강의 소개
Kaggle CRISPR 데이터(848개 sgRNA)로 유전자가위의 편집 효율(indel frequency)을 예측하는 AI를 구현한다. GC함량·염기조성 특징을 뽑아 랜덤포레스트·그래디언트부스팅·SVR·선형회귀 네 개의 강력한 모델에 넣지만, 테스트 R²가 전부 음수 — 평균값으로 찍는 것보다 못한 결과를 마주한다. 이 충격에서 출발해, 문제가 모델이 아니라 "표현(representation)"에 있었음을 진단한다. GC함량은 서열의 순서·위치 정보를 평균내며 삭제했고, 그래서 신호가 사라졌다. 원-핫 인코딩으로 위치를 살리자 R²가 음수에서 양수로 반등하고, 모델은 PAM(NGG의 고정된 GG 자리)을 스스로 무시하며 생물학을 재발견한다. 마지막으로 서열을 직접 읽는 딥러닝(CNN+RNN, C-RNNCrispr)이 상관계수 0.66을 달성하는 것을 보며 "표현의 사다리"를 완성한다. CRISPR-Cas9 작동원리, 특징공학, R²의 의미, 교차검증, 원-핫 인코딩, 위치 중요도, 딥러닝이 서열에 강한 이유를 다룬다. 핵심 교훈은 "강력한 모델 ≠ 좋은 예측, 표현이 전부다". 생물정보학·계산생물학·합성생물학 진로를 꿈꾸는 자연과학 탐구보고서 프로젝트.
강의 정보
강사
딥클래스 멘토 멘토
총 강의시간
34분
수강기한
구매일로부터 12개월
총 강의수
15개
연계 진로
자연과학
연계 교과
정보
커리큘럼
총 3개 섹션 · 15개 수업섹션 1. 1회차 — 유전자가위 원리와 데이터 탐험
5개 수업- CRISPR-Cas9 작동 원리 — sgRNA, PAM, 그리고 절단03:08
- 데이터 로드 — 848개 sgRNA를 만나다02:24
- 효율 분포와 서열 해부 — PAM을 직접 찾아내다02:35
- 가설과 특징공학 계획 — GC함량이 답일까?02:43
섹션 2. 2회차 — 강력한 모델 4종과 충격적 실패
5개 수업- 특징공학 — 서열을 숫자로 바꾸다01:12
- 첫 번째 반전 — GC함량은 효율과 무관하다01:38
- 강력한 모델 4종 — 랜덤포레스트부터 부스팅까지01:40
- R² = 음수 — 평균보다 못한 AI의 충격01:50
- 진단 — 특징에 신호가 없었다02:26
섹션 3. 3회차 — 표현의 힘과 딥러닝의 승리
5개 수업- 사라진 신호의 정체 — 순서를 버린 대가02:00
- 표현을 바꾸다 — 원-핫 인코딩으로 순서를 살리다02:02
- 모델이 PAM을 발견하다 — 위치 중요도의 증거02:05
- 딥러닝이 이긴 이유 — CNN+RNN과 표현의 사다리03:02
- 결론 — 표현이 전부다, 그리고 sgRNA 설계의 실제03:01
멘토 소개
딥클래스 멘토 강사
딥클래스 멘토 멘토는 자연과학 분야의 풍부한 경험을 바탕으로 고등학생 눈높이에 맞춘 강의를 진행합니다.
수강평 0
리뷰를 작성하려면 로그인이 필요합니다
Q&A
추천도서
추천 도서가 없습니다.