Serwisy internetowe Uniwersytetu Warszawskiego Nie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

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 obowiązkowe na studiach drugiego stopnia na kierunku bioinformatyka
Punkty ECTS i inne: 6.00
Język prowadzenia: polski
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:

potrafi modelować złożone systemy na poziomie sieci, komórki, organizmu i meta genomów (K_U09)

Metody i kryteria oceniania:

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

Zajęcia w cyklu "Semestr letni 2020/21" (w trakcie)

Okres: 2021-02-22 - 2021-06-13
Wybrany podział planu:


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