Uniwersytet Warszawski - Centralny System Uwierzytelniania

NA SKRÓTY
STUDENCI, PRACOWNICY
JEDNOSTKI ORGANIZACYJNE
PRZEDMIOTY
- Deep learning in life science
STUDIA
AKADEMIKI
POMOC

Deep learning in life science

Informacje ogólne

Kod przedmiotu:	1000-2M23DLS
Kod Erasmus / ISCED:	11.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0612) Database and network design and administration Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu:	Deep learning in life science
Jednostka:	Wydział Matematyki, Informatyki i Mechaniki
Grupy:	Przedmioty kierunkowe na studiach drugiego stopnia na kierunku bioinformatyka Przedmioty obieralne dla informatyki i ML Przedmioty obieralne 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. zobacz reguły punktacji
Język prowadzenia:	angielski
Rodzaj przedmiotu:	monograficzne
Skrócony opis:	Praktyczne zastosowania modeli korzystających z metod uczenia głębokiego do współczesnych problemów biologii molekularnej (Obrazowanie medyczne, bioinformatyka strukturalna, analiza sekwencji).
Pełny opis:	Przedmiot poświęcony jest praktycznym zastosowanieom metod uczenia głębokiegio (sieci konwolucyjne, rekurencyjne, oparte o transformery) do problemów współczesnej biologii molekularnej i medycyny (analiza obrazów mikroskopowych, przewidywanie struktur białek i analiza sekwencji biologicznych). Nagrania wideo wykładów dostępne są online, laboratoria będą odbywały się na miejscu.
Literatura:	Materiały dostępne online: https://deeplife4eu.github.io/program.
Efekty uczenia się:	Studenci posiądą wiedzę o współczesnych metodach uczenia głębokiego, umiejętność implementowania modeli uczenia głębokiego i oceny ich jakości w kontekście zastosowań w biologii. Studenci zyskają też doświadczenie i kompetencje w prezentowaniu zasady działania modeli i wyników eksperymentów obliczeniowych polegających na uczeniu sieci na danych eksperymentalnych i optymalizacji parametrów takich modeli.
Metody i kryteria oceniania:	Indywidualne prace domowe (50%) i końcowy projekt zespołowy (50%), do zaliczenia wymagane jest uzyskanie 60% punktów.

Zajęcia w cyklu "Semestr letni 2024/25" (zakończony)

Okres:	2025-02-17 - 2025-06-08	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WYK WT ŚR CZ LAB LAB PT LAB
Typ zajęć:	Laboratorium, 30 godzin więcej informacji Wykład, 30 godzin więcej informacji
Koordynatorzy:	Bartosz Wilczyński
Prowadzący grup:	Ada Hryniewicka, Joanna Sułkowska, Bartosz Wilczyński
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Egzamin

Zajęcia w cyklu "Semestr letni 2025/26" (w trakcie)

Okres:	2026-02-16 - 2026-06-07	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ LAB LAB PT
Typ zajęć:	Laboratorium, 30 godzin więcej informacji
Koordynatorzy:	Bartosz Wilczyński
Prowadzący grup:	Ada Hryniewicka
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Egzamin
Uwagi:	W tym roku nie będzie części wyjazdowej, która odbywała się poprzednich latach.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.