I kursen ingår 14 föreläsningar, 7 datalaborationer (4 timmar), och 7 seminarier.
FSK3538 Datadriven biovetenskap 7,5 hp
![](https://kursinfostorageprod.blob.core.windows.net/kursinfo-image-container/Picture_by_own_choice_FSK3538.png)
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/
Om kursomgång
Gäller för kursomgång
HT 2024 Start 2024-08-26 programstuderande
Målgrupp
Ingen information tillagdDel av program
Ingen information tillagdPerioder
P1 (7,5 hp)Varaktighet
Studietakt
50%
Undervisningsform
Normal Dagtid
Undervisningsspråk
Engelska
Studielokalisering
KTH Solna
Antal platser
Ingen platsbegränsning
Planerade schemamoduler
Kurs-PM
Kurs-PM är inte publiceratSchema
Schema är inte publiceratKursval
Gäller för kursomgång
HT 2024 Start 2024-08-26 programstuderande
Anmälningskod
51058
Kontakt
Gäller för kursomgång
HT 2024 Start 2024-08-26 programstuderande
Kontaktperson
Wei Ouyang (weio@kth.se)
Examinator
Ingen information tillagdKursansvarig
Ingen information tillagdLärare
Ingen information tillagdInnehåll 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.
Rekommenderade förkunskaper
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.