Kursen syftar till att ge förståelse för hur logik-baserade metoder kan användas för att stödja konstruktionen av kunskapsbaserade system inom livsvetenskaperna. Utgången i stora mängder data såsom t.ex. genuttrycks-, molekylära interaktions-, annotationsdata reflekterar dagens behov av effektiv datahantering . Kursen skapar en fördjupad förståelse för hur avancerade lärande system kan användas för att lösa bioinformatiska problem.
använda och beskriva definitioner och matematisk notation för informations- och beslutssystem, samt för regelsystem
använda andra metoder inom maskininlärning såsom klustring och beslutsträd, samt relatera dessa till generella regelbaserade metoder
tillämpa kunskaper inom regelsystem och slumpbaserade metoder för variabelurval för att formulera och lösa klassifikationsproblem inom livsvetenskaperna
Kursinnehåll
Introduktion till booleska funktioner. Informations- och beslutsystem. Variabelselektion. Träning och validering av modeller. Statiska egenskaper hos modeller. Exempel på tillämpningar inom livsvetenskaperna inkluderar: klassificering med hjälp av uttrycksdata, prediktion av genfunktion från uttryckstidsprofiler och genomiska databaser, modellering av transkriptionsmekanismer, ligand-receptor-bindningar, drogresistens, prediktion av proteinfunktion från struktur och modellering med hjälp av kliniska och genomiska data. Ontologier. Maskininlärning: klustring, beslutsystem och regelbaserade metoder för hantering av osäkerhet och beslutsträd, randomiserad variabelselektion, statistisk modellgiltighet och signifikans.
Förutsättningar
Alt 1. 120 hp inklusive Genomik och bioinformatik, Sannolikhet och statistik och Programmeringsteknik II. Alt 2. Introduktion till bioinformatik, Introduktion till programmering, beräkningsvetenskap och statistik och Programmering i Python. Alt 3. 30 hp matematik och 30 hp datavetenskap. Introduktion till bioinformatik och Skriptprogrammering. Alt 4. Genomgångna kurser Introduktion till bioinformatik, Programmeringsteknik I, Beräkningsvetenskap för naturvetenskapliga tillämpningar och Introduktion till statistik för livsvetenskaper. Alt 5. 25 hp matematik eller statistik och 30 hp datavetenskap. Genomgångna kurser Introduktion till bioinformatik och Introduktion till statistik för livsvetenskaper. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)