САНКТ-ПЕТЕРБУРГ | ОНЛАЙН

Программы переподготовки
ПРИЕМ ЗАЯВОК 2021 ЗАКРЫТ

Заявки на 2021/22 учебный год больше не принимаются.
Набор 2022 будет объявлен в декабре 2021.

Подпишитесь на новости Института, чтобы не пропустить открытие набора.

Программы проходят в Санкт-Петербурге и онлайн и направлены
на изучение биологических процессов с помощью современных вычислительных технологий.

Каждый год мы отбираем 100 лучших студентов на два направления:
«Алгоритмическая биоинформатика» и «Биоинформатика для биологов».
Ключевые даты

до 1 апреля

Решить онлайн-тест
10 апреля

Узнать результаты тестирования
апрель — июнь

Пройти собеседование
Формат
Один год по субботам и в 1–2 будних вечера. Лекции, семинары, научные проекты и стажировки. Две группы — очная в Санкт-Петербурге и онлайн
Стоимость
Бесплатно очным студентам 1-6 курсов и аспирантам 1 года. Остальным 20 тысяч рублей в семестр. Скидка 50% после семестра на «отлично».
Подробнее в FAQ
Диплом
При успешном окончании программы выдается диплом о профессиональной переподготовке Института биоинформатики
Поступление
Мы сделали график конкурсного отбора – не пропустите важные даты! Дедлайны окончательные и не будут перенесены
1
Подать заявку
до 1 марта 18:00 МСК
2
Пройти онлайн-курс
до 10 марта 18:00 МСК
3
Написать онлайн-тестирование
Биологи:
27 марта 13:00, 31 марта 19:00
Информатики:
28 марта 13:00, 1 апреля 19:00
по московскому времени
4
Пройти собеседование
онлайн в апреле – июне
Направления
ИНФОРМАТИКАМ
БИОЛОГАМ
«Алгоритмическая биоинформатика» – программа для студентов и выпускников математических, информатических и технических специальностей.

По окончанию вы:

  • получите знания по основам молекулярной биологии, генетики и технологиям секвенирования
  • научитесь применять программы обработки и статистику к анализу биологических и медицинских данных
  • сможете создавать новые и улучшать существующие биоинформатические алгоритмы
  • решать актуальные и нетривиальные научные задачи совместно с биологами и врачами
Зачем вам биоинформатика
Для информатиков и математиков биоинформатика — это возможность:

  • приложить знания Сomputer Science к областям медицины, биологии и эволюции
  • решать интересные и сложные алгоритмические задачи
  • создавать программные инструменты для биологов и медиков
  • применять свои знания для решения важнейших задач человечества, связанных со здоровьем, качеством и продолжительностью жизни людей, сделать реальный вклад в развитие наук о жизни

Программа нацелена, в основном, на научную карьеру.
Этапы поступления
1. Заявка
Мы ждем мотивированные заявки с подробным рассказом, почему вы хотите учиться на программе. Уделите заявке достаточно времени – она дает 50% баллов к собеседованию и по ней можно получить отказ перед ним.

2. Онлайн-курс и 15 задач на Rosalind Bioinformatics Stronghold
Ссылка на задания придет в ответ на заполненную заявку. Если вы уже проходили онлайн-курс «Молекулярная биология и генетика» и решали задачи на Rosalind, то эти баллы перезачтутся при записи на онлайн-курс.

3. Письменное тестирование
Тестирование проводится онлайн на платформе Stepik и проверяет знания комбинаторики, алгоритмов, теории вероятностей, линейной алгебры. К нему допускаются абитуриенты, прошедшие онлайн-курс и решившие задачи. Пример задания.

4. Собеседование
Собеседование проводится для успешно прошедших тестирование и длится один час. 30 минут дается на решение задач и еще 30 минут – на общение с комиссией. Темы задач аналогичны темам тестирования. На собеседовании обсуждаются решения и мотивация поступления.
Требования
Для поступления вам нужно уметь хорошо программировать хотя бы на одном из современных языков и знать перечисленные ниже темы.

Комбинаторика

  1. Основные правила комбинаторики. Правило подсчета количества комбинаторных объектов. Принцип Дирихле.
  2. Множества, операции на множествах. Круги Эйлера. Формула включений и исключений.
  3. Размещения, перестановки и сочетания. Бином Ньютона. Треугольник Паскаля. Сочетания с повторениями.

Теория вероятностей

  1. Основные понятия теории вероятностей. Определение вероятностного пространства, простейшие дискретные случаи (выборки с порядком и без него, упорядоченные и неупорядоченные), классическая вероятностная модель.
  2. Геометрическое определение вероятности.
  3. Независимость событий. Попарная независимость и независимость в совокупности.
  4. Условная вероятности, формула полной вероятности, формула Байеса.
  5. Случайная величина, функция распределения.
  6. Математическое ожидание, дисперсия, корреляция, их свойства.
  7. Стандартные дискретные и непрерывные распределения, их математические ожидания, дисперсии и свойства (Бернулли, биномиальное, равномерное, нормальное, Пуассона).
  8. Неравенство Чебышева. Закон больших чисел. Центральная предельная теорема.

Алгоритмы

Предполагается владением одним из императивных языков программирования.

  1. Простейшие конструкции языка программирования. Циклы, ветвления, рекурсия.
  2. Анализ алгоритмов. Понятие о сложности по времени и по памяти. Асимптотика, О-символика.
  3. Массивы, стеки, очереди, связные списки. Сравнение временных затрат при различных типах операций.
  4. Сортировки. Нижняя теоретико-информационная оценка сложности задачи сортировки. Алгоритмы сортировки вставками, пузырьком, быстрая сортировка, сортировка слиянием. Оценка сложности.
  5. Задача поиска подстроки в строке. Оценка сложности.
  6. Графы, деревья. Поиск кратчайшего пути в графе. Оценка сложности

Математический анализ

  1. Предел последовательности и функции. Замечательные пределы.
  2. Непрерывность функции в точке, непрерывные функции.
  3. Числовые ряды. Признаки сходимости. Абсолютно и условно сходящиеся ряды.
  4. Дифференцирование функций. Применение производной для нахождения экстремумов функций. Формула Тейлора, правило Лопиталя.
  5. Функции многих переменных. Частные производные. Градиент и его геометрический смысл. Гессиан. Метод градиентного спуска. Поиск экстремумов функций от многих переменных.
  6. Определенный и неопределенный интегралы. Методы интегрирования функций. Первообразные различных элементарных функций. Кратные интегралы (двойные, тройные), замена координат, связь с повторными.

Линейная алгебра

  1. Системы линейных уравнений. Прямоугольные матрицы. Приведение матриц и систем линейных уравнений к ступенчатому виду. Метод Гаусса.
  2. Линейная зависимость строк (столбцов) матрицы. Основная лемма о линейной зависимости, базис и ранг системы строк (столбцов). Ранг матрицы. Критерий совместности и определенности системы линейных уравнений в терминах рангов матриц. Фундаментальная система решений однородной системы линейных уравнений.
  3. Определитель квадратной матрицы, его основные свойства. Критерий равенства определителя нулю.
  4. Операции над матрицами и их свойства. Теорема о ранге произведения двух матриц. Определитель произведения квадратных матриц. Обратная матрица, ее явный вид (формула), способ выражения с помощью элементарных преобразований строк.
  5. Собственные вектора и собственные числа матриц.

Как правило, успешные кандидаты — это студенты старших курсов, магистранты и начинающие аспиранты. В процессе учебы понадобится читать научные статьи на английском языке.

        Подготовка
        Освежить или дополнить знания можно с помощью онлайн-курсов:

        Если вы считаете, что вам не хватает навыков программирования, будут полезны онлайн-курсы:

        Для получения дополнительной практики в программировании алгоритмических задач можно воспользоваться платформой Rosalind.
        «Биоинформатика для биологов» – программа для студентов и аспирантов биологических и медицинских специальностей.

        По окончанию вы будете:

        • читать и писать код на Python;
        • проводить статистическую обработку данных и проверять достоверность гипотез в R;
        • находить и использовать сторонние библиотеки и программы, разбираться в документации;
        • иметь представление о форматах данных NGS и их анализе;
        • оценивать сложность и время работы программ;
        • работать в командной строке и ОС Linux;
        • подбирать подходящий дизайн анализа для различных типов данных
        и многое другое.
        Зачем вам биоинформатика
        Современную биологию уже невозможно представить без методов биоинформатики. Биоинформатика помогает биологам значительно ускорить профессиональный рост и решать интересные и нетривиальные научные задачи.

        Вы сможете общаться на одном языке с техническими специалистами, грамотно ставить биоинформатические задачи, проверять полученные решения, анализировать различные биологические и медицинские данные и эффективно работать в команде с программистами.
        Этапы поступления
        1. Заявка
        Мы ждем мотивированные заявки, с описанием того, почему вы хотите учиться на программе. Уделите заявке достаточно времени – она дает 50% баллов к собеседованию и по ней можно получить отказ перед ним.

