Bioinformatik, 6 hp

Bioinformatics, 6 credits

732A51

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående- och programkurs

Examinator

Krzysztof Bartoszek

Kursansvarig

Krzysztof Bartoszek

Studierektor eller motsvarande

Ann-Charlotte Hallberg

Tillgänglig för utbytesstudenter

Ja

Kontaktinformation

Isak Hietala

Oleg Sysoev

Information om möjliga avsteg från kursplan/utbildningsplan
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Språk Ort/Campus VOF
Fristående kurs (Halvfart, Dagtid) HT 2018 201844-201903 Engelska Linköping, Valla
Fristående kurs (Halvfart, Dagtid) HT 2018 201844-201903 Engelska Linköping, Valla
F7MSG Statistics and Data Mining, Master´s Programme 3 (HT 2018) 201845-201851 Engelska Linköping, Valla V
F7MSL Statistics and Machine Learning, Master´s Programme 1 (HT 2018) 201845-201851 Engelska Linköping, Valla V

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

  • Master´s Programme in Statistics and Data Mining
  • Masters Programme in Statistics and Machine Learning

Förkunskapskrav

För tillträde till kursen krävs det att den studerande har en kandidatexamen med lägst 90 hp, dvs. 18 månader heltidsstudier, i matematik, tillämpad matematik, statistik, bioinformatik eller datavetenskap. Utöver detta, erfordras kurser på grundnivå i grundläggande statistik och datavetenskap samt Engelska B/6.

Lärandemål

Efter avslutad kurs ska den studerande på en avancerad nivå kunna:
- redogöra för begrepp inom molekylärbiologi och ha en primär förståelse för olika tekniker som används för att generera data.
- reodgöra för viktiga algoritmer och principer för statistiska modeller som används för analys av högdimensionella molekylära data.
- tillämpa några av de viktigaste datorprogrammen inom bioinformatik och statistik på molekylära data-exempel.

Kursinnehåll

Kursen introducerar grundläggande molekylärbiologiska begrepp och hur man analyserar data med bioinformatik och statistik. Mer specifikt innehåller kursen:

- Grunder av molekylär biologi och genetik,

- Gömda Markov kedjor, genetisk sekvensanalys,

- Sekvenslikhet, sekvensgruppering,

- Återuppbyggnad av fylogeni,

- Kvantitativ dragmodellering,

 - Analys av mikromatriser,

-  Nätverksbiologi.

Undervisnings- och arbetsformer

Undervisningen består av föreläsningar och datorövningar. Föreläsningarna ägnas åt presentationer av begrepp och metoder. Datorövningarna ger praktisk erfarenhet av statistisk analys av molekylära genetiska data. Hemarbete och egna studier är ett nödvändigt komplement till kursen.

Kursens undervisningsspråk är engelska.

Examination

Skriftliga labrapporter från datorövningarna. En sista skriftlig eller muntlig tentamen. Detaljerad information om examinationen finns i kursens studiehandledning.

Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.

Den som godkänts i prov får ej delta i förnyat prov för högre betyg.

Betygsskala

ECTS, EC

Övrig information

Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Institution

Institutionen för datavetenskap

Det finns inga examinationsmoment att visa.

Rättigheter och skyldigheter som student (inloggning krävs)
Linköpings universitets generella regelverk
Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.

Det finns inga filer att visa.