22116 Python programming i Life Science

2025/2026

Kurset eksisterer også i en kandidatversion (22166)
Kursusinformation
Python programming in Life Science
Engelsk
5
Bachelor
Kurset udbydes som enkeltfag
E2A (man 13-17)
Campus Lyngby
Forelæsninger med ugentlige obligatoriske øvelser.
13-uger
E2A
Skriftlig eksamen
Aflevering af obligatoriske øvelser samt udførelse af peer-evaluering (mindst 11 ud af 13 af begge) er forudsætning for at gå til eksamen.
Skriftlig eksamen: 4 timer
Alle hjælpemidler - uden adgang til internettet :

Ingen form for AI er tilladt.

bestået/ikke bestået , intern bedømmelse
22101 og 22161
22101/22161
02002 , Grundlæggende programmeringserfaring er påkrævet, fortrinsvis i Python. Dette inkluderer viden om variabler, tildelinger, operatorer, betingede og løkke sprogkonstruktioner og filer.
Peter Wad Sackett , Lyngby Campus, Bygning 204, Tlf. (+45) 4525 2097 , pwsa@dtu.dk
22 Institut for Sundhedsteknologi
https://teaching.healthtech.dtu.dk/22116/
I studieplanlæggeren
Overordnede kursusmål
Den studerende vil blive i stand til at løse mindre life science problemer på en struktureret måde i Python. Det er et vigtigt mål for den studerende at opnå kompetencer i programmatisk tænkning.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Selvstændigt få dybere indsigt i at bruge python-sprogkonstruktioner og datatyper i programmering på højere niveau baseret på eksisterende python-viden.
  • Overholde de grundlæggende principper i god programmeringspraksis, som at evaluere om variabel-/objektnavne er passende i kontekst og undgå obskur, uklar kode.
  • Udvikle pseudokode- og kommentar-færdigheder for at forbedre kodens læsbarhed og vedligeholdelse gennem effektiv kommentering.
  • Forstå og anvende filstien til interoperabel fillæsning (mac/win/unix) og derved udvide fillæsningskonceptet.
  • Anvende exception-håndtering for at håndtere fejl og alternativ eksekvering.
  • Udføre strengmanipulation for at behandle biologiske dataformater såsom BLAST-output og FASTA-filer.
  • Parse biologiske datafiler som SwissProt med stateful parsing-teknikker til at udtrække data.
  • Anvende sorterings-, søgnings- og deduplikeringsalgoritmer på biologiske datasæt ved hjælp af listemanipulationsteknikker.
  • Anvende mønstergenkendelsesteknikker - herunder regulære udtryk - til at identificere og udtrække relevante data fra Genbank-filer eller andre biologiske datafiler.
  • Bruge sæt- og dict-teknikker til effektiv datahåndtering og analyse i biologiske sammenhænge.
Kursusindhold
Kurset har et stærkt fokus på at opnå programmatisk tænkning gennem forelæsninger og praktiske øvelser i en life science sammenhæng. Studerende vil engagere sig i dybdegående programmering ved at skabe mindre, men komplette programmer i øvelserne, der udnytter bredden af Python-datatyper og sprogkonstruktioner. Der vil blive lagt vægt på læsbarhed, vedligeholdelse og god programmeringspraksis ved brug af ren Python for at fremhæve det programmatiske aspekt. Ved hjælp af simple algoritmer vil de studerende analysere og manipulere forskellige biologiske datafiltyper. En vigtig del af kurset involverer peer-evaluering af øvelser, hvilket giver de studerende mulighed for at få indsigt i forskellige ideer og løsninger fra deres medstuderende.
Sidst opdateret
18. august, 2025