        2. Онлайн-курс
        по основам программирования на Python, R и работе в Linux
        Ссылка на курс придет в ответ на заполненную заявку. Обратите внимание, что на его прохождение требуется время! Если вы уже проходили онлайн-курсы «Программирование на Python», «Введение в Linux» и «Анализ данных в R», эти баллы перезачтутся при записи на курс.

        3. Письменное тестирование
        Проводится только для тех, кто прошел вступительный курс, и проверяет знания молекулярной биологии, генетики, основ статистики и программирования на Python, базовой работы в командной строке.
        Пример заданий.

        4. Собеседование
        Проходит очно или онлайн и длится один час, состоит из чтения статьи, ответов на вопросы по ней и общения с комиссией. Пример статьи и вопросов.
          Требования
          Мы ожидаем систематизированных знаний генетики и клеточной биологии, молекулярных механизмов хранения, передачи и изменения наследственной информации. Вы должны разбираться в принципах и методах генетической инженерии и биотехнологии в целом и уметь читать научные статьи на английском языке.

          Как правило, успешные кандидаты — это студенты старших курсов, магистранты и начинающие аспиранты.
          Подготовка
          Освежить знания рекомендуем с помощью:

          Онлайн-курсов «Mолекулярная биология и генетика», «Молекулярная биология клетки», «Генная инженерия».

          Литературы:
          Глик, Б. — Молекулярная биотехнология (2002)
          Щелкунов, С. — Генетическая инженерия (2004)
          Alberts, B. — Molecular biology of the cell (2008)
          Lodish, H. — Molecular Cell Biology (7th ed., 2012)
          Журавлева Г.А. — Генная инженерия в биотехнологии (2017)

          Глоссария для биологов от Института биоинформатики.
          Ответы на многие вопросы можно найти в FAQ.
          По остальным вопросам пишите на admissions@bioinf.me.
          Дни открытых дверей онлайн
          Трансляция на YouTube-канале Института биоинформатики про программы, поступление, карьеру после окончания и ответы на вопросы.
          Присоединяйтесь и подписывайтесь на канал!
          АЛГОРИТМИЧЕСКАЯ БИОИНФОРМАТИКА
          БИОИНФОРМАТИКА ДЛЯ БИОЛОГОВ
          Содержание:

          • Об Институте биоинформатики
          • Биоинформатика в медицине и биологии. Примеры
          • Программа и процесс поступления 2021
          • Вопросы и ответы
          Содержание:

