Bi9680enc Artificial Intelligence in Biology, Chemistry, and Bioengineering - practice

Přírodovědecká fakulta
podzim 2024
Rozsah
0/1/0. 1 kr. (příf plus uk k 1 zk 2 plus 1 > 4). Ukončení: k.
Vyučováno kontaktně
Vyučující
prof. Mgr. Jiří Damborský, Dr. (přednášející)
Stanislav Mazurenko, PhD (přednášející)
Faraneh Haddadi (cvičící)
Ing. Pavel Kohout (cvičící)
Bc. Dávid Lacko (cvičící)
Bc. Karen Pailozian (cvičící)
Ing. Jan Velecký (cvičící)
Poskytovatelé Specifické podpory výuky
Zbyněk Cincibus (přepisovatel)
Garance
prof. Mgr. Jiří Damborský, Dr.
Ústav experimentální biologie – Biologická sekce – Přírodovědecká fakulta
Kontaktní osoba: Stanislav Mazurenko, PhD
Dodavatelské pracoviště: Ústav experimentální biologie – Biologická sekce – Přírodovědecká fakulta
Rozvrh
Čt 12:00–13:50 B09/316
Předpoklady
Bi9680en AI in Bioengineering || NOW( Bi9680en AI in Bioengineering )
No prior experience in programming is expected.
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Předmět si smí zapsat nejvýše 40 stud.
Momentální stav registrace a zápisu: zapsáno: 18/40, pouze zareg.: 1/40, pouze zareg. s předností (mateřské obory): 0/40
Cíle předmětu
The main objective of this course is to provide students with hands-on experience in programming simple examples of machine-learning-based predictors in Python. The practicals will follow the theory presented during the lectures of Bi9680en. We will cover the basics of programming, some useful libraries for data analysis and machine learning, and create simple predictors for biologically-relevant data.
Výstupy z učení
After completing the course, a student will be able to:
- understand the basics of the code flow;
- operate with basic types of variables, functions, if-conditions, and for-loops;
- operate the Spyder editor;
- implement a simple machine learning workflow in Python;
- train and validate simple predictors;
- reproduce a simple machine-learning study.
Osnova
  • Introduction to programming in Python – the first code;
  • Booleans, if-conditions, for-loops, basic functions;
  • Introduction to NumPy and pandas libraries;
  • Hierarchical clustering, plots;
  • Decision trees, regression;
  • Cross-validation, learning curves;
  • Case study in bioengineering;
  • Use of trained ML models.
Výukové metody
8 practical sessions in the computer lab, homework
Metody hodnocení
In order to pass, a student must complete a series of short homework assignments.
Vyučovací jazyk
Angličtina
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích podzim 2020, podzim 2021, podzim 2022, podzim 2023.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.muni.cz/predmet/sci/podzim2024/Bi9680enc