Course code STIN100

STIN100 Biologisk data-analyse

Emnet kan ha endringer på grunn av koronarestriksjoner. Se Canvas og StudentWeb for info.

English course information

Søk etter andre emner

Viser emneinfo for studieåret 2018 - 2019.

Emneansvarlige: Jon Olav Vik, Torgeir Rhodén Hvidsten
Medvirkende: Hilde Vinje, Jon Olav Vik, Simen Rød Sandve
Studiepoeng: 10
Ansvarlig fakultet: Fakultet for kjemi, bioteknologi og matvitenskap
Frekvens: Årlig
Undervises på språk: NO
(NO=norsk, EN=Engelsk)
Begrensning antall plasser:
800
Undervises i periode:
Emnet starter i høstparallellen. Emnet har undervisning/vurdering i høstparallellen.
Første gang: Studieår 2018-2019
Emnets innhold:
Innen biologen genereres det i økende grad store datasett som ikke kan analyseres manuelt. For å kunne trekke ut ny innsikt fra store datamengder kreves det at moderne biologer har kunnskap og ferdigheter innen programmering og grunnleggende dataanalyse. Dette kurset gir grunnleggende ferdigheter innen programmeringsspråket R og introduserer studentene for vanlige metoder for visualisering og analyse av multidimensjonelle biologiske data. Kurset er organisert rundt veiledet gruppearbeid der studentene analyserer relevante datasett. 
Læringsutbytte:

KUNNSKAPER: Studentene skal få grunnleggende kunnskaper om behandling, visualisering og analyse av multidimensjonelle biologiske data. Gjennom eksempler skal studentene kjenne til hvordan noen viktige datasett innen biologien genereres og hvordan man skal behandle data for å korrigere feilkilder.  De skal kunne gjengi og forklare prinsippene bak grunnleggende metoder for visualisering og analyse av data.

FERDIGHETER: Studentene skal oppnå grunnleggende ferdigheter i programmeringsspråket R. De skal kunne skrive programmer som utfører grunnleggende databehandling og som tar i bruk enkle visualiserings- og datanalyse-metoder. Det legges vekt på at studentene skal kunne tolke resultatene av analysene.

Læringsaktiviteter:
Noen forelesninger, men hovedvekten blir på praktiske øvelser på datamaskin i grupper.
Læringsstøtte:
Materialet vil bli gjort tilgjengelig i Canvas.
Pensum:
Forelesningsnotater, øvelser og utdelt materiale. Eventuell lærebok angis ved emnets start.
Obligatorisk aktivitet:
Det vil være obligatoriske oppgaver som studentene må levere og få godkjent for å bli vurdert i emnet.
Vurderingsordning:
Gruppearbeid: Studentene skriver en artikkel basert på analyser av et relevant datasett. Bestått/Ikke bestått.
Sensor:
Ekstern sensor vurderer 25 utvalgte besvarelser.
Normert arbeidsmengde:
Forelesninger: 12 timer. Øvelser: 52 timer. Selvstudium: 236 timer.
Opptakskrav:
MATRS - Generell studiekompetanse + R1 (S1+S2)
Undervisningstid:
2 timer forelesning utvalgte uker (6 uker), 4 timer øvelser per uke på datamaskin.
Eksamensdetaljer: Langsgående vurdering: Bestått / Ikke bestått