Przedmiot oferuje wprowadzenie do bioinformatyki obejmujące podstawowe pojęcia, historyczny rozwój dziedziny, podstawy algorytmiki, struktury danych oraz praktyczne zastosowanie algorytmów w biologii obliczeniowej, z wprowadzeniem do programowania w Scratch i przeglądem systemów operacyjnych. Kurs ten jest kluczowy dla zrozumienia, jak komputery kodują, przechowują i przetwarzają dane.

Przedmiot obejmuje naukę technik implementacji i wykorzystania systemów kontroli wersji, ze szczególnym uwzględnieniem protokołu Git, w kontekście kolaboratywnego rozwoju oprogramowania. Słuchacze zostaną zaznajomieni z architekturą rozproszonego systemu kontroli wersji, metodologią zarządzania gałęziami kodu źródłowego oraz protokołami rozwiązywania konfliktów. Przedmiot ten umożliwi uczestnikom efektywne zarządzanie cyklem życia projektów programistycznych, poprzez naukę pracy zespołowej, integracji narzędzi CI/CD oraz technik automatyzacji.

Przedmiot oferuje wprowadzenie do systemu operacyjnego Linux, ze szczególnym uwzględnieniem instalacji i konfiguracji Ubuntu, zarządzania plikami, katalogami, użytkownikami oraz automatyzacji zadań bioinformatycznych za pomocą skryptów bash. Kurs obejmuje również praktyczne umiejętności w zakresie przetwarzania wzorców w danych, zarządzania procesami oraz zdalnego dostępu i wirtualizacji.

Kurs oferuje kompleksowe wprowadzenie do programowania w języku Python, obejmujące zarówno podstawowe, jak i bardziej zaawansowane struktury danych, funkcje, programowanie obiektowe oraz operacje na plikach. Nacisk położony jest na praktyczne zastosowania w analizie i wizualizacji danych biologicznych. W dalszej części tematyka kursu skupia się na aplikacjach bioinformatycznych, w tym na analizie danych przy użyciu specjalistycznych bibliotek takich jak NumPy, Pandas, Matplotlib oraz Biopython.

Przedmiot stanowi wprowadzenie do konteneryzacji, koncentrując się na instalacji, konfiguracji i podstawowych operacjach. Kurs ten obejmuje również porównanie konteneryzacji z wirtualizacją, prezentację przykładowych narzędzi bioinformatycznych uruchamianych w kontenerach oraz podstawy orkiestracji.

Przedmiot wprowadza w podstawy relacyjnych baz danych, obejmując historię, zastosowania oraz podstawy języka SQL, a także projektowanie schematów, zapytania i optymalizację wydajności. Kurs obejmuje również zastosowania w bioinformatyce oraz porównanie z modelami NoSQL.

Przedmiot dostarcza wiedzy na temat statystyki w kontekście biologii, w tym biologii molekularnej i genetyki, obejmując miary tendencji centralnej, prawdopodobieństwo, estymację oraz analizę wielowymiarową. Kurs kładzie duży nacisk na praktyczne zastosowanie statystyki w projektowaniu eksperymentów i analizie danych oraz na wizualizację wyników przy użyciu wybranych narzędzi.

Przedmiot wprowadza do wszechstronnego języka R. Obejmuje instalację oraz konfigurację R i RStudio, prezentuje typy i struktury danych, operatory oraz funkcje. Kurs skupia się również na technikach przetwarzania danych oraz wizualizacji. Kurs kładzie duży nacisk na praktyczne zastosowania w analizie danych, statystyce opisowej i modelowaniu statystycznym, m.in. z wykorzystaniem pakietów bioinformatycznych takich jak Bioconductor.

Przedmiot zapewnia zrozumienie procesów sekwencjonowania genomowego i transkryptomowego, obejmując m.in. instalację narzędzi bioinformatycznych, kontrolę jakości danych, mapowanie sekwencji oraz kwantyfikację i analizę ekspresji genów. Kurs zawiera także tematy poświęcone wykrywaniu wariantów genetycznych, ich anotacji i wizualizacji, a także analizie danych metagenomowych i single-cell RNAseq.

Przedmiot dostarcza wiedzy w zakresie analizy danych proteomicznych, obejmującej m.in. przetwarzanie danych surowych i identyfikację białek oraz analizę interakcji i sieci białkowych. Przedmiot ten rozwija również umiejętności w zakresie wizualizacji danych, predykcji struktury białek oraz integracji danych proteomicznych z danymi genomowymi.

Przedmiot przedstawia metody organizacji i nadzoru nad przebiegiem zadań bioinformatycznych (workflows), koncentrując się na implementacji i optymalizacji wybranych narzędzi. Słuchacze opanują tworzenie i uruchamianie kolejki zadań (pipelines), ich łączenie z technologią kontenerową oraz wykorzystanie w środowiskach chmurowych. Poznają także różnice w funkcjonalnościach i zastosowaniach tych narzędzi.

Przedmiot oferuje podstawy teoretyczne i praktyczne koncepcji uczenia maszynowego i jego zastosowań w bioinformatyce, obejmując techniki regresji, klasyfikacji, oraz głębokiego uczenia, a także m.in. narzędzia Python, R i Orange Data Mining. Kurs ten umożliwia naukę przetwarzania danych, oceny i walidacji modeli oraz wykorzystania tych metod w praktycznych problemach związanych z genomiką, proteomiką i obrazowaniem medycznym.

Przedmiot zawiera podstawy w zakresie definicji, architektury i zarządzania klastrami obliczeniowymi oraz obliczeń równoległych i rozproszonych, z naciskiem na modele programowania równoległego oraz obliczenia wysokowydajnościowe (HPC) w chmurze. Porównuje również usługi chmurowe głównych dostawców, takich jak AWS, Azure i Google Cloud, oraz prezentuje narzędzia do analizy Big Data, takie jak Hadoop i Spark, umożliwiające skalowanie aplikacji bioinformatycznych.