|
週次 |
日期 |
單元主題 |
|
第1週 |
2/24 |
計算生物學介紹
Introduction of computational biology
|
|
第2週 |
3/02 |
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 |
3/09 |
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 |
3/16 |
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 |
3/23 |
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 |
3/30 |
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 |
4/06 |
基因演算法
Genetic Algorithm
|
|
第8週 |
4/13 |
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9週 |
4/20 |
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10週 |
4/27 |
期中報告
Midterm presentation |
|
第11週 |
5/04 |
演化分析 – 演化樹與最大節約法
Methods in evolution – phylogenetic tree and maximum parsimony
|
|
第12週 |
5/11 |
序列排比分析
Sequence analysis |
|
第13週 |
5/18 |
交互驗證與排列 – 資料重複性與預測性Cross-validation and Permutation – reproducibility and predictability |
|
第14週 |
5/25 |
機器學習方法 (向量支持模型與決策樹)
Machine learning methods (SVM, CART)
|
|
第15週 |
6/01 |
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16週 |
6/08 |
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17週 |
6/15 |
研究實例分享與期末報告撰寫
Research examples and final report |
|
第18週 |
6/22 |
期末報告
Final presentation |