At give indsigt i principperne bag samt fordele og ulemper ved
relevante klassifikations-, forudsigelses- og modelleringsmetoder,
således at den studerende kan foretage en kritisk evaluering af
sådanne. Desuden at gøre den studerende i stand til på en effektiv
måde at anvende bioinformatiske værktøjer fra Unix-kommandolinje
til at indsamle og analysere større datamængder. Endelig at
bibringe den studerende overblik til at kunne kombinere almindelige
bioinformatiske værktøjer via programmering til at udgøre en
sammenhængende metode.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Sammensætte bioinformatiske værktøjer i en overordnet pipeline
på Unix-kommandolinje såvel som med mindre programmer.
Fremstille mindre programmer (scripts) til at indsamle,
filtrdatasæt i R og at visualisere data grafisk.
Python for bioinformatiker. Implementere programmeringsmæssig
hentning af data.
Webservicer til at hentining data fra remote databaser.
Redegøre for principperne bag almindeligt anvendte
klassifikations-, modellerings- og forudsigelsesmetoder.
Evaluere kvalitet og anvendelighed af bioinformatiske værktøjer
vha. almindelige performance-mål som sensitivitet, specificitet,
korrelationskoefficient og ROC-kurver.
Redegøre for principperne bag tekst-mining.
Kursusindhold:
Kurset gennemgår principperne bag de mest almindelige metoder
anvendt inden for bioinformatik: kunstige neurale netværk
(artificial neural networks, ANN), Markov-modeller (HMM),
support-vektor maskiner (SVM) m.fl. og introducerer anvendelsen af
disse metoder på relevante biologiske systemer. Desuden vises,
hvorledes bioinformatiske værktøjer implementeres (installeres) og
evalueres i praksis, og der lægges stor vægt på at effektivisere
arbejdsprocesser med disse ved hjælp af programmering.
Mulighed for GRØN DYST deltagelse:
Kontakt underviseren for information om hvorvidt dette kursus giver
den studerende mulighed for at lave eller forberede et projekt som
kan deltage i DTUs studenterkonference om bæredygtighed,
klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk
