E7441 Vědecké výpočty v biologii a biomedicíně

Přírodovědecká fakulta
jaro 2024
Rozsah
2/1/0. 3 kr. (plus ukončení). Ukončení: zk.
Vyučující
doc. Ing. Vlad Popovici, PhD (přednášející)
Garance
doc. Ing. Vlad Popovici, PhD
RECETOX – Přírodovědecká fakulta
Kontaktní osoba: doc. Ing. Vlad Popovici, PhD
Dodavatelské pracoviště: RECETOX – Přírodovědecká fakulta
Rozvrh
Po 19. 2. až Ne 26. 5. Po 11:00–13:50 D29/347-RCX2
Předpoklady
Basic linear algebra, notions of optimization theory, numerical methods, Python and R programming
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu
At the end of the course, students should be able to:
-Understand the basics of numerical methods for linear algebra;
-Know and have experience in applying methods in computational statistics;
-Gain knowledge and experience of computer-intensive methods for data analysis;
-Know how to use parallel computation tools;
-Apply the theory in practice for solving problems in biological data analysis, using Python (and R)
Výstupy z učení
After completing the course, a student will be able to:
-use the appropriate methods for solving various types of systems of linear equations
-identify the major sources of numerical instability and take steps for correcting
-solve numerically basic optimization problems;
-use Monte-Carlo methods for parameter estimation;
-exploit the parallelism for better use of computations resources;
-identify the suitable numerical routines for solving the given problem
Osnova
  • Introduction: data representation; approximations and errors;
  • Systems of linear equations: triangular systems; Gauss elimination; norms and conditioning.
  • Linear least squares: normal equations; orthogonalizations
  • Eigendecompositions and singular values: eigenvalues, eigenvectors; singular value decomposition
  • Optimization: general topics; one-dimensional; multidimensional
  • Monte Carlo methods: random numbers; simulation, sampling and non-parametric statistics
  • Bootstrapping and resampling: bootstrap as an analytical tool; confidence intervals from bootstrapping
  • Parallel computing: levels of parallelism; platforms for computational biology; applications in computational biology
  • Support material:
  • KONG Q., SIAUW T., BAYEN A. (2020). Python programming and numerical methods. Academic Press. ISBN: 9780128195499
  • HEATH M.T. (2002). Scientific Computing. An introductory survey. McGraw-Hill, 2nd edition. ISBN: 0-07-239910-4
  • GENTLE J.E. (2005). Elements of Computational Statistics. Springer. ISBN:978-0387954899
Výukové metody
lectures; class discussion; hands-on computer exercises; homework
Metody hodnocení
continuous assessment throughout the semester; written and practical exam.
Vyučovací jazyk
Angličtina
Další komentáře
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích jaro 2023, jaro 2025.