Шифра предмета:
065B2		 Назив предмета:
Основи програмирања за биохемичаре

Школска година:

2024/2025.

Услови похађања:

Нема услова.

ЕСПБ:

6

Врста студија:

мастер академске студије

Студијски програм:

Биохемија: 1. година, зимски семестар, изборни (E51B2), теоријско-методолошки предмет

Наставник:

др Јована Т. Ковачевић
доцент, Математички факултет, Студентски трг 16, Београд

Сарадник:

Невена . Ћирић

Фонд часова:

Недељно: два часа предавања + два часа теоријских вежби (2+2+0)

Циљеви:

Стицање општих и специфичних знања о програмирању на програмском језику Python.

Исход:

По завршетку курса, студент је усвојио основне концепте процедуралног и објектног програмирања на програмском језику Python, као што су типови података, контролне структуре, функције, низови, методи и класе, као и основне поступке писања, извршавања, тестирања и дебаговања програма и примере библиотека које су посебно важне за обраду биоинформатичких података.

Облици наставе:

Предавања, вежбе.

Ваннаставне активности:

—

Литература:
  • Mitchell L. Model: Bioinformatics Programming Using Python, 2009, O'Reilly, ISBN 9781449382902

Додатни материјал:

—

  Наставне обавезе и начин оцењивања

Предавања:

0 поена (2 часа недељно)

Програм рада:

  1. Подешавање радног окружења (инсталација Python-а, инсталација и употреба окружења Jupiter).
  2. Променљиве и типови података.
  3. Листе и ниске.
  4. Улаз/излаз и обрада грешака (читање података са стандардног улаза, писање података на стандардни излаз, читање података из датотека, писање података у датотеке, обрада грешака).
  5. Гранања (наредбе if, elif, else).
  6. Петље (наредбе for, while).
  7. Функције (позивање функција, враћање резултата, преношење аргумената, променљиви број аргумената).
  8. Увод у објектно оријентисано програмирање (класе, наслеђивање, хијерархијски полиморфизам).
  9. Употреба јавно доступних база биолошких података и алата за њихову обраду (PDB, NCBI, Uniprot, Disprot, BLAST, Clustal...).
  10. Библиотека Biopython (инсталација, читање различитих формата података (FASTA, GeneBank...), поравнање секвенци, претрага узорака у тексту, KNN, K-means).
  11. Увод у библиотеке Numpy, Pandas и Scikit-learn.
  12. Визуализација података (различите врсте дијаграма).

Теоријске вежбе:

0 поена (2 часа недељно)

Програм рада:

Програм вежби прати програм предавања. Свака од тема изложених на предавањима се практично увежбава на примерима различите сложености. Фокус је на применама у области биоинформатике.

Колоквијуми:

20 поена

Домаћи задаци:

20 поена

Писмени испит:

45 поена

Усмени испит:

15 поена