 등)으로 진행하였으면 좋겠습니다.
예)기존의 서적, 학습 플랫폼들에서 제공하는 기존의 기본적인 머신러닝 flow를 따라가기보다는 성능향상(feature selection등)을 위한 고민을 같이 하실 수 있는 분
예)제안, 정보 공유시 링크 한 줄만 전달하는 것은 지양하고 자기의 생각과 핵심을 정리해서 전달하면 좋겠습니다. free rider가 없다는 전제에서 그리고 무임승차자는 생기지 않도록 할 생각이라 전문성과 깊이가 더해진 서로의 노력이 더해져 1+1로 2이상을 만들었으면 좋겠습니다.
-AWS등의 유료서비스를 이용하지 않고 대용량 데이터를 처리할 수 있는 분
예)의외로 이 부분에서 막혔던 제 경험이 있습니다. 이 경험때문에 이후 제 나름대로 독학으로 이와 관련된 해결책들에 대해 파고들었습니다.
랩짱소개
양우정

양우정

자기 소개

저는 수련은 받지 않은 전문의가 아닌 일반의사입니다. 연구관련해서는 Scientific Reports, Nutrition Reviews, BMC Cardiovascular Disorders, Journal of Bioenergetics and Biomembranes, Quantitative Imaging in Medicine and Surgery와 같은 SCIE급 저널 Reviewer로서 논문 Review를 꾸준히 하고 있습니다. AI관련해서는 코딩도 조금 할 줄 알고 관련된 논문에 참여했거나 Reviewer로서 Review를 하였습니다. 1) Papillary thyroid cancer immune phenotypes via tumor–infiltrating lymphocyte spatial analysis (Endocrine-Related Cancer (2023) 30, e230110) 2) Cardiac CTA image quality of adaptive statistical iterative reconstruction-V versus deep learning reconstruction “TrueFidelity” in children with congenital heart disease(Medicine (2022) 101:42) 3) Quantitative Imaging in Medicine and Surgery저널에서 deep learning을 이용한 CT image개선을 주제로 한 논문을 심사도 하였습니다.

소속

일차병원

E-mail

kineto@naver.com

Bio X Learning LAB
모임시작
2023년 12월 02일
모임일시
매달 토요일 14:00 ~ 16:00
모임장소
온라인
모집기간
2023년 11월 19일 ~ 12월 01일
모집인원
3명
모집방법
선발
모임비용
무료
백엔드 개발 능력에 AI 활용 능력까지 더하면 어떻게 되는지 궁금해?!
Bio X Learning LAB
모임시작
2023년 12월 02일
모임일시
매달 토요일 14:00 ~ 16:00
모임장소
온라인
모집기간
2023년 11월 19일 ~ 12월 01일
모집인원
3명
모집방법
선발
모임비용
무료
LAB 소개
기존에 제가 활동했던 모두연 랩들에서는 논문작업이 끝까지 진행되기가 힘든 구조라고 느껴져 이번에는 페이퍼샵 신청 전에 구체적인 아이디어를 가지고 동기부여와 역량이 어느 정도 되신다고 판단되는 분을 다른 경로에서 모집을 해서 신청하게 되었습니다(저랑 다른 두 분인데 한 분은 다소 애매합니다.).
그래서 팀원 모집은 할 계획이 없다는 말씀 추가로 드립니다.


1) BioX : Bio로 시작하는 혹은 Bio와 관련된 직업을 가지시거나 관심있는 분들의 모임
2) XLearning : 모두연 랩의 하나로서 Machine Learning, Deep Learning을 방법론으로 채택한 모임
3) X : 이 둘의 만남 그리고 XAI(Explainable AI)등 real world에 적용가능한 해석, 분석을 추구하는 모임

2024년 중 논문 publish가 목표인 모임입니다.
활동계획
기존에 제가 활동했던 모두연 랩들에서는 논문작업이 끝까지 진행되기가 힘든 구조라고 느껴져 이번에는 페이퍼샵 신청 전에 구체적인 아이디어를 가지고 동기부여와 역량이 어느 정도 되신다고 판단되는 분을 다른 경로에서 모집을 해서 신청하게 되었습니다(저랑 다른 두 분인데 한 분은 다소 애매합니다.).
그래서 팀원 모집은 할 계획이 없다는 말씀 추가로 드립니다.


2024년 중 논문 publish가 목표인 모임으로 페이퍼샵에 신청하였고 이를 위해 랩을 개설하게 되었습니다.
이동시간도 아껴서 논문에 집중할 생각이라 주로 온라인으로 모임을 진행할 예정이며 이런 맥락에서 주로 상시 소통을 통해 논문화 작업을 진척시켜나가고 어느 정도 정리가 되고 공유가 필요할 때 meeting을 가질 생각입니다.

논문이 나름 와꾸?가 나쁘지 않은 편이고 통계적인 면으로도 verify할 생각(단순 AUC제시등에서 진전)이라 욕심을 내 볼 생각입니다(기존 제 논문 최고 IF는 6점대입니다.). 의학논문으로는 미국 신장내과 학회 저널(제 전공이 아니라서 조사하지는 않았습니다.), 머신러닝 측면(일부이겠지만 딥러닝도)에서도 차별화가 된다면 같은 수준의 AI 저널 아니면 Nature Communications수준의 저널을 목표로 하고 있습니다.
그리고 과정 중에 AI와는 별개로 주제 관련하여 의학논문으로 얘기를 풀어나갈 수 있는 것이 보이면 의학논문도 작성하고자 하는 계획도 있습니다.
연구목표
#논문_작성   
참여조건
기존에 제가 활동했던 모두연 랩들에서는 논문작업이 끝까지 진행되기가 힘든 구조라고 느껴져 이번에는 페이퍼샵 신청 전에 구체적인 아이디어를 가지고 동기부여와 역량이 어느 정도 되신다고 판단되는 분을 다른 경로에서 모집을 해서 신청하게 되었습니다(저랑 다른 두 분인데 한 분은 다소 애매합니다.).
그래서 팀원 모집은 할 계획이 없다는 말씀 추가로 드립니다.


-n분의 1의 역할(산술적 의미는 아님)은 하실 수 있거나 그럴 동기부여를 가지고 계신 분
예)저 같은 경우에는 의사이기도 해서 의학 도메인 전문을 할 수 있고 SCIE급 저널 1저자 논문도 있고 리뷰어(Scientific Reports등)로서 리뷰를 여러 번 하기도 해서 통계, 논문쓰기도 전문을 할 수 있습니다.
-기존의 것을 답습하는 것은 지양하고 주어진 조건에서 최고의 것 그리고 가장 효율적인 것을 추구하시는 분
예)제 경험 그리고 다른 논문들 리뷰하면서 크게 느꼈던 것이 과거의 실속은 애매한 성공 경험(resubmission을 거듭하더라도 논문 accept등)에 매몰되어서 단 번에 accept될 논문을 쓰지 못하거나 더 좋은 저널에 publish를 할 수 있는 시도를 하지 않는 것이었습니다.
예)각자 생업이 있기도 해서 full-time과 비교해서 천천히 진행되는 건 받아들여야 할 조건이지만 시간을 효율적으로 쓰기 위한 고민과 노력이 필요한 것 같습니다. 아무 준비, 계획도 없이 모임 일정만 잡는 것은 지양하고 코딩도 좀 더 공부를 해서 더 효율적인 방향(시간, 성능 등)으로 진행하였으면 좋겠습니다.
예)기존의 서적, 학습 플랫폼들에서 제공하는 기존의 기본적인 머신러닝 flow를 따라가기보다는 성능향상(feature selection등)을 위한 고민을 같이 하실 수 있는 분
예)제안, 정보 공유시 링크 한 줄만 전달하는 것은 지양하고 자기의 생각과 핵심을 정리해서 전달하면 좋겠습니다. free rider가 없다는 전제에서 그리고 무임승차자는 생기지 않도록 할 생각이라 전문성과 깊이가 더해진 서로의 노력이 더해져 1+1로 2이상을 만들었으면 좋겠습니다.
-AWS등의 유료서비스를 이용하지 않고 대용량 데이터를 처리할 수 있는 분
예)의외로 이 부분에서 막혔던 제 경험이 있습니다. 이 경험때문에 이후 제 나름대로 독학으로 이와 관련된 해결책들에 대해 파고들었습니다.
랩짱소개
양우정

양우정

자기 소개

저는 수련은 받지 않은 전문의가 아닌 일반의사입니다. 연구관련해서는 Scientific Reports, Nutrition Reviews, BMC Cardiovascular Disorders, Journal of Bioenergetics and Biomembranes, Quantitative Imaging in Medicine and Surgery와 같은 SCIE급 저널 Reviewer로서 논문 Review를 꾸준히 하고 있습니다. AI관련해서는 코딩도 조금 할 줄 알고 관련된 논문에 참여했거나 Reviewer로서 Review를 하였습니다. 1) Papillary thyroid cancer immune phenotypes via tumor–infiltrating lymphocyte spatial analysis (Endocrine-Related Cancer (2023) 30, e230110) 2) Cardiac CTA image quality of adaptive statistical iterative reconstruction-V versus deep learning reconstruction “TrueFidelity” in children with congenital heart disease(Medicine (2022) 101:42) 3) Quantitative Imaging in Medicine and Surgery저널에서 deep learning을 이용한 CT image개선을 주제로 한 논문을 심사도 하였습니다.

소속

일차병원

E-mail

kineto@naver.com