angličtina

5

Pouze domovské fakulty

Jsou požadovány znalosti na úrovni bakalářského studia.

Studenti musí získat minimálně 50 bodů ze 100 bodů v dílčích aktivitách:
1. půlsemestrální test (max. 30 bodů),
2. semestrální test (max. 30 bodů),
3. bodované programování (min. 20 bodů, max. 40 bodů).
Dílčí aktivity mají prověřit schopnosti studenta realizovat algoritmy ve vybraném programovém prostředí.
Počítačová cvičení jsou povinná, řádně omluvené zmeškané cvičení lze po domluvě s vyučujícím nahradit individuálně.

Cílem předmětu je seznámení a osvojení základních algoritmů pro analýzu sekvencí DNA a proteinů a jejich podrobný rozbor. Studenti jsou vedeni k samostatnému programování probíraných algoritmů v programovacím jazyce R.
Student je schopen:
- řešit algoritmy iteračně i rekurzivně
- vyhodnotit náročnost algoritmů
- realizovat algoritmy pro vyhledávání (hrubou silou, branch&bound algoritmus, greedy algoritmus)
- realizovat algoritmy zarovnání sekvencí využívající dynamické programování s rekurzí
- realizovat algoritmy pro učení skrytých Markovových modelů a pro jejich použití

Jones N.C., Pevzner P.A: An Introduction to Bioinformatics Algorithms. The MIT Press, 2004
Moorhouse M, Barry P: Bioinformatics Biocomputing and Perl: An Introduction to Bioinformatics Computing Skills and Practice. Wiley; 1 edition, 2004.
Chao K.-M., Zhang L.: Sequence Comparison. Springer-Verlag, 2009
Zaplatílek K, Doňar B: Matlab tvorba uživatelských aplikací, Technická literatura BEN, Praha 2004

eLearning: aktuální otevřený kurz

39 hod., povinná

1. Základy Git a GitHub.
2. Regulární výrazy.
3. Analýza algoritmů, výpočetní náročnost.
4. Typy algoritmů, rekurze a iterace.
5. Dynamické programování s rekurzí.
6. Algoritmy pro restrikční mapování (exhaustive search).
7. Vyhledávání motivů (branch and bound algoritmy).
8. Třídící algoritmy (greedy algoritmy).
9. Algoritmy pro de novo skládání genomu.
10. Sufixové stromy.
11. Markovovy modely v bioinformatice.

eLearning: aktuální otevřený kurz