週次 |
日期 |
單元主題 |
第1週 |
02/22 |
計算生物學介紹 Introduction of computational biology  
|
第2週 |
03/01 |
生物核心能力 (I) – 基礎遺傳學、演化機制 Concept of biology (I) – genetics and evolution  
|
第3週 |
03/08 |
生物核心能力 (II) – 基礎分子生物學與基因調控機制Concept of biology (II) – molecular biology and gene regulation mechanism   |
第4週 |
03/15 |
程式核心能力 (I) – 資料輸出與輸入、統計檢定與迴歸模型 Concept of programming in R (I) – data processing, statistical tests and regression models   |
第5週 |
03/22 |
程式核心能力 (II) – 程式邏輯控制、迴圈撰寫 Concept of programming in R (II) – Programming logic  
|
第6週 |
03/29 |
程式核心能力 (III) –程式邏輯控制、隨機取樣、繪圖 Concept of programming in R (III) – Programming logic, random sampling and creating plots   |
第7週 |
04/05 |
溫書假 (Holiday) |
第8週 |
04/12 |
基因演算法 Genetic Algorithm   |
第9週 |
04/19 |
高通量資料分析介紹 – 以基因表現微陣列為例High-throughput data (Gene Expression Microarray)   |
第10週 |
04/26 |
演算法分析介紹 – 以排序方法為例介紹時間與空間複雜性 Algorithm comparison – introduction of time and space complexity   |
第11週 |
05/03 |
期中報告 Midterm presentation   |
第12週 |
05/10 |
演化分析 – 演化樹與最大節約法 Methods in evolution – phylogenetic tree and maximum parsimony   |
第13週 |
05/17 |
序列排比分析 Sequence analysis   |
第14週 |
05/24 |
交互驗證與排列 – 資料重複性與預測性Cross-validation and Permutation – reproducibility and predictability   |
第15週 |
05/31 |
機器學習方法 (向量支持模型與決策樹) Machine learning methods (SVM, CART)   |
第16週 |
06/07 |
高通量資料分析介紹 – 以次世代定序技術為例 High-throughput data (Next Generation Sequencing)   |
第17週 |
06/14 |
專題演講 – 當代之基因體與高通量數據研究 Special lecture – Current genomic and high-throughput data studies   |
第18週 |
06/21 |
期末報告 Final presentation   |