Kursen behandlar: • Modellering baserad på differentialekvationer: Numeriska metoder för ordinära differentialekvationer och konvergensordning. Tillämpningar rörande exempelvis cellomprogrammering eller sjukdomsspridning mellan städer. • MKMC-metoder: Centrala gränsvärdessatsen, Metropolis-Hastings algoritm och felskattning. Tillämpningar hämtade från statistisk termodynamik. • MaskininlärniThe course treats: • Differential equation based modelling: Numerical methods to solve ODEs and convergence order. Applications to for instance predicting the spread of diseases and cell programming will be used. • MCMC based modelling: Central Limit Theorem, Metropolis-Hasting algorithm and error propagation will be covered with examples from statistical thermodynamics. • Machine learning a

BERN02. Kursens övergripande mål är att låta studenterna arbeta med och kombinera två områden för dataanalys inom beräkningsvetenskap: reproducerbara arbetsflöden och statistisk inlärning. Detta inbegriper att kunna skapa rapporter där programmeringskod, resultat och rapporttext kombineras i samma dokument, tillämpat på ett urval av vanliga metoder i statistisk parametrisk modellering och masBERN02. The overall learning outcome for the course is to let the students work with and combine two fields for data analysis in computational science: reproducible work flows and statistical learning. This includes to be able to create reports where programming code, results and text are combined in the same document, applied on a selection of common methods in statistical parametric modelling an

Matematisk modellering är ett grundläggande verktyg inom geovetenskap för att förstå processer och för att testa hypoteser. Hypoteser om pågående klimatförändringar testas exempelvis med modeller, och uppskattningar av effekterna av framtidens globala uppvärmning är baserade på modellscenarier. På längre tidsskala har komplex klimatdynamik under den senaste istiden studerats med klimatmodeller, viMathematical modelling is an essential tool within earth system sciences to understand processes and test hypotheses. For example, hypotheses related to ongoing climate changes are tested with models, and the estimated impacts of future global warming are based on model scenarios. On longer timescales, the complex dynamics of climate changes during the last glacial cycle have been reproduced in cl

Recent development in machine learning have led to a surge of interest in artificial neural networks (ANN). New efficient algorithms and increasingly powerful hardware has made it possible to create very complex and high-performing ANNs. The process of training such complex networks has become known as deep learning and the complex networks are typically called deep neural networks. A possibility Recent development in machine learning have led to a surge of interest in artificial neural networks (ANN). New efficient algorithms and increasingly powerful hardware has made it possible to create very complex and high-performing ANNs. The process of training such complex networks has become known as deep learning and the complex networks are typically called deep neural networks. A possibility

I denna kurs får du lära dig hur metoder från matematik och beräkningsfysik kan appliceras på biologiska problem. Kursen behandlar bland annat deterministiska och stokastiska simuleringar av biokemiska system, populationsmodeller, spatiella modeller och parameteroptimering.In this course you will learn how mathematical and computational physics methods can be applied to biological problems. Topics include deterministic and stochastic simulations of biochemical systems, population models, spatial models and parameter optimization.

Kursen behandlar: Viktiga begrepp inom osäkerhetskvantifiering (UQ), såsom verifiering vs. validering, påträngande vs. icke-påträngande, och framåt vs. inverterad UQ Numerisk diskretisering för partiella differentialekvationer med slumpmässiga parametrar: stokastisk Galerkin och stokastisk kollokation Bayesiansk inferens och dess tillämpningar på parameteruppskattning Provtagningstekniker: MoThe course treats: Important concepts in uncertainty quantification (UQ), such as verification vs. validation, intrusive vs. non-intrusive, and forward vs. inverse UQ Numerical discretisation for PDEs with random parameters: stochastic Galerkin and stochastic collocation Bayesian inference and its applications to parameter estimation Sampling techniques: Monte Carlo and importance sampling G

Kursens syfte är att förmedla kunskap om fysikaliska frågeställningar inom biologin; kursen behandlar bland annat cellens uppbyggnad, slumpvandring och diffusion, entropiska krafter, kemiska krafter, makromolekyler samt molekylära mekanismer och maskiner.This course is intended to present some aspects of biology from a physics perspective. Among the topics covered are: cell structure, random walks and diffusion, entropic forces, chemical forces, macromolecules, and molecular mechanisms and machines.

Denna kurs hålls till stor del som lärarledda övningar. Kursen ger erfarenhet och kunskap i programmering i allmänhet och i Python i synnerhet. Fokus är speciellt på bioinformatiska tillämpningar. Arbetet sker i Linux-miljö och kursen kommer utveckla studentens kunskaper inte bara i Python men också i Bash (kommandoskal) och CGI (Common Gateway Interface).This hands on course will give you experience and knowledge of programming in general and in Python  in particular. The focus is especially on applications in bioinformatics. Working environment is Linux and the course will develop the students’ skills in Python but also in Bash and CGI (Common Gateway Interface).    