          • Об Институте биоинформатики
          • Карьера биолога в биоинформатике
          • Программа обучения и поступление в 2021
          • Вопросы и ответы
          Что вы будете изучать
          АЛГОРИТМИЧЕСКАЯ БИОИНФОРМАТИКА
          БИОИНФОРМАТИКА ДЛЯ БИОЛОГОВ
          Дискретная математика
          Базовые понятия теории множеств, булевы функции и логические высказывания, комбинаторика, асимптотический анализ алгоритмов, алгоритмы сортировки, динамическое программирование, теория графов и алгоритмы на графах
          Практикум по биоинформатике
          Выравнивание на референс и поиск SNP, сборка геномов de novo, аннотация геномов, филогенетика, РНК-секвенирование и дифференциальная экспрессия генов, метагеномика. Серия научных проектов в течение года.
          Программирование на Python
          Переменные и операции, классы и типы, модули, virtualenv, pip, pipenv, pandas/numpy/biopython, Git / GitHub, регулярные выражения, базовые алгоритмы, исключения, debugging, базы данных, граф Де брюйна, структуры данных
          Работа в командной строке
          ssh, awk, grep, построение пайпов, zcat, sed, базовая работа с геномными утилитами bwa, samtools, bedtools
          Статистика в R
          Правила постановки эксперимента, гипотезы, методы создания выборок, корреляция, линейные модели, логистическая регрессия, Байесовская статистика, глобальное и локальное окружение, git, Rroject, ggplot2, readxl, dplyr, subset, apply, пользовательские функции, .Rmd
          Анализ данных NGS
          Сборка геномов de novo, анализ вариантов и медицинская генетика, работа с метагеномными данными, анализ ампликонных библиотек 16S рДНК, анализ данных RNA-Seq, позиционные методы NGS — ChIP-Seq, Hi-C
          Введение в машинное обучение
          Pandas, numpy, логические методы, методы подбора оптимальных гиперпараметров модели, основы кластеризации, Decision Trees, Random forest, градиентный бустинг, сверточные нейронные сети
          Молекулярная эволюция и филогенетика
          Выравнивание нуклеотидов и белков, дрейф генов, анализ популяционной структуры, оценка давления отбора, демографическая история популяций, геномные тренды в эволюции.
          Семинары по биоинформатике
          Геномы раковых опухолей, RNA seq и экспрессия генов, метагеномика, белковый дизайн, нейронауки, синтетическая биология и многое другое
          Научный проект
          Работа над учебными и реальными биоинформатическими задачами под руководством научных сотрудников университетов и компаний из разных стран
          Алгоритмы в биоинформатике
          Центральная догма молекулярной биологии, алгоритмы попарного и множественного выравнивания, методы работы с вторичной структурой РНК, алгоритмы построения деревьев, HMM, сборка геномов
          Молекулярная биология
          Типы клеточной организации, регуляция работы гена, мобильные элементы генома, транскрипция, эпигенетика, сети белковых взаимодействий, клеточный метаболизм и сигнальные пути, математическая биология, генная инженерия
          Практикум по биоинформатике
          Выравнивание на референс и поиск SNP, сборка геномов de novo, аннотация геномов, филогенетика, РНК-секвенирование и дифференциальная экспрессия генов, метагеномика. Серия научных проектов в течение года.
          Статистика
          Выборка, точечные оценки, интервальное оценивание, проверка статистических гипотез, сверхэффективные оценки, общие подходы к построению статистических критериев, критерии согласия, непараметрические критерии. В зависимости от уровня группы в первом семестре может проходить курс по теории вероятностей.
          Анализ данных NGS
          Выравнивание коротких ридов и длинных ридов с высоким уровнем ошибки, исправление ошибок в ридах Illumina, сборка геномов de novo, оценка качества геномных сборок, метагеномика, данные RNA-Seq
          Машинное обучение
          Instance-based learning, kNN, prototype selection, classification metrics, clustering, decision trees, ensembles, perceptron, logistic regression, deep learning for images, SVM, Bayes classifier, regression, reinforcement learning
          Молекулярная эволюция и филогенетика
          Выравнивание нуклеотидов и белков, дрейф генов, анализ популяционной структуры, оценка давления отбора, демографическая история популяций, геномные тренды в эволюции
          Семинары по биоинформатике
          Геномы раковых опухолей, RNA seq и экспрессия генов, метагеномика, белковый дизайн, нейронауки, синтетическая биология и многое другое
          Научный проект
          Работа над учебными и реальными биоинформатическими задачами под руководством научных сотрудников университетов и компаний из разных стран.
          Мы поддерживаем актуальность учебного плана и можем вносить в него изменения. Программа объявляется перед началом каждого семестра.
          Занятия проходят с сентября по июнь по субботам с 11 до 18:00
          по московскому времени и в один-два вечера в будни.
          Каникулы – с середины декабря до начала февраля.
          Преподаватели
          Алиса Аленичева
          Алгоритмы в биоинформатике
          Дарья Балашова
          Дискретная математика
          Юрий Барбитов
          Молекулярная биология, эволюция, филогенетика
          Юрий Белоусов
          Статистика для информатиков
          Артем Васильев
          Дискретная математика
          Лаврентий Данилов
          Статистика и анализ данных в R, машинное обучение
          Геннадий Захаров
          Командная строка для биоинформатиков
          Наталья Зенкова
          Статистика
          Александр Ильин
          Python
          Елена Картышева
          Статистика
          Антон Коробейников
          Статистика
          Нина Лукашина
          Алгоритмы в биоинформатике,
          машинное обучение
          Алиса Моршнева
          Практикум по биоинформатике
          Андрей Пржибельский
          Анализ данных NGS
          Михаил Райко
          Практикум по биоинформатике
          Александр Слепченков
          Python
          Владислав Страшко
          Статистика и анализ данных в R, машинное обучение
          Александр Ткаченко
          Семинары по биоинформатике, анализ экспрессии генов
          Контакты
          Институт биоинформатики
          Cанкт-Петербург, ул. Кантемировская 2А, Бизнес-центр «Таймс»

          Занятия в Санкт-Петербурге и онлайн в Zoom

          По поступлению – admissions@bioinf.me
          По общим вопросам – info@bioinf.me

          Программы переподготовки