Informacje ogólne
Uczestnicy studiów zapoznają się ze specjalistycznymi środowiskami pracy dla bioinformatyków – m.in. oprogramowaniem Galaxy, które
umożliwia przeprowadzanie zaawansowanych analiz danych biologicznych.
W trakcie studiów podyplomowych uczestnicy będą mieli możliwość zgłębiania wiedzy m.in. w zakresie analizy DNA, RNA oraz predykcji
struktury białek.
Warunki zaliczenia
Warunkiem zaliczenia studiów jest zaliczenie wszystkich przedmiotów określonych w programie studiów
Słuchacz uzyskuje dostęp do praktycznych zadań dodatkowych (zaliczeniowych) w ramach każdego przedmiotu. Rozwiązanie tych zadań jest podstawą do zaliczenia danego modułu. Słuchacz rozwiązuje zadania zaliczeniowe w dowolnym momencie w trakcie trwania studiów.
Każdy semestr kończy się egzaminem, który będzie odbywał się stacjonarnie w siedzibie uczelni PJATK w Warszawie. Egzamin będzie trwał 180 minut i będzie obejmował materiał poruszany podczas danego semestru. Egzamin ma charakter praktyczny i będzie przeprowadzony na platformie CyberSkiller. Będzie to lista praktycznych zadań do wykonania, przygotowanych w takiej samej formule co przedmioty realizowane wcześniej na platformie CyberSkiller.
Program studiów
Semestr 1
Semestr 2
- – Podstawy pracy w środowisku Python dla biologów – podstawy teoretyczne, wyświetlanie danych, zmienne, operacje arytmetyczne, komentarze w kodzie
- – Łańcuchy znaków, operatory porównania i operatory logiczne – operacje na łańcuchach, porównania i operatory logiczne, pozostałe operatory arytmetyczne, operatory złożonego przypisania, instrukcje wejścia i wyjścia
- – Instrukcje warunkowe – Instrukcja warunkowa if, Instrukcja warunkowa while
- – Listy i operacje na listach – Listy, Operacje na listach, Pętla for, Listy składane (wyrażenia listowe), Ranges, List Slices
- – Funkcje i typy danych – Funkcje: wstęp, Funkcje operujące na listach, Funkcje operujące na łańcuchach, Tworzenie własnych funkcji, Funkcje rekurencyjne, Słowniki, Krotki (tuples), Zbiory (sets)
- – Programowanie funkcyjne oraz OOP – Programowanie funkcyjne – wstęp (Funkcje anonimowe (lambda), *args i **kwargs, Funkcje map i filter, Dekoratory), Object Oriented Programming (OOP) (Obiekty i klasy, Dziedziczenie, Magic methods, Class Methods
- – Wyjątki i praca z plikami – wyjątki, praca z plikami
- – Data Science – Numpy – Wprowadzenie do statystyki opisowej: średnia, mediana, wariancja, odchylenie standardowe, Wprowadzenie do biblioteki NumPy: NumPy – definiowanie tablic, Zmiana kształtu tablic, Instrukcje warunkowe, Operacje na tablicach, Łączenie tablic, Maskowanie
- – Data Science – Pandas – Wprowadzenie do Pandas, Wczytywanie danych, Dodawanie kolumn, Grupowanie danych
- – Data Science – Matplotlib – Wprowadzenie do Matplotlib (drugi kurs), Rodzaje wykresów, Operacje na wykresach, Personalizacja wykresów
- – Podstawy języka SQL
- – Filtrowanie danych
- – Operacje na danych
- – Złączanie tabel
- – Podstawowe polecenia GNU/Linuxa
- – Operacje na plikach
- – Operacje identyfikacji oraz kodowania danych
- – Konfiguracja usług
- – Analiza logów
- – Podstawy genomiki, transkryptomiki i proteomiki
- – Podstawy analizy DNA i RNA
- – Podstawy analizy ekspresji genów
- – Bioinformatyczne bazy danych
- – Wstęp do analizy danych NGS
- – Zaawansowane zapytania SQL
- – Modyfikacja danych
- – Programowanie baz danych
- – Język definicji danych
- – Analiza sekwencji – Biopython – Wstęp do Biopythona, Praca z sekwencjami DNA, Pobieranie danych z baz danych, Praca z publikacjami
- – Data Science: Numpy i Pandas – Podstawy NumPy: szybkie przypomnienie, Importowanie danych, Podstawy Pandas: szybkie przypomnienie, Operacje na DataFrame
- – Wizualizacja danych – Matplotlib – szybkie przypomnienie, Pyplot – styl z MATLAB, Seaborn, Ggplot (plotnine), Plotly
- – Statystyka z Pythonem, część 1 – Podstawy statystyki, Statystyka opisowa, Analiza korelacji, Analiza regresji. Z użyciem Numpy, Pandas, Statistics, SciPy
- – Statystyka z Pythonem, część 2 – Testowanie normalności rozkładu, Test chi kwadrat, Test studenta, Analiza wariancji, Testy nieparametryczne – nonparametric Statistical Hypothesis Tests. Z użyciem SciPy
- – Podstawowe algorytmy stosowane do analizy sekwencji DNA
- – Algorytmy stosowania do dopasowania sekwencji nukleotydowych lokalnie i globalnie
- – Algorytm BLAST
- – Podstawowe algorytmy stosowane do analizy sekwencji RNA
- – Filogenetyka i struktury drugorzędowe
- – Podstawowe algorytmy stosowane do predykcji struktury białek
- – Wybrane narzędzia i algorytmy służące predykcji struktury białek
- – Bazy danych zawierające rekordy dotyczące białek
- – Narzędzia do wizualizacji struktury białek
- – Wykorzystanie uczenia maszynowego do predykcji struktury białek
- – Wstęp do zastosowania języka Python w analizie statystycznej
- – Wykorzystanie języka Python w analizie opisowej danych
- – Analizy korelacji oraz regresji
- – Testy statystyczne
- – Metody wizualizacji wyników statystycznych
- – Podstawy biblioteki Pandas
- – Wstępne przetwarzanie danych – Preprocesing
- – Wizualizacja danych
- – Problem Titanica – pasażerowie statku
- – Problem Iris – pomiar kwiatów
- – Problem diagnozy raka piersi
Spotkanie z kierownikami studiów podyplomowych
Nikt nie opowie o studiach proponowanych przez Centrum Kształcenia Podyplomowego lepiej niż ci, którzy je stworzyli. Zapraszamy do obejrzenia i wysłuchania rozmów z kierownikami studiów podyplomowych oraz studiów MBA (w tym kierownikiem CKP Panią Martą Godzisz), które przeprowadziła Pani Aleksandra Szyr.