Hoppa till huvudinnehållet
Till KTH:s startsida Till KTH:s startsida

SK2538 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.

För mer information, vänligen besök vår kurswebbplats: https://ddls.aicell.io/

Välj termin och kursomgång

Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.

Kursval

Gäller för kursomgång

HT 2024 Start 2024-08-26 programstuderande

Anmälningskod

51414

Rubriker med innehåll från kursplan SK2538 (HT 2022–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

Kursen syftar till att introducera studenterna till området av 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 särskild att utbildas i god praxis relaterad till datadrivna livsvetenskaper.

Lärandemål

Efter godkänd kurs ska studenten kunna:

  • beskriva området av datadrivna biovetenskaper, inklusive en översikt över de olika tillämpningsområdena, och ge exempel på applikationer 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

Avslutat examensarbete på grundnivå och minst en avslutat kurs i biofysik, bioinformatik eller motsvarande.

Engelska B/Engelska 6 

Rekommenderade förkunskaper

Ingen information tillagd

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • LAB1 - Laborationer, 2,0 hp, betygsskala: P, F
  • PRO1 - Projekt, 3,0 hp, betygsskala: P, F
  • TEN1 - Muntlig tentamen, 2,5 hp, betygsskala: A, B, C, D, E, FX, 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.

Övriga krav för slutbetyg

Godkänt datalabb, projekt och muntlig tentamen. Betyget på tentamen bestämmer betyget på kursen.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ja

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.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Huvudområde

Teknisk fysik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Wei Ouyang (weio@kth.se)