Šifra predmeta:
065B2		 Naziv predmeta:
Osnovi programiranja za biohemičare

Školska godina:

2023/2024.

Uslovi pohađanja:

Nema uslova

ESPB:

6

Vrsta studija:

master akademske studije

Studijski program:

Biohemija: 1. godina, zimski semestar, izborni (E51B2), teorijsko-metodološki predmet

Nastavnik:

dr Jovana T. Kovačević
docent, Matematički fakultet, Studentski trg 16, Beograd

Saradnik:

Nevena . Ćirić

Fond časova:

Nedeljno: dva časa predavanja + dva časa teorijskih vežbi (2+2+0)

Ciljevi:

Sticanje opštih i specifičnih znanja o programiranju na programskom jeziku Python.

Ishod:

Po završetku kursa, student je usvojio osnovne koncepte proceduralnog i objektnog programiranja na programskom jeziku Python, kao što su tipovi podataka, kontrolne strukture, funkcije, nizovi, metodi i klase, kao i osnovne postupke pisanja, izvršavanja, testiranja i debagovanja programa i primere biblioteka koje su posebno važne za obradu bioinformatičkih podataka.

Oblici nastave:

Predavanja, vežbe.

Vannastavne aktivnosti:

—

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

Dodatni materijal:

—

  Nastavne obaveze i način ocenjivanja

Predavanja:

0 poena (2 časa nedeljno)

Program rada:

  1. Podešavanje radnog okruženja (instalacija Python-a, instalacija i upotreba okruženja Jupiter).
  2. Promenljive i tipovi podataka.
  3. Liste i niske.
  4. Ulaz/izlaz i obrada grešaka (čitanje podataka sa standardnog ulaza, pisanje podataka na standardni izlaz, čitanje podataka iz datoteka, pisanje podataka u datoteke, obrada grešaka).
  5. Grananja (naredbe if, elif, else).
  6. Petlje (naredbe for, while).
  7. Funkcije (pozivanje funkcija, vraćanje rezultata, prenošenje argumenata, promenljivi broj argumenata).
  8. Uvod u objektno orijentisano programiranje (klase, nasleđivanje, hijerarhijski polimorfizam).
  9. Upotreba javno dostupnih baza bioloških podataka i alata za njihovu obradu (PDB, NCBI, Uniprot, Disprot, BLAST, Clustal...).
  10. Biblioteka Biopython (instalacija, čitanje različitih formata podataka (FASTA, GeneBank...), poravnanje sekvenci, pretraga uzoraka u tekstu, KNN, K-means).
  11. Uvod u biblioteke Numpy, Pandas i Scikit-learn.
  12. Vizualizacija podataka (različite vrste dijagrama).

Teorijske vežbe:

0 poena (2 časa nedeljno)

Program rada:

Program vežbi prati program predavanja. Svaka od tema izloženih na predavanjima se praktično uvežbava na primerima različite složenosti. Fokus je na primenama u oblasti bioinformatike.

Kolokvijumi:

20 poena

Domaći zadaci:

20 poena

Pismeni ispit:

45 poena

Usmeni ispit:

15 poena