MK EN
ФИНКИ

Subject

Напредни математички и статистички техники

1. Course Title Напредни математички и статистички техники
Advanced mathematical and statistical techniques
2. Code BI-Z-03
3. Study Programme Биоинформатика
4. Organizer of the study programme (unit, institute, department or division) Faculty of Computer Science and Engineering
5. Degree level (first, second, third cycle) Second cycle
6. Academic year / semester 10 / Summer
7. Number of ECTS credits 6
8. Teacher Георгина Мирчева, Соња Гиевска
9. Prerequisites for enrolling in the course —
10. Objectives of the course programme (competences) Студентот ќе биде оспособен за користење на математичките техники за моделирање и анализа на биолошки системи.
11. Course content Овој предмет ги опфаќа методите на статистичката инференција и стохастичкото моделирање со апликација на функционалната геномика и пресметковната молекуларна биологија. Ќе бидат применети пресметки преку користење на податоци од биолошките бази на податоци. Структурата на предметот ќе опфаќа: статистичка теорија за анализа на секвенци и пребарување на бази на податоци, Маркови модели и скриени Маркови модели, елементи на Баесовата и инференцијата на сличност, дискретни податочни модели, примена на анализа со линеарна регресија, методи за мултиваријанта податочна анализа (РСА, кластерирање), софтверски алатки за статистички пресметки. Примена на напредни техники од длабоко учење (граф невронски мрежи, генеративни спротивставени мрежи, трансфер на учење) за откривање знаење во биомедицински и бионформатички податоци.
12. Learning methods Предавања поддржани со презентации преку слајдови, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, пример случаи, поканети гости предавачи, самостојна изработка и одбрана на проектна задача и семинарска работа, учење во електронско опкружување (форуми, консултации).
13. Total available time 6 ECTS x 30 hours = 180 hours
14. Distribution of available time 60 + 0 + 45 + 45 + 30 = 180 hours
15. Forms of teaching activities
15.1. Lectures - theoretical instruction 60 hours
15.2. Exercises (laboratory, auditory), seminars, teamwork 0 hours
16. Other forms of activities
16.1. Project assignments 45 hours
16.2. Independent assignments 45 hours
16.3. Home study 30 hours
17. Assessment method
17.1. Tests 15 бодови
17.2. Seminar paper / project (presentation: written and oral) 45 points
17.3. Activities and learning 15 бодови
17.4. Final exam 0 points
18. Grading criteria (points / grade)
up to 50 points5 (five) (F)
from 51 to 60 points6 (six) (E)
from 61 to 70 points7 (seven) (D)
from 71 to 80 points8 (eight) (C)
from 81 to 90 points9 (nine) (B)
from 91 to 100 points10 (ten) (A)
19. Requirement for obtaining a signature and taking the final exam реализирани активности 15
20. Language of instruction Macedonian and English
21. Method for monitoring the quality of teaching internal evaluation and survey mechanism
22. Literature
22.1. Required literature
1. Morris H. DeGroot, Mark J. Schervish | Probability and Statistics | Addison Wesley | 2001
2. Warren J. Ewens, Gregory Grant | Statistical Methods in Bioinformatics: An Introduction (Statistics for Biology and Health) | Springer | 2005
3. Laxmi Parida | Pattern Discovery in Bioinformatics: Theory & Algorithms | Chapman & Hall/CRC | 2007
4. Ian Goodfellow, Joshua Bengio, Aaron Courvile | Deep Learning | MIT Press | 2015
5. William L. Hamilton | Graph Representation Learning | McGill | 2020
22.2. Additional literature
No. Author Title Publisher Year
Деканат Dean’s Office Студии Studies Акти Acts Проекти Projects