Skip to content

Biostatistica Şi Programare În R

Public syllabus for 2025-2026

Back to syllabi

Academic overview

Programme
BioInfo
Period
Year 1, Semester 1
Credits
6
Weeks
14

Curriculum placement

Appears in study plans

BioInfo (2025 - 2027) Year 1, Semester 1 Mandatory subject

Teaching team

Course coordinator
(none)
Seminar coordinators
(none)

Learning time distribution

Total
Curriculum Lecture Practice Total Weekly Lecture Practice
42 14 28 3 1 2
Exam hours
4
Individual Study Bibliography study Field study Homework Tutoring Others
108 28 28 36 12 0
Overall
150

Learning outcomes

Knowledge

  • (6a03a0962355ae3a04d2f331) Cunoașterea unor concepte fundamentale din programare, algoritmică, statistică, chimie, biologie moleculară, genetică, precum și a unor concepte specifice domeniului bioinformaticii;
  • (6a03a0962355ae3a04d2f332) Înțelegerea modului de funcționare și utilizarea eficientă a instrumentelor informatice specifice prelucrării datelor biomedicale;
  • (6a03a0962355ae3a04d2f334) Înțelegerea proceselor biologice și a modelelor matematice și computaționale adecvate;
  • (6a03a0962355ae3a04d2f335) Înțelegerea metodelor de analiză statistică și comunicarea rezultatelor respectând standardele de validare statistică;
  • (6a03a0962355ae3a04d2f336) Înțelegerea principiilor de prelucrare a volumelor mari de date cu asigurarea accesului rapid, elementelor de consistență, securitate și confidențialitate.

Skills

  • (6a03a0962355ae3a04d2f337) Utilizarea conceptelor din informatică, statistică, genetică, biologie moleculară și chimie în definirea modelelor și proiectarea strategiilor de analiză a datelor și interpretare a rezultatelor;
  • (6a03a0962355ae3a04d2f338) Identificarea tehnicilor și a instrumentelor informatice adecvate prelucrării datelor și construirii unor modele;
  • (6a03a0962355ae3a04d2f339) Proiectarea, implementarea și testarea unor module software destinate colectării, organizării, vizualizării și analizei datelor biomedicale;
  • (6a03a0962355ae3a04d2f33a) Identificarea modelelor adecvate și a unor tehnici eficiente de simulare cu scopul extragerii de cunoștințe noi din date;
  • (6a03a0962355ae3a04d2f33b) Utilizarea eficientă a metodelor statistice și a instrumentelor software de analiză statistică;
  • (6a03a0962355ae3a04d2f33c) Instalarea, configurarea și utilizarea platformelor de prelucrare a volumelor mari de date;
  • (6a03a0962355ae3a04d2f33d) Construirea de fluxuri de prelucrări (workflows) prin agregarea unor componente deja implementate.

Responsibility

  • (6a03a0962355ae3a04d2f33e) Responsabilitate de acțiune în conformitate cu interesul public; angajament relativ la sănătatea, siguranța și bunăstarea populației;
  • (6a03a0962355ae3a04d2f33f) Respectarea confidențialității angajatorului și a clienților și protejarea proprietății intelectuale a acestora;
  • (6a03a0962355ae3a04d2f340) Reprezentarea corectă a nivelului de competență și acceptarea de sarcini în limitele acestuia;
  • (6a03a0962355ae3a04d2f341) Responsabilitatea de a respecta cele mai înalte standarde profesionale în prelucrarea datelor biomedicale;
  • (6a03a0962355ae3a04d2f342) Păstrarea autonomiei, integrității și independenței în opiniile profesionale;
  • (6a03a0962355ae3a04d2f343) Promovarea integrității și reputației profesiei, în concordanță cu interesul public;
  • (6a03a0962355ae3a04d2f344) Perfecționarea continuă relativ la practicarea profesiei;

Online platform

(none)

Course content

(none)

Course bibliography

(none)

Seminar content

(none)

Seminar bibliography

(none)

Corroboration

Conţinutul este în concordanţă cu structura cursurilor similare de la alte universităţi şi acoperă aspectele fundamentale necesare familiarizării cu problematica analizei datelor. Ilustrarea conceptelor prezentate se face cu ajutorul limbajului open source R, unul dintre cele mai folosite la momentul actual în probleme de modelare statistică şi data mining.

AI tools guidance

(none)

Evaluation and delivery

Activity Criteria Methods Percentage
C
  • Cunoaşterea paşilor de urmat într-un proces de analiza datelor
  • Cunoaşterea metodelor şi algoritmilor specifici şi utilizarea tehnicii adecvate pentru rezolvarea unei probleme practice
  • Utilizarea facilităţilor R pentru analizarea unui set de date
  • Întocmirea şi prezentarea unui proiect (în sesiunea de examene)
  • 60.0%
S
  • Activitate în timpul semestrului (rezolvare teme săptămânale, evaluare orală pe parcurs)
  • 40.0%

Performance standards

Standard minim (cunoștințe și aptitudini necesare pentru nota 5) Analiză exploratorie: realizarea de reprezentări grafice simple pentru investigarea relaţiei dintre două sau mai multe variabile şi interpretarea acestora Analiză predictivă: construirea unui model de regresie liniară și realizarea de predicții pe baza acestuia Nota finală se calculează ca medie ponderată a notelor acordate pentru componentele specificate mai sus. Examenul se consideră promovat dacă media este cel puțin 5 (nu e necesar ca fiecare notă să fie mai mare de 5). La fiecare dintre sesiunile de examen (inclusiv cele de restanță și măriri) nota se calculează după aceeași regulă. Studenții pot participa la orele de consultații desfășurate conform programului comunicat pe site-ul facultății, în cadrul cărora titularul de curs și laborator răspunde întrebărilor studenților și oferă explicații suplimentare legate de conținutul cursului, aplicațiile de la laborator și teme.

Additional info

(none)