授業の目的 【日本語】
Goals of the Course(JPN) | | | 本講義では、計算生物学的および計算論的神経科学的な数理・統合解析アルゴリズムについての概念習得を目指す。オミクス解析（エピゲノム、ゲノム、トランスクリプトーム、プロテオーム等）におけるデータ処理パイプラインのプログラム実装（システム構築含む）、高次元スパース推定や次元縮小法、クラスタリング法などの機械学習の応用、大規模計算機を用いた並列計算手法などの情報工学的アプローチについて学ぶ。また、信号処理では、時系列解析手法、ウェーブレット解析や関数データ解析法などを中心に発展的な信号処理技術を学び、筋活動や脳活動、慣性センサーなどへの応用を目指す。 |
|
|
授業の目的 【英語】
Goals of the Course | | | In this lecture, we aim to master the concepts of mathematical and integrative analysis algorithms in computational biology and computational neuroscience. In this course, we will learn about program implementation (including system construction) of data processing pipelines for omics analysis (epigenome, genome, transcriptome, proteome, etc.), applications of machine learning such as high-dimensional sparse estimation, dimensionality reduction, and clustering methods, and information engineering approaches such as parallel computing methods using large-scale computers. We will also learn about information engineering approaches such as parallel computing methods using large-scale computers. In signal processing, students learn advanced signal processing techniques, focusing on time series analysis methods, wavelet analysis, and functional data analysis methods, and aim to apply them to muscle activity, brain activity, and inertial sensors. |
|
|
到達目標 【日本語】
Objectives of the Course(JPN) | | | オミクス解析では、自ら解析パイプラインを設計できること、分子データにおける統計・機械学習の主要な基礎理論を理解し、それらをオミクス解析の文脈に位置付けて適切な解析アルゴリズムを設計できること、結果を分子生物学的に説明できるようになることが目標である。また信号処理においては、時系列解析や周波数解析、接続性解析の数理的基礎について理解し、それらを各種データに対して的確に応用して、目的とする特徴を抽出し、パターン抽出や数理モデリングを行えることが目標である。 |
|
|
到達目標 【英語】
Objectives of the Course | | | In omics analysis, the goals are to be able to design your own analysis pipeline, to understand the main basic theories of statistics and machine learning for molecular data, to be able to design appropriate analysis algorithms by placing them in the context of omics analysis, and to be able to explain the results in terms of molecular biology. In signal processing, the goal is to understand the mathematical basis of time series analysis, frequency analysis, and connectivity analysis, and to be able to accurately apply these to various types of data to extract the desired features and perform pattern extraction and mathematical modeling. |
|
|
授業の内容や構成
Course Content / Plan | | 1. マルチオミクス解析１
2. マルチオミクス解析２
3. マルチオミクス解析３
4. マルチオミクス解析４
1. 信号処理１
2. 信号処理２
3. 信号処理３
4. 信号処理４ |
|
|
履修条件・関連する科目
Course Prerequisites and Related Courses | | | 生命情報学特論、生命情報学実習、データ活用法入門を受講していること、また、シェルプログラミングの知識やR/Pythonによるプログラミングの基礎を有すること、統計・機械学習についての基礎を習得していること。 |
|
|
成績評価の方法と基準
Course Evaluation Method and Criteria | | |
|
教科書・テキスト
Textbook | | |
|
参考書
Reference Book | | |
|
課外学習等（授業時間外学習の指示）
Study Load(Self-directed Learning Outside Course Hours) | | |
|
授業の進め方
How to proceed with the class | | |
|
注意事項
Notice for Students | | | 受講前に必ず教員に相談すること。また、前期博士課程のデータ活用法入門・演習、生命情報学特論・実習を必ず受講していること。 |
|
|
本授業に関する参照Webページ
Reference website for this Course | | |
|
担当教員からのメッセージ
Message from the Instructor | | |
|
使用言語
Language(s) for Instruction & Discussion | | |
|
授業開講形態等
Lecture format, etc. | | |
|
遠隔授業（オンデマンド型）で行う場合の追加措置
Additional measures for remote class (on-demand class) | | |
|