Bioinformatika 2

Prikazani su podaci za akademsku godinu: 2024./2025.

Nositelji

Prof. dr. sc.
Mile Šikić
Izv. prof. dr. sc.
Mirjana Domazet-Lošo
Doc. dr. sc.
Krešimir Križanović

Opis predmeta

Ovaj predmet upoznaje studente s: (i) osnovnim probabilističkim grafičkim modelima poput slučajnih markovljevih polja, Bayesovih mreža (ii) skrivenim Markovljevim modelima (iii) Bayesovim i kauzalnim zaključivanjem (iv) primjenom stečenih znanja na biološkim problemima.

Preduvjeti

Osnovna znanja iz vjerojatnosti iz statistike. Vještina programiranja u nekom programskom jeziku više razine kao što su Python, Java i C/C++.

Studijski programi

Sveučilišni diplomski
[FER3-HR] Audiotehnologije i elektroakustika - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Automatika i robotika - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Elektroenergetika - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Elektroničko i računalno inženjerstvo - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Elektronika - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Elektrostrojarstvo i automatizacija - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Informacijsko i komunikacijsko inženjerstvo - profil
Izborni predmeti (3. semestar)
Izborni predmeti profila (3. semestar)
[FER3-HR] Komunikacijske i svemirske tehnologije - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Programsko inženjerstvo i informacijski sustavi - profil
Izborni predmeti (3. semestar)
Izborni predmeti profila (3. semestar)
[FER3-HR] Računalno inženjerstvo - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Računalno modeliranje u inženjerstvu - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Računarska znanost - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Znanost o mrežama - profil
Izborni predmeti (1. semestar) (3. semestar)
[FER3-HR] Znanost o podacima - profil
Izborni predmeti (3. semestar)
Izborni predmeti profila (3. semestar)

Ishodi učenja

  1. Objasniti osnovne probabilističke grafičke modele poput slučajnih markovljevih polja i Bayesovih mreža
  2. Objasniti slučajne markovljeve modele
  3. Upotrijebiti Bayesovo i kauzalno zaključivanje za rješavanje problema
  4. Primijeniti osnovne probabilističke grafičke modele na poznatim problemima u biologiji
  5. Identificirati primjerene grafičke probabilističke modele koji se mogu primijeniti unutar zadane domene

Oblici nastave

Predavanja

Predavanja u učionici.

Samostalni zadaci

Projektni timski rad.

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Prag Udio u ocjeni
Seminar/Projekt 0 % 40 % 0 % 40 %
Međuispit: Pismeni 0 % 25 % 0 %
Završni ispit: Pismeni 40 % 35 %
Ispit: Pismeni 40 % 60 %

Tjedni plan nastave

  1. Grafički modeli za računalnu biologiju
  2. Grafički modeli za računalnu biologiju
  3. Grafički modeli za računalnu biologiju
  4. Grafički modeli za računalnu biologiju
  5. Grafički modeli za računalnu biologiju
  6. Skriveni Markovljevi modeli za računalnu biologiju
  7. Skriveni Markovljevi modeli za računalnu biologiju
  8. Međuispit
  9. Skriveni Markovljevi modeli za računalnu biologiju
  10. Bayesovo zaključivanje za računalnu biologiju
  11. Bayesovo zaključivanje za računalnu biologiju
  12. Bayesovo zaključivanje za računalnu biologiju
  13. Primjena na složene biološke sustave
  14. Primjena na složene biološke sustave
  15. Završni ispit

Literatura

(.), Probabilistic Graphical Models : Principles and Techniques, Daphne Koller and Nir Friedman,
Richard Durbin, Sean R. Eddy, Anders Krogh, Graeme Mitchison (.), Biological Sequence Analysis: Probabilistic Models of Proteins and Nucleic Acids, Cambridge University Press

Izvedba

ID 222485
  Zimski semestar
5 ECTS
R1 E-učenje
30 Predavanja
0 Seminar
0 Auditorne vježbe
5 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja

Ocjenjivanje

90 izvrstan
75 vrlo dobar
60 dobar
50 dovoljan

Sličan predmet