Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania
Strona główna

Zastosowanie algorytmów i technik nauk o danych w bioinformatyce

Informacje ogólne

Kod przedmiotu: 0800-ALTECHBIO
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Zastosowanie algorytmów i technik nauk o danych w bioinformatyce
Jednostka: Wydział Fizyki, Astronomii i Informatyki Stosowanej
Grupy:
Punkty ECTS i inne: 3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: angielski
Wymagania wstępne:

(tylko po angielsku) Google account to access Google Drive and Colab.

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

Skrócony opis:

Wykład przeznaczony dla studentów studiów magisterskich i doktoranckich, oraz studentów 3-go roku studiów inżynierskich. Wykład obejmie struktury danych i algorytmy stosowane w bioinformatyce, a także zastosowania technik uczenia statystycznego i maszynowego w analizie danych biomedycznych, włączając zastosowania w genomice i medycynie precyzyjnej. Wykład prowadzony będzie w maju w dniach 13 – 17.V.2024, w trybie przyspieszonym (warsztatowym) i obejmie elementy programowania w środowiskach R/R Studio oraz Python/Colab, używanych szeroko w naukach o danych.

Pełny opis:

- 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

Metody i 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

Zajęcia w cyklu "Semestr letni 2022/23" (zakończony)

Okres: 2023-02-20 - 2023-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 15 godzin więcej informacji
Wykład, 15 godzin więcej informacji
Koordynatorzy: Jarosław Meller
Prowadzący grup: Jarosław Meller
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Laboratorium - Zaliczenie na ocenę
Wykład - Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.
ul. Jurija Gagarina 11, 87-100 Toruń tel: +48 56 611-40-10 https://usosweb.umk.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.0.4.0-2 (2024-05-20)