Automatiserad prediktiv modellering
Kursplan, Avancerad nivå, 1MB516
Kursen är avvecklad.
- Kod
- 1MB516
- Utbildningsnivå
- Avancerad nivå
- Huvudområde(n) med fördjupning
- Bioinformatik A1F, Teknik A1F
- Betygsskala
- Med beröm godkänd (5), Icke utan beröm godkänd (4), Godkänd (3), Underkänd (U)
- Fastställd av
- Teknisk-naturvetenskapliga fakultetsnämnden, 30 augusti 2018
- Ansvarig institution
- Institutionen för biologisk grundutbildning
Behörighetskrav
120 hp samt Proteomik och metabolomik
Mål
Efter godkänd kurs ska studenten kunna:
- förklara och tillämpa centrala begrepp och metoder för automatiserad prediktiv modellering med fokus på biomedicinska/biologiska molekylära data
- självständigt välja lämpliga metoder och tekniker inom området för att med givna biologiska/biomedicinska data hantera frågeställningar
- kritiskt sammanställa, analysera, och värdera biologiska/biomedicinska resultat baserat på de modellfamiljer som skapats vid analys av molekylära data.
Innehåll
Datorbaserade lärande prediktiva system; från anpassning av ett fåtal parametrar i en biofysikalisk modell till val/anpassning av både modellstruktur och parametrar i en dataanalytisk maskininlärningsmodell. Modelltyper (fysikaliska, semi-fysikaliska, fenomenologiska, parametriska, icke-parametriska). Frågeställningar (regression, klassificering, överlevnadsanalys, tidsserieanalys, analys av dynamiska system/nätverk, mekanistisk molekylär förståelse). Parameteranpassning inklusive uppskattning av osäkerhet. Val av modellstruktur inklusive uppskattning av osäkerhet. Metoder för att undvika överanpassning. Metoder för att bygga in förkunskaper om det aktuella problemet i den automatiserade analysen. Kvantitativ uppskattning av prediktiv förmåga. "Active learning" och iterativ experimentell design baserat på analys av insamlade data. Visualisering av resultat. Tolkning av modeller och modellfamiljer. Analys av systemövergripande och temporala biomedicinska data från projekt t ex inom metabolomik, proteomik, videomikroskopi och dynamiska ligand-protein interaktioner.
Undervisning
Föreläsningar, seminarier, datorlaborationer.
Examination
Skriftlig tentamen (3 hp), seminarier och datorlaborationer (2 hp).
Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.