ECTS credits ECTS credits: 3
ECTS Hours Rules/Memories Student's work ECTS: 51 Hours of tutorials: 3 Expository Class: 8 Interactive Classroom: 13 Total: 75
Use languages Spanish, Galician
Type: Ordinary subject Master’s Degree RD 1393/2007 - 822/2021
Center Faculty of Veterinary Science
Call: First Semester
Teaching: With teaching
Enrolment: Enrollable | 1st year (Yes)
Adquirir las habilidades para el manejo y desarrollo de herramientas básicas de análisis de datos
Desarrollar habilidades de clasificación, filtrado y análisis de datos automatizada mediante programación
Obtener un conocimiento básico del lenguaje Python3
Adquirir habilidades para desarrollar modelos de genética de poblaciones y ecología
Adquirir habilidades para manejar y desarrollar herramientas básicas de simulación
Adquirir habilidades de programación informática
1. Librerías de Python3: Numpy, Matplotlib, Pandas y Seaborn
2. Método simulación Monte Carlo
3. Generación de números aleatorios
4. Simulación hacia adelante: Modelo de Wright-Fisher
• TEMAS
TEMA 1: Repaso de elementos del lenguaje Python3. Librerías.
TEMA 2: Introducción a la librería especializada Numpy para cálculo y análisis de datos.
TEMA 3: Introducción a la librería Pandas especializada en el manejo y análisis de estructuras de datos.
TEMA 4: Simulación de modelos de genética de poblaciones
Bibliografía básica:
Martin J. 2013. Python for Biologists.
Bibliografía complementaria:
Martin J. 2014. Advanced Python for Biologists.
Martin J. 2016.Effective Python development for Biologists.
Robert Johansson. 2019. Numerical Python.
Competencias Básicas:
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida auto dirigido o autónomo.
Competencias Generales:
CG01 - Capacidad de organización y planificación del estudio y la experimentación en las áreas de conocimientos implicadas.
CG02 - Integrar conocimientos y enfrentarse a la toma de decisiones a partir de información científica y técnica.
CG03 - Transmitir los resultados del estudio y la investigación a públicos especializados, académicos y generalistas.
CG04 - Creatividad para generar nuevas ideas y aplicarlas en su estudio actual y posterior.
CG05 - Capacidad de superación ante la frustración y en situaciones de estrés.
Competencias Específicas:
CE03 - Desarrollar las destrezas y habilidades en análisis genómico y genético, y en consejo genético.
CE06 - Saber manejar las fuentes de información relacionadas con la Genómica (y otras ómicas), la Genética, sus tecnologías y los aspectos de seguridad relativos a las mismas, incluyendo la producción animal y vegetal.
Competencias Transversales:
CT04 - Capacidad para el aprendizaje y la integración en el trabajo en equipos multidisciplinares, la cooperación y el compañerismo, incluyendo el ámbito internacional.
CT05 - Capacidad de reflexión desde distintas perspectivas del conocimiento.
CT06 - Capacidad de gestión de información, resolución de problemas y toma de decisiones.
CT08 - Habilidad para el manejo de Tecnologías de la Información y la Comunicación (TIC)
Lecciones teórico-prácticas -explicación -(presencialmente y/o a través de contenidos en el aula virtual).
Desarrollo de programas por parte del alumno tutorizado por el profesor.
Tutorías personalizadas presenciales y online
Trabajo autónomo del alumnado no presencial
• Pruebas prácticas: Mediante realización/resolución de programas en el ordenador se evaluarán los conocimientