Master's degree, second cycle programme, Bioinformatics and Systems Biology (S2-BIOINF)(in Polish: Bioinformatyka i biologia systemów, stacjonarne drugiego stopnia) | |
second cycle programme full-time, 2-year studies Language: Polish | Jump to: Opis ogólnyBioinformatyka jest stosunkowo młodą, dynamicznie rozwijającą się dyscypliną, zajmującą się zastosowaniem technik przetwarzania danych w badaniach nad problemami biologicznymi. Takie projekty, jak Human Genom Project nie byłyby możliwe bez użycia nowoczesnych metod informatyki i matematyki. Bioinformatyka stwarza możliwość znalezienia ciekawej pracy między innymi w ośrodkach zajmujących się modelowaniem biologicznym, projektowaniem leków czy analizą danych medycznych. Studia na kierunku Bioinformatyka i biologia systemów są przyporządkowane do dziedziny nauk ścisłych i przyrodniczych oraz dyscyplin: matematyka, informatyka, nauki biologiczne i nauki fizyczne. Studia mają charakter interdyscyplinarny. Zajęcia są prowadzone przez pracowników Wydziału Biologii, Wydziału Fizyki oraz Wydziału Matematyki, Informatyki i Mechaniki. Zdecydowana większość zajęć odbywa się na Kampusie Ochota. Program studiów drugiego stopnia na bioinformatyce i biologii systemów jest bardzo elastyczny. Umożliwia pogłębienie wiedzy i umiejętności w wybranych obszarach bioinformatyki, biologii, informatyki lub fizyki. W ofercie dydaktycznej, oprócz przedmiotów obowiązkowych, znajdują się przedmioty rozszerzające wiedzę i przedstawiające aktualny stan badań w wybranym zakresie, ale także przedmioty uzupełniające, umożliwiające studentom, którzy na studiach I stopnia nie studiowali bioinformatyki, uzupełnienie podstaw informatycznych, biologicznych lub matematycznych. Absolwenci bioinformatyki i biologii systemów znajdują zatrudnienie jako specjaliści w zakresie metod bioinformatycznych w instytucjach naukowych zajmujących się zarówno naukami biologicznymi, jak i medycznymi czy rolniczymi oraz w firmach komercyjnych, zarówno o profilu biotechnologicznym, jak i farmaceutycznym. Wielu z nich kontynuuje też naukę na studiach doktoranckich w kraju i zagranicą. |
ECTS Coordinators:
Qualification awarded:
Access to further studies:
Learning outcomes
The graduate has achieved the learning outcomes defined for the second-cycle degree programme in Bioinformatics in Annex No.11 (2nd cycle Annexes) to Resolution No. 414 of the Senate of the University of Warsaw of 8 May 2019 on degree programmes at the University of Warsaw (UW Monitor 2019, No. 128 as amended).
On completing this curriculum the student:
- has broadened their knowledge and skills in selected areas of bioinformatics, biology, computer science or physics;
- is familiar with bioinformatics software and biological data management technologies;
- is able to model complex biological systems as well as design experiments using large-scale genomic technologies, analyse the data obtained from them and interpret the results of these analyses;
- is familiar with typical drug design problems and methods and advanced computational methods used in comparative genomics;
- is able to work in teams, including interdisciplinary teams.
More details in the study programme available on the web pages: https://monitor.uw.edu.pl and : https://www.mimuw.edu.pl
Course structure diagram:
Abbreviations used in tables: | |
lect - Lecture cl - Classes kon - Seminar lab - Lab | c - Pass/fail e - Examination g - Grading |
First year, Bioinformatics and system biology | ECTS | lect | cl | kon | lab | exam |
---|---|---|---|---|---|---|
Computational biology | 6 | c | ||||
Obligatory and specialization courses, elective and supplementary | 48 | e | ||||
General university courses1, 2 | 6 | 60 | g | |||
Total: | 60 | 60 |
1 - Grading or Egzamination.
2 - In total, in general university courses at least 5 ECTS in the humanities and the social sciences.
Second year, Bioinformatics and system biology | ECTS | lect | cl | kon | lab | exam |
---|---|---|---|---|---|---|
Computational biology | 6 | c | ||||
Master thesis | 20 | |||||
Obligatory and specialization courses, elective and supplementary1, 2, 3 | 34 | e | ||||
Total: | 60 |
1 - Within the 120 ECTS credits required to complete studies, 36 ECTS credits should be obtained for obligatory courses (see table below).
2 - Within the 120 ECTS credits required to complete studies, 22 ECTS credits should be obtained for specialization courses (see table below).
3 - Within the 120 ECTS credits required to complete studies, 24 ECTS credits should be obtained for elective and supplementary courses (see table below).
Obligatory courses for 2nd stage Bioinformatics | ECTS | lect | cl | kon | lab | exam |
---|---|---|---|---|---|---|
Genome-scale technologies 2 | e | |||||
Architecture of large projects in bioinformatics | 6 | 30 | 30 | e | ||
Modeling of complex biological systems | 6 | 30 | 30 | e | ||
Statistical data analysis 2 | 6 | 30 | 30 | e | ||
Drug design | 6 | 30 | 30 | e | ||
Comparative genomics | 6 | 30 | 30 | e |
Specific programme courses of 2nd stage Bioinformatics | ECTS | lect | cl | kon | lab | exam |
---|---|---|---|---|---|---|
Deep neural networks | e | |||||
Introduction to quantum mechanics of molecular systems | 6 | 45 | 45 | e | ||
Metagenomics | e | |||||
Stochastic Simulations | 6 | 30 | 30 | e | ||
Stochastic processes in biology and social sciences | 6 | 30 | 30 | e | ||
Knowledge representation | e | |||||
Medical Chemistry | 3 | 30 | e | |||
Visual recognition | 5 | 30 | 30 | e | ||
Mechanisms of carcinogenesis and modern anticancer therapies | 6 | 30 | 60 | e | ||
Methods of structural biology | e | |||||
Proteomics | 9 | 90 | e | |||
Artificial intelligence and expert systems | 6 | 30 | 30 | e | ||
Phylogenetics and metagenomics | 6 | 90 | e | |||
Visual recognition: neural networks | e | |||||
Machine Learning | 5.5 | 30 | 30 | g | ||
Interdisciplinary team project | 6 | 15 | 45 | e | ||
Deep learning in life science | 6 | 30 | 30 | e | ||
Mathematical Models of Biology and Medical Sciences | 6 | 30 | 30 | e | ||
Fundamentals of molecular medicine | 6 | 30 | 30 | e | ||
Data analysis and visualization | 6 | 30 | 30 | e | ||
Deep neural networks | 6 | 30 | 30 | e | ||
6 | 15 | 45 | e | |||
Chromatin and Epigenetics | 2 | 30 | e | |||
Proteins and nucleic acids | 6 | 90 | e | |||
Introduction to computational biology | 6 | 30 | 30 | e |