Kursen primära syfte är att studenterna ska förvärva djupare insikter om och färdigheter i grundläggande koncept och verktyg för jämförande sekvensanalys, inkluderande olika typer av primära och sekundära sekvensdatabaser. Kursen ingår i masterprogrammet i Bioinformatik Kursen BINP17 kan läsas i kombination med kursen BINP16 Programmering i Python7.5 hp och ingår i masterprogrammet i bioinformatikBioinformatics, the application of computational methods to biological and biomedical problems, is a rapidly growing field. Modern biochemists and biologists need to have a basic knowledge of bioinformatics. This course provides both a practical and a theoretical overview of database searching, sequence alignment, phylogenetic analysis, gene prediction and genome analysis. BINP17 can be taken eith

I kursen ingår sammanfogning av genom-, transkriptom- och amplikondata samt en första analys av resultaten i form av genprediktion (för genom), samt expressionsanalys (för transkriptom). Gener och transkript annoteras på en grundläggande nivå. Studenterna genomför flera övningar i hur kommandoskal fungerar samt ett flertal programmeringsuppgifter i Python. Under kursen genomförs en individuell proThis hands on course will give you the experience and provide the tools that are needed to analyze next generation sequencing data. It is particularly focused on the analysis of: transcriptome data amplicon data genome data Working environment is Linux and the course will develop the students’ skills in Bash and Python. Covered areas are: assemblies differential expression varia

Efter assemblering av data, genererade med nya sekvenseringsmetoder såsom ”next generation sequencing”, måste resultatet knytas till den bakomliggande biologiska frågeställningen. Det innebär att den fortsatta analysen kommer att kräva olika bioinformatiska metoder. Kursen ger exempel på ett stort antal bioinformatiska tillämpningar för att besvara olika frågeställningar, t.ex. klassificering av gAfter assembling of data, generated by new sequencing methods such as "next generation sequencing", the results must be linked to the underlying biological questions. It implies that the subsequent analysis will require different bioinformatics methods. The course gives example of a large number of bioinformatics applications to answer different issues e.g. classification of genetic variants ("var

Kursen omfattar planering, genomförande och redovisning av en del av ett forskningsprojekt. Projektet ska ha anknytning till bioinformatisk utbildning. Kursen ingår i Masterprogrammet i BioinformatikIn this courses, you learn how to plan and carry out a project in Bioinformatics from start to end. The course is open for students on the Master's programme in Bioinformatics  

Kursens övergripande mål är att den studerande med stor självständighet skall genomföra ett vetenskapligt projekt inom ett väl definierat bioinformatiskt ämnesområde. Vi erbjuder masterexamensarbete i bioinformatik omfattande 30, 45 eller 60 högskolepoängYou can perform a Master's Degree project of 30 (BINP50), 45 (BINP51) or 60 (BINP52) credits in Bioinformatics. To be able to apply for a Master´s Degree Project in Bioinformatics you should be enrolled in the Masters Program in Bioinformatics at Lund University, and should have completed 45 credits of relevant advanced level courses within the programme.  

Kursen börjar med en introduktion till organismernas uppkomst, indelning och mångfald, inklusive definition och uppkomst av liv, fylogenier, systematik, taxonomi, artbegrepp, artbildning och biogeografi. Biologiska och molekylärbiologiska modellorganismer introduceras. Därefter behandlas cellens uppbyggnad och sammansättning hos mikroorganismer, växter och djur. Struktur och funktion av biomThe course starts with an introduction to the origin, classification and diversity of organisms, including the definition and origin of life, phylogenies, systematics, taxonomy, the species concept, speciation and biogeography. Biological and molecular biological model organisms are introduced. The course thereafter covers the structure and composition of cells in microorganisms, plants and anima

I kursen behandlas nedärvningssystem, mekanismer för könsbestämning, meios, rekombination, genkartering och kromosomanalys. Ytterligare områden som ingår i kursen är differentieringsgenetik, transkription och translation. Vidare behandlas genomorganisation, mutationer och mobila DNA-element, reparation av DNA-skador, genexpression och dess reglering i olika typer av organismer. Bakteriers gen

Följande områden studeras: livsformer, organisationsnivåer och byggnadsplaner systematisk indelning, klassificering och fylogeni baserad på strukturella och molekylära data artbegrepp och evolutionära processer biologisk variation och anpassningar livscykler och reproduktionsbiologi ekonomiskt betydelsefulla organismer (inklusive kulturväxter) högre växters uppbyggnad ochThe eukaryotic organism world is studied from an evolutionary and functional perspective: life forms, organizational levels and morphology systematics classification and phylogeny based on structural and molecular data the species concept and evolutionary processes biological variation and adaptations life cycles and reproductive biology economically important organisms (including cult