Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Modelowanie złożonych systemów biologicznych

Informacje ogólne

Kod przedmiotu: 1000-719bMSB
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Modelowanie złożonych systemów biologicznych
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty 4EU+ (z oferty jednostek dydaktycznych)
Przedmioty obowiązkowe na studiach drugiego stopnia na kierunku bioinformatyka
Punkty ECTS i inne: 6.00 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
Rodzaj przedmiotu:

obowiązkowe

Skrócony opis:

Modele i wnioskowanie w obliczeniowej biologii molekularnej, ze szczególnym uwzględnieniem wykorzystania statystyki i metod uczenia maszynowego do zrozumienia złożonych systemów.

Pełny opis:

Badamy współczesne wyzwania w modelowaniu i rozumieniu złożonych systemów biologicznych za pomocą danych. Wysokowydajne pomiary molekularne wymusiły rozwój i zastosowanie statystyki i uczenia maszynowego, co dało początek biologii obliczeniowej. Technologie mikromacierzy i sekwencjonowania pozwalają nam określić ilościowo, w jaki sposób złożone systemy reagują na warunki doświadczalne i zewnętrzne oraz jak na nie wpływają. Takie pomiary pozwalają lepiej zrozumieć podstawowe zasady organizacji i funkcjonalność cząsteczek i komórek. Ostatnio nastąpił interesujący postęp w analizach pojedynczych komórek, genomice przestrzennej, obrazowaniu itp. obejmujący wyższe rozdzielczości, skale i złożoność.

Na tym kursie zajmiemy się eksploracyjną analizą danych, uczeniem się statystycznym i sieciami neuronowymi, które są specjalnie zaprojektowane do takich badań biologicznych. Warunkiem wstępnym jest dobra znajomość statystyki i programowania. Studenci będą programować w językach R i Python, co tydzień czytać podstawową literaturę i wykonywać projekty analizy danych.

Literatura:

An Introduction to Statistical Learning with Applications in R

by Gareth James, Daniela Witten, Trevor Hastie and Rob Tibshirani

The Elements of Statistical Learning: Data Mining, Inference, and Prediction.

by Trevor Hastie, Robert Tibshirani, Jerome Friedman

Deep Learning with Python

by Francois Chollet

Studenci zostaną poproszeni o przeczytanie wybranych oryginalnych prac badawczych i przeglądowych.

Efekty uczenia się:

Po ukończeniu kursu studenci będą:

- znać główne osiągnięcia w biologii obliczeniowej i modelach obliczeniowych dla wybranych systemów biologicznych (K_W09),

- umieć analizować wybrane dane biologiczne leżące u podstaw złożonych systemów (K_U06, K_U07),

- umieć czytać i pisać doniesienia naukowe w języku angielskim (K_U08, K_U09, K_K01, K_K02).

Metody i kryteria oceniania:

Udział w zajęciach, prace domowe, raport z projektu, prezentacja.

Zajęcia w cyklu "Semestr letni 2023/24" (w trakcie)

Okres: 2024-02-19 - 2024-06-16
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Ćwiczenia, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Neo Christopher Chung
Prowadzący grup: Neo Christopher Chung
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Przedmiot dedykowany programowi:

4EU+KURSY

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
Krakowskie Przedmieście 26/28
00-927 Warszawa
tel: +48 22 55 20 000 https://uw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.3.0 (2024-03-22)