I kursen ingår 14 föreläsningar, 7 datalaborationer (4 timmar), och 7 seminarier.
FSK3538 Datadriven biovetenskap 7,5 hp
Framtidens biovetenskap är datadriven, vilket ger stora nya möjligheter att utforska och förstå biologi, människors hälsa och föränderliga ekosystem.
Denna kurs erbjuds till studenter på master- och doktorandnivå.
- Master: https://www.kth.se/student/kurser/kurs/SK2538
- Doktorsexamen: https://www.kth.se/student/kurser/kurs/FSK3538
För mer information, vänligen besök vår kurswebbplats: https://ddls.aicell.io/
Information per kursomgång
Information för HT 2024 Start 2024-08-26 programstuderande
- Studielokalisering
KTH Solna
- Varaktighet
- 2024-08-26 - 2024-10-27
- Perioder
- P1 (7,5 hp)
- Studietakt
50%
- Anmälningskod
51058
- Undervisningsform
Normal Dagtid
- Undervisningsspråk
Engelska
- Kurs-PM
- Kurs-PM är inte publicerat
- Antal platser
Ingen platsbegränsning
- Målgrupp
- Ingen information tillagd
- Planerade schemamoduler
- [object Object]
- Schema
- Schema är inte publicerat
- Del av program
- Ingen information tillagd
Kontakt
Wei Ouyang (weio@kth.se)
Kursplan som PDF
Notera: all information från kursplanen visas i tillgängligt format på denna sida.
Kursplan FSK3538 (VT 2022–)Innehåll och lärandemål
Kursupplägg
Kursinnehåll
Kursen syftar till att introducera studenterna till området datadrivna livsvetenskaper genom att låta dem lära sig om sina olika applikationsområden.
Denna kurs kommer att introducera studenten till datamängder av olika typer, såsom genomik, proteomik, metabolomik, transkriptomik, biomolekylär struktur, molekylära dynamiksimuleringar, avbildning, video/ljudinspelning, organism och livsmiljöövervakning, befolkningsskala genetik, biobanker. Modeller av de biologiska fenomenen och de relaterade vetenskapliga genombrotten som baserades på analysen av sådana datamängder kommer att presenteras, analyseras och diskuteras.
Analystekniker som kommer att introduceras och användas i denna klass tillhör maskininlärning, artificiell intelligens, andra beräkningstekniker för statistisk analys. Dessutom kommer visualiseringstekniker att introduceras och diskuteras.
En annan viktig aspekt som kommer att introduceras och diskuteras är relaterad till etik för datainsamling, hantering, analys och delning. Eleverna kommer särskilt att utbildas i god praxis relaterad till datadrivna livsvetenskaper.
Lärandemål
Efter godkänd kurs ska studenten kunna:
- beskriva området "datadrivna biovetenskaper", inklusive en översikt över olika tillämpningsområden, och ge exempel på tillämpningar och deras associerade analysmetoder
- tillämpa statistisk analys och maskininlärningsanalys på biologiska datamängder och formulera modeller av biologiska fenomenen
- presentera och granska vetenskaplig litteratur inom området datadriven biovetenskap
- reflektera över etiska konsekvenser av datadrivna livsvetenskaper och beskriva god praxis kring datalivscykeln (insamling, hantering, delning och analys)
Kurslitteratur och förberedelser
Särskild behörighet
Antagen till forskarutbildning.
Utrustning
Kurslitteratur
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
Examination
- LAB1 - Laborationer, 2,0 hp, betygsskala: P, F
- PRO1 - Projekt, 5,5 hp, betygsskala: P, F
Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.
Examinator får medge annan examinationsform vid omexamination av enstaka studenter.
Möjlighet till komplettering
Möjlighet till plussning
Examinator
Etiskt förhållningssätt
- Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
- Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
- Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.