Kursplan för Statistisk slutledning för bioinformatik

Statistical Inference for Bioinformatics

  • 5 högskolepoäng
  • Kurskod: 1MB459
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Teknik A1N, Bioinformatik A1N

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
  • Inrättad: 2017-03-07
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Reviderad: 2021-03-26
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: HT 2022
  • Behörighet:

    Alt. 1) 120 hp inom civilingenjörsprogrammet i molekylär bioteknik.
    Alt. 2) 120 hp inklusive Introduktion till bioinformatik och Introduktion till programmering, beräkningsvetenskap och statistik.
    Alt 3. 120 hp inklusive 30 hp matematik tillsammans med 30 hp datavetenskap och Introduktion till bioinformatik. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

  • Ansvarig institution: Institutionen för biologisk grundutbildning

Mål

Efter godkänd kurs ska studenten kunna

  • redogöra för och tillämpa klassisk statistisk slutledning baserat på Bayesianska och frekventistiska metoder, traditionella datorbaserade metoder samt datorintensiva metoder vid analys av en och flera variabler samtidigt
  • välja och tillämpa lämpliga ovan nämnda metoder och tekniker för statistisk slutledning på givna frågeställningar för biologiska och biomedicinska molekylära data.

Innehåll

Klassisk slutledning: Frekventistisk och Bayesiansk slutledning, maximum likelihood estimering. Traditionella datorbaserade metoder: Empirisk Bayes, ridge regression, generaliserade linjära modeller, regressionsträd, överlevnadsanalys och EM-algoritmen. Datorintensiva metoder som återsampling, återsamplingsbaserade konfidensintervall, korsvalidering, storskalig hypotestestning, glesa regressionsmodeller, random forests och boosting. Bioinformatiska tillämpningsexempel.

Undervisning

Föreläsningar, räkneövningar och datorlaborationer.

Examination

Skriftligt prov (3 hp), 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.

Versioner av kursplanen

Litteratur

Uppgift om kurslitteratur saknas. Ta kontakt med ansvarig institution för mer information.

Skriv ut