Behörighetskrav

Linjär algebra. Flerdimensionell analys. Matematisk statistik. Beräkningsvetenskap I. Molekylär bioinformatik. Genfunktion.

Syfte

Kursen syftar till att ge grundläggande kunskaper och förståelse för hur olika typer av lärande system kan användas för problem inom molekylär datanalys. Målet med denna kurs är också att skapa en grundläggande förståelse för hur olika typer av lärande system kan användas för att lösa bioinformatiska problem.

Innehåll

Matematiska grunder för lärande system. Grundläggande koncept som Bayesiansk modellering, parametriska och icke-parametriska metoder, diskriminantfunktioner, beslutsytor, parameterestimering, övervakad och oövervakad inlärning, interaktiva lärande system, generalisering, klustring. Familjer av metoder som beslutsträd, artificiella neuronnät, Bayesianskt lärande och prototyp-baserat lärande. lärande system för sekvensanalys, dynamisk programmering, EM-algoritmen, Markov Chain Monte Carlo metoder, simulated annealing, evolutionära och genetiska algoritmer, gömda Markov-kedjor, fylogenetiska träd. Allt integrerat med tillämpningar inom molekylär bioinformatik.

Laborationer: Datorlaborationer med verkliga och syntetiska data.

Undervisning

Föreläsningar, seminarier och laborationer.

Examination

Skriftlig tentamen vid kursens slut, inlämningsuppgifter. I kursen ingående övningar och laborationer som är poängsatta med 2 poäng.