pl en
pl
Practical computing for biologists – a gentle introduction
Karta opisu przedmiotu

Informacje podstawowe

Kierunek studiów
Biologia
Ścieżka
-
Jednostka organizacyjna
Wydział Biologii
Poziom kształcenia
drugiego stopnia
Forma studiów
studia stacjonarne
Profil studiów
ogólnoakademicki
Obligatoryjność
fakultatywny
Cykl kształcenia
2024/25
Kod przedmiotu
UJ.WBlBIOS.250.15052.24
Języki wykładowe
angielski
Przedmiot powiązany z badaniami naukowymi
Tak
Dyscypliny
Nauki biologiczne
Klasyfikacja ISCED
0511 Biologia
Kod USOS
Koordynator przedmiotu
Wiesław Babik, Piotr Zieliński
Prowadzący zajęcia
Wiesław Babik, Piotr Zieliński
Okresy
Semestr 1, Semestr 3
Forma weryfikacji uzyskanych efektów uczenia się
zaliczenie na ocenę
Forma prowadzenia i godziny zajęć
ćwiczenia: 45
Liczba punktów ECTS
5.0

Cele kształcenia dla przedmiotu

C1 Zapoznanie studentów ze sposobami automatyzacji obróbki i analizy różnych typów danych biologicznych przy wykorzystaniu standardowych narzędzi linii komendy Linux/Unix oraz języka programowania R

Efekty uczenia się dla przedmiotu

Kod Efekty w zakresie Kierunkowe efekty uczenia się Metody weryfikacji
Wiedzy – Student zna i rozumie:
W1 Student wie jak sformatować i uporządkować dane w plikach oraz pliki w folderach BIO_K2_W09, BIO_K2_W10 zaliczenie na ocenę
W2 Student rozumie format i strukturę plików tekstowych BIO_K2_W09, BIO_K2_W10 zaliczenie na ocenę
W3 Student zna polecenia powłoki system Linux oraz podstawowe narzędzia wykorzystywane do automatyzacji przetwarzania i analizy danych BIO_K2_W09, BIO_K2_W10 zaliczenie na ocenę
W4 Student zna podstawowe polecenia i konstrukcje języka R oraz role pakietów R w analizie danych BIO_K2_W09 zaliczenie na ocenę
Umiejętności – Student potrafi:
U1 Połączyć się zdalnie z komputerem pracującym pod kontrolą systemu Linux oraz pracować w linii komendy Linux BIO_K2_U06 zaliczenie na ocenę
U2 Używać edytora tekstu Nano BIO_K2_U06 zaliczenie na ocenę
U3 Automatyzować rutynowe zadania w zakresie obróbki i analizy danych w powłoce system Linux z wykorzystaniem standardowych narzędzi linii komendy BIO_K2_U01, BIO_K2_U06 zaliczenie na ocenę
U4 Wykorzystać R i Rstudio do wizualizacji, podsumowania, zmiany struktury i filtrowania danych BIO_K2_U01, BIO_K2_U06 zaliczenie na ocenę
Kompetencji społecznych – Student jest gotów do:
K1 Uznania zasadniczej roli plików tekstowych w wymianie i analizie danych BIO_K2_K02, BIO_K2_K08 zaliczenie na ocenę
K2 Uznania zalet wykorzystania narzędzi linii komendy systemu Linux w analizie danych biologicznych BIO_K2_K02, BIO_K2_K08 zaliczenie na ocenę
K3 Uznania zalet skryptów jako trwałego zapisu analizy danych niezbędnego dla powtarzalnej nauki BIO_K2_K02, BIO_K2_K08 zaliczenie na ocenę

Bilans punktów ECTS

Forma aktywności studenta Średnia liczba godzin* przeznaczonych na zrealizowane rodzaje zajęć
ćwiczenia 45
przygotowanie do ćwiczeń 30
przygotowanie się do sprawdzianu zaliczeniowego 25
samodzielne rozwiązywanie zadań komputerowych 25
Łączny nakład pracy studenta
Liczba godzin
125
ECTS
5.0

* godzina (lekcyjna) oznacza 45 minut

Treści programowe

Lp. Treści programowe Efekty uczenia się dla przedmiotu
1.

  • Organizacja danych w formie arkuszy i tabel, relacje między tabelami

  • Pliki tekstowe, edytory tekstu i wyrażenia regularne

  • Łączenie ze zdalnym komputerem z systemem Linux

  • Poruszanie się w systemie Linux

  • Narzędzia linii koment Linux i łączenie ich w potoki

  • Automatyzacja za pomocą skryptów powłoki Linux

  • R i RStudio

  • Dane w R

  • Praca z tabelami danych

  • Tidyverse

  • Wykresy

  • Praktyczne przykłady pracy z danymi biologicznymi

W1, W2, W3, W4, U1, U2, U3, U4, K1, K2, K3

Informacje rozszerzone

Metody nauczania :

dyskusja, ćwiczenia przedmiotowe, konsultacje

Rodzaj zajęć Formy zaliczenia Warunki zaliczenia przedmiotu
ćwiczenia zaliczenie na ocenę Uzyskanie ponad 50% punktów z testu zaliczeniowego

Wymagania wstępne i dodatkowe

brak

Literatura

Obowiązkowa
  1. Instrukcje do ćwiczeń przygotowane przez prowadzących / Manuals prepared by the instructors
Dodatkowa
  1. Wickham, H., & Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data. O'Reilly Media, Inc.
  2. Shotts, W. (2019). The Linux command line: a complete introduction. No Starch Press.