Zastosowanie algorytmów i technik nauk o danych w bioinformatyce
0800-ALTECHBIO
- Techniki sekwencjonowania DNA a mapowanie fragmentów DNA (DNA reads) z użyciem drzew oraz macierzy końcówek (suffix trees and suffix arrays), Burrows-Wheeler Transform; Bowtie, Python/Colab
- Kwantyfikacja ekspresji genów z użyciem mapowania k-merów oraz algorytmów typu EM (expectation maximization); Kallisto, Python/Colab
- Porównywanie sekwencji DNA i białek z użyciem algorytmów programowania dynamicznego (dynamic programming); BLAST, Ensembl
- Analiza ekspresji genów z użyciem metod uczenia bez nadzoru (unsupervised learning); identifikacja molekularnych podtypów nowotworów; cBioPortal, R/R Studio
- Przewidywanie podtypów nowotoworów i innych stanów chorobowych z użyciem metod uczenia z nadzorem (supervised learning); Logistic regression, RF, NN, R/R Studio
Całkowity nakład pracy studenta
Godziny realizowane z udziałem nauczycieli (40h):
- wykład: 20h
- laboratorium: 20h
Czas poświęcony na pracę indywidualną studenta (60h):
- przygotowanie do wykładu: 20h
- przygotowanie do laboratorium: 30h
- przygotowanie do egzaminu: 10h
Łącznie: 100h (4 ECTS)
Efekty uczenia się - wiedza
Efekty uczenia się – wiedza:
W1 – posiada ogólną wiedzę w zakresie języków programowania i inżynierii programowania (informatyka_stosowana: K_W06, fizyka techniczna: K_W04)
W2 - ma wiedzę na temat projektowania i programowania w językach i platformach używanych szeroko w naukach o danych
Efekty uczenia się - umiejętności
Efekty uczenia się – umiejętności:
U1 - potrafi wykorzystać nabytą wiedzę matematyczną w algorytmach i ich zastosowaniach (informatyka stosowana: K_U01 fizyka techniczna: K_U01)
U2 - potrafi pozyskiwać informacje z literatury (informatyka stosowana: K_U02, fizyka techniczna: K_U04)
U3- potrafi planować i przeprowadzać proste eksperymenty (informatyka stosowana: K_U06)
U4 - ma umiejętność formułowania algorytmów i ich programowania przy użyciu języków Python oraz R
Efekty uczenia się - kompetencje społeczne
Efekty uczenia się - kompetencje społeczne:
K1 - ma świadomość skutków wadliwie działających systemów informatycznych i przewidująych w zastosowaniach klinicznych, (informatyka stosowana: K_K01)
K2 - potrafi krytycznie ocenić posiadaną wiedzę i zna jej ograniczenia
Metody dydaktyczne
Metody dydaktyczne:
- wykład informacyjny
- demonstracje i symulacje
Metody dydaktyczne podające:
- wykład informacyjny (konwencjonalny)
Metody dydaktyczne poszukujące:
- ćwiczeniowa
Metody dydaktyczne eksponujące
- pokaz
Metody dydaktyczne podające
- wykład informacyjny (konwencjonalny)
Metody dydaktyczne poszukujące
- ćwiczeniowa
Wymagania wstępne
(po angielsku) Google account to access Google Drive and Colab.
Koordynatorzy przedmiotu
Kryteria oceniania
Metody oceniania:
5 mini-projektów w oparciu o wzorce kodu w R/R Studio bądź Python/Colab: 50%
egzamin pisemny: 50%
Kryteria oceniania:
60% punktów ocena 3
75% punktów ocena 4
90% punktów i więcej ocena 5
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i
terminach zajęć) mogą być dostępne w serwisie USOSweb: