Kursplanen innehåller ändringar
Se ändringarKursplan fastställd 2021-02-26 av programansvarig (eller motsvarande).
Kursöversikt
- Engelskt namnComputational methods in bioinformatics
- KurskodTDA507
- Omfattning7,5 Högskolepoäng
- ÄgareMPDSC
- UtbildningsnivåAvancerad nivå
- HuvudområdeBioteknik, Datateknik, Informationsteknik
- InstitutionDATA- OCH INFORMATIONSTEKNIK
- BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd
Kurstillfälle 1
- Undervisningsspråk Engelska
- Anmälningskod 87121
- Blockschema
- Sökbar för utbytesstudenterJa
Poängfördelning
Modul | LP1 | LP2 | LP3 | LP4 | Sommar | Ej LP | Tentamensdatum |
---|---|---|---|---|---|---|---|
0113 Inlämningsuppgift 7,5 hp Betygsskala: TH | 7,5 hp |
I program
- MPALG - DATAVETENSKAP - ALGORITMER, PROGRAMSPRÅK OCH LOGIK, MASTERPROGRAM, Årskurs 1 (valbar)
- MPALG - DATAVETENSKAP - ALGORITMER, PROGRAMSPRÅK OCH LOGIK, MASTERPROGRAM, Årskurs 2 (valbar)
- MPCAS - KOMPLEXA ADAPTIVA SYSTEM, MASTERPROGRAM, Årskurs 1 (obligatoriskt valbar)
- MPCAS - KOMPLEXA ADAPTIVA SYSTEM, MASTERPROGRAM, Årskurs 2 (valbar)
- MPCSN - DATORER, NÄTVERK OCH SYSTEM, MASTERPROGRAM, Årskurs 1 (valbar)
- MPCSN - DATORER, NÄTVERK OCH SYSTEM, MASTERPROGRAM, Årskurs 2 (valbar)
- MPDSC - DATA SCIENCE OCH AI, MASTERPROGRAM, Årskurs 1 (valbar)
- MPDSC - DATA SCIENCE OCH AI, MASTERPROGRAM, Årskurs 2 (valbar)
- MPHPC - HÖGPRESTERANDE DATORSYSTEM, MASTERPROGRAM, Årskurs 1 (valbar)
- MPHPC - HÖGPRESTERANDE DATORSYSTEM, MASTERPROGRAM, Årskurs 2 (valbar)
- TKITE - INFORMATIONSTEKNIK, CIVILINGENJÖR, Årskurs 3 (valbar)
Examinator
- Graham Kemp
- Biträdande professor, Data Science och AI, Data- och informationsteknik
Behörighet
Grundläggande behörighet för avancerad nivåSökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.
Särskild behörighet
Engelska 6Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.
Kursspecifika förkunskaper
För tillträde till kursen krävs 90 godkända högskolepoäng inom ämnet Datavetenskap eller motsvarande. Det krävs också en programmeringskurs och en kurs i diskret matematik.Syfte
Som datavetare måste man kunna identifiera och förstå problem med ursprung i områden som inte är att betrakta som direkt datortekniska eller datavetenskapliga. I denna kurs visas hur beräkningsmetoder som traditionellt presenteras i datavetenskapliga kurser även kan appliceras inom bioinformatiken. I kursen behandlas därför också sådana begrepp, inom biologin, som krävs för att förstå de uppkomna problemställningarna.Vi behandlar problem som uppkommer i samband med analys av biologiska datasekvenser (sekventiell bioinformatik) och makromolekylära strukturer (strukturell bioinformatik). Att läsa vetenskapliga artiklar är värdefull utbildning för alla vetenskapsmän och forskare. Att utveckla sin förmåga i att läsa vetenskapliga artiklar är nyttig förberedelse för framtida vetenskapliga undersökningar, och det egna vetenskapliga skrivande kan samtidigt förbättras. I denna kurs används därför forskningsartiklar som viktigaste referensmaterial, framför allt för att visa hur man presenterar idéer och metoder, och hur man kritiskt värdera dem.
Lärandemål (efter fullgjord kurs ska studenten kunna)
Kunskap och förståelse- beskriva och sammanfatta problem som har tagits upp i bioinformatiklitteraturen,
och beräkningsmetoder för att lösa dem
- utforma och implementera beräkningsproblemlösningar inom bioinformatik
Värderingsförmåga och förhållningssätt
- kritiskt diskutera olika bioinformatikmetoder som adresserar samma uppgift eller relaterade uppgifter och diskutera skillnader i de uppdragen uppgifterna eller
skillnader i beräkningsmetoderna - identifiera situationer där samma beräkningsmetoder tillämpas när man tar itu med olika problem, även inom olika tillämpningsområden
Innehåll
Beräkningsmetoder och begrepp som presenteras i kursen är: dynamisk programmering, heuristiska algoritmer, grafpartitionering, image skeletonisation, utjämning och kantdetektering, klustring, undermatrismatchning, geometrisk hashning, constraint logic programming, Monte Carlo-optimering, simulated annealing, självundvikande vandring.Bland de problem som hämtats från biologin är: sekvensinpass, domäntilldelning, jämförelse av strukturer, jämförande modellering, proteinveckning, fold recognition, upptäcka kanaler, molekyldockning, proteindesign.
Organisation
Föreläsningar och programmeringsövningar.Litteratur
Föreläsningsmaterial; webbaserade resurser, utvalda vetenskapliga artiklar.Examination inklusive obligatoriska moment
Kursen examineras genom individuella inlämningsuppgifter inom programmering och skriftliga inlämningsuppgifter.
Betygsskalen är 3, 4, 5 och Underkänt (U).
Lägsta godkända betyg innebär att studenten uppfyllt kursmålen genom att prestera tillfredsställande på inlämningsuppgifterna. Högre betyg kräver att studenten därutöver visar på djupare förståelse, insikt, och reflektion.
För att bli godkänt på kursen krävs att alla inlämningsuppgifter är godkända. För att få ett högre betyg än godkänt för hela kursen krävs ett högre viktat genomsnitt av betygen från inlämnigsuppgifterna.
Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om pedagogiskt stöd på grund av funktionsnedsättning.
Kursplanen innehåller ändringar
- Ändring gjord på kurstillfälle:
- 2022-04-01: Block Block ändrat från A till D av Graham Kemp
[Kurstillfälle 1]
- 2022-04-01: Block Block ändrat från A till D av Graham Kemp