Biostatistics
Sylabus zajęć
Informacje podstawowe
Kierunek studiów
Biotechnology
Specjalność
-
Jednostka organizacyjna
Wydział Biologii
Poziom studiów
Studia drugiego stopnia
Forma studiów
Studia stacjonarne
Profil studiów
Profil ogólnoakademicki
Cykl dydaktyczny
2022-2025
Języki wykładowe
Angielski
Obligatoryjność
Obowiązkowy
Blok zajęciowy
Przedmioty nieprzypisane
Prowadzący zajęcia
dr hab. Michał Szcześniak, miszcz@amu.edu.pl
|
Okres
Semestr 1
|
Forma zajęć / liczba godzin / forma zaliczenia
|
Liczba punktów ECTS
2.0
|
Cele kształcenia dla zajęć
1. Introducing R, a programming language being used throughout the course for statistical data analysis and visualizations.
2. Consolidating knowledge in area of statistics, with focus on applications in molecular biology and biotechnology.
3. Implementing statistical tests and other statistical analyses in R.
4. Knowing basics of machine learning and example implementations.
5. Being able to perform advanced data visualizations, including 3D and interactive plots.
Wymagania wstępne
brak wymagań wstępnychEfekty uczenia się dla zajęć
| Symbol EU dla zajęć/przedmiotu | Po zakończeniu zajęć i potwierdzeniu osiągnięcia EU student/ka: | Symbole EK dla kierunku studiów |
| Efekt_01 | Knows basics of R programming language and associated functionalities and tools frequently used in statistical data analysis. | K_W10 |
| Efekt_02 | Is able to select the suitable statistical test or other statistical methods; is able to perform data visualisations, helpful in interpretation of biological data | K_U06 |
| Efekt_03 | Uses advanced tools for statistical data analysis and plotting. |
Treści programowe
| Lp. | Treści programowe dla zajęć/przedmiotu | Symbol EU dla zajęć/przedmiotu |
| 1. |
Introduction to R programming language, including data types, operators, functions, conditional statements, loops as well as installation and usage of R and associated tools. |
Efekt_01 |
| 2. |
- advanced terminology - descriptive statistics - data distributions - statistical tests - regression - basics of machine learning - data visualizations (including ggplot2 package) |
Efekt_02 |
| 3. |
Basic and advanced visualizations, including scatterplots, boxplots, piecharts, histograms, barplots as well as interactive and three-dimensional plots. |
Efekt_03 |
Informacje dodatkowe
| Metody i formy prowadzenia zajęć | |
|---|---|
| Dyskusja | |
| Rozwiązywanie zadań (np.: obliczeniowych, artystycznych, praktycznych) | |
| Metoda warsztatowa |
| Sposoby oceniania | Symbole EK dla modułu zajęć/przedmiotu | |||
|---|---|---|---|---|
| EK_1 | EK_2 | EK_3 | ||
| Egzamin praktyczny (obserwacja wykonawstwa) | x | x | x | |
| Kryteria oceniania wg skali stosowanej w UAM | |
|---|---|
| bardzo dobry (bdb; 5,0): | Student correctly solves min. 90% of tasks in a practical exam or another form of practical test. Student prawidłowo wykonuje min. 90% zadań na egzaminie praktycznym lub innej praktycznej formie zaliczenia |
| dobry plus (+db; 4,5): | Student correctly solves 86-89% of tasks in a practical exam or another form of practical test. |
| dobry (db; 4,0): | Student correctly solves 75-85% of tasks in a practical exam or another form of practical test. |
| dostateczny plus (+dst; 3,5): | Student correctly solves 71-74% of tasks in a practical exam or another form of practical test. |
| dostateczny (dst; 3,0): | Student correctly solves 60-70% of tasks in a practical exam or another form of practical test. |
| niedostateczny (ndst; 2,0): | Student correctly solves less than 60% of tasks in a practical exam or another form of practical test. |
Literatura
Wydawnictwa książkowe
- 1. Longnecker Micheal: Introduction to Statistical Methods and Data Analysis, Cengage Learning, Inc, Boston, 2015
Nakład pracy studenta i punkty ECTS
| Forma aktywności | Średnia liczba godzin* na zrealizowanie aktywności | |
|---|---|---|
| Godziny zajęć (wg planu studiów) z nauczycielem | 20 | |
| Praca własna studenta: | ||
| Przygotowanie do zajęć | 5 | |
| Czytanie wskazanej literatury | 10 | |
| Przygotowanie pracy pisemnej, raportu, prezentacji, demonstracji, itp. | 0 | |
| Przygotowanie projektu | 0 | |
| Przygotowanie pracy semestralnej | 0 | |
| Przygotowanie do egzaminu / zaliczenia | 10 | |
| SUMA GODZIN | 45 | |
| LICZBA PUNKTÓW ECTS DLA MODUŁU ZAJĘĆ/PRZEDMIOTU | 2 | |
* godzina (lekcyjna) oznacza 45 minut