Bioinformatika 2
Prikazani su podaci za akademsku godinu: 2024./2025.
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
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)
Izborni predmeti
(1. semestar)
(3. semestar)
[FER3-HR] Elektronika - profil
Izborni predmeti
(1. semestar)
(3. semestar)
Izborni predmeti
(1. semestar)
(3. semestar)
Izborni predmeti
(3. semestar)
Izborni predmeti profila
(3. semestar)
Izborni predmeti
(1. semestar)
(3. semestar)
Izborni predmeti
(3. semestar)
Izborni predmet profila
(3. semestar)
[FER3-HR] Računalno inženjerstvo - profil
Izborni predmeti
(1. semestar)
(3. semestar)
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
- Objasniti osnovne probabilističke grafičke modele poput slučajnih markovljevih polja i Bayesovih mreža
- Objasniti slučajne markovljeve modele
- Upotrijebiti Bayesovo i kauzalno zaključivanje za rješavanje problema
- Primijeniti osnovne probabilističke grafičke modele na poznatim problemima u biologiji
- Identificirati primjerene grafičke probabilističke modele koji se mogu primijeniti unutar zadane domene
Oblici nastave
Predavanja
Predavanja u učionici.
Samostalni zadaciProjektni 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
- Grafički modeli za računalnu biologiju
- Grafički modeli za računalnu biologiju
- Grafički modeli za računalnu biologiju
- Grafički modeli za računalnu biologiju
- Grafički modeli za računalnu biologiju
- Skriveni Markovljevi modeli za računalnu biologiju
- Skriveni Markovljevi modeli za računalnu biologiju
- Međuispit
- Skriveni Markovljevi modeli za računalnu biologiju
- Bayesovo zaključivanje za računalnu biologiju
- Bayesovo zaključivanje za računalnu biologiju
- Bayesovo zaključivanje za računalnu biologiju
- Primjena na složene biološke sustave
- Primjena na složene biološke sustave
- 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 Engleski jezik
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