Metody statystyczne w bioinformatyce
Sylabus zajęć
Informacje podstawowe
Kierunek studiów
Specjalność
-
Jednostka organizacyjna
Wydział Biologii
Poziom studiów
Studia drugiego stopnia
Forma studiów
Studia stacjonarne
Profil studiów
Profil ogólnoakademicki
Cykl dydaktyczny
2021-2024
Języki wykładowe
Polski
Obligatoryjność
Obowiązkowy
Blok zajęciowy
Przedmioty nieprzypisane
Prowadzący zajęcia
Idzi, Siatkowski, profesor, idzi.siatkowski@up.poznan.pl
|
Okres
Semestr 1
|
Forma zajęć / liczba godzin / forma zaliczenia
|
Liczba punktów ECTS
6.0
|
Cele kształcenia dla zajęć
Przedstawienie metod statystycznych stosowanych w bioinformatyce z wykorzystaniem programu R.
Wymagania wstępne
Zaliczony przedmiot „Statystyka z elementami rachunku prawdopodobieństwa”Efekty 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 | Potrafi wykonać obliczenia matematyczne w R | |
| Efekt_02 | Potrafi przygotować i wczytać dane do obliczeń oraz wykonać transformacje danych | |
| Efekt_03 | Potrafi wykonać graficzną prezentacje danych | |
| Efekt_04 | Zna reguły stosowania parametrycznych i nieparametrycznych testów statystycznych oraz potrafi zinterpretować wyniki otrzymane po testowaniu | |
| Efekt_05 | Rozumie, potrafi wykonać oraz zinterpretować analizę wariancji MANOVA | |
| Efekt_06 | Rozumie, potrafi wykonać oraz zinterpretować analizę składowych głównych | |
| Efekt_07 | Rozumie, potrafi wykonać oraz zinterpretować analizę skupień | |
| Efekt_08 | Umie zastosować modele nieliniowe (krzywe wzrostu) | |
| Efekt_09 | Potrafi wykonać regresję liniową, wielokrotną, logistyczną, krzywoliniową, selekcję zmiennych oraz zinterpretować wyniki | |
| Efekt_10 | Umie wykonać analizę danych pochodzących z różnych typów układów eksperymentalnych | |
| Efekt_11 | Potrafi wykonać analizę danych sekwencyjnych | |
| Efekt_12 | Umie rozwiązać zadanie stosując metody uczenia maszynowego |
Treści programowe
| Lp. | Treści programowe dla zajęć/przedmiotu | Symbol EU dla zajęć/przedmiotu |
| 1. |
Podstawowe obliczenia w R |
Efekt_01 |
| 2. |
Zbiorów danych: wczytanie danych różnych formatów, transformacje danych, obliczenia |
Efekt_02 |
| 3. |
Wizualizacja danych |
Efekt_03 |
| 4. |
Testowanie parametryczne i nieparametryczne: wprowadzenie, dwie populacje, analiza wariancji dla wielu populacji, nieparametryczne testy wielokrotne |
Efekt_04 |
| 5. |
Analiza wariancji MANOVA |
Efekt_05 |
| 6. |
Analiza składowych głównych |
Efekt_06 |
| 7. |
Analiza skupień |
Efekt_07 |
| 8. |
Modele nieliniowe (krzywe wzrostu) |
Efekt_08 |
| 9. |
Regresja liniowa, regresja wielokrotna, regresja logistyczna, regresja krzywoliniowa, selekcja zmiennych |
Efekt_09 |
| 10. |
Układy eksperymentalne: typy, analizy, interpretacja |
Efekt_10 |
| 11. |
Analiza danych sekwencyjnych |
Efekt_11 |
| 12. |
Wprowadzenie do uczenia maszynowego |
Efekt_12 |
Informacje dodatkowe
| Metody i formy prowadzenia zajęć | |
|---|---|
| Wykład z prezentacją multimedialną wybranych zagadnień | |
| Rozwiązywanie zadań (np.: obliczeniowych, artystycznych, praktycznych) | |
| Metoda ćwiczeniowa | |
| Metoda laboratoryjna | |
| Wykład zdalny w czasie rzeczywistym | |
| Laboratoria zdalne w czasie rzeczywistym |
| Sposoby oceniania | Symbole EK dla modułu zajęć/przedmiotu | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| EK_1 | EK_2 | EK_3 | EK_4 | EK_5 | EK_6 | EK_7 | EK_8 | EK_9 | EK_10 | EK_11 | EK_12 | ||
| Egzamin pisemny | x | x | x | x | x | x | x | x | x | x | x | x | |
| Egzamin ustny | x | x | x | x | x | x | x | x | x | x | x | x | |
| Kryteria oceniania wg skali stosowanej w UAM | |
|---|---|
| bardzo dobry (bdb; 5,0): | powyżej 90% punktów |
| dobry plus (+db; 4,5): | powyżej 80% punktów |
| dobry (db; 4,0): | powyżej 70% punktów |
| dostateczny plus (+dst; 3,5): | powyżej 60% punktów |
| dostateczny (dst; 3,0): | 50% punktów lub powyżej |
| niedostateczny (ndst; 2,0): | mniej niż 50% punktów |
Literatura
Wydawnictwa książkowe
- 1. Biecek Przemysław: Analiza danych z programem R, Modele liniowe z efektami stałymi, losowymi i mieszanymi, Wydawnictwo Naukowe PWN, Warszawa, 2013
2. Biecek Przemysław: Przewodnik po pakiecie R, GIS, Wrocław, 2017
3. Ćwik Jan, Mielniczuk Jan: Statystyczne systemy uczące się. Ćwiczenia w oparciu o pakiet R, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2009
4. Górecki Tomasz: Podstawy statystyki z przykładami w R, BTC, Legionowo, 2011
5. Walesiak Marek, Gatnar Eugeniusz: Statystyczna analiza danych z wykorzystaniem programu R, Wydawnictwo Naukowe PWN, Warszawa, 2009
Nakład pracy studenta i punkty ECTS
| Forma aktywności | Średnia liczba godzin* na zrealizowanie aktywności | |
|---|---|---|
| Godziny zajęć (wg planu studiów) z nauczycielem | 60 | |
| Praca własna studenta: | ||
| Przygotowanie do zajęć | 40 | |
| Czytanie wskazanej literatury | 40 | |
| Przygotowanie pracy pisemnej, raportu, prezentacji, demonstracji, itp. | ||
| Przygotowanie projektu | ||
| Przygotowanie pracy semestralnej | ||
| Przygotowanie do egzaminu / zaliczenia | 40 | |
| SUMA GODZIN | 180 | |
| LICZBA PUNKTÓW ECTS DLA MODUŁU ZAJĘĆ/PRZEDMIOTU | 6 | |
* godzina (lekcyjna) oznacza 45 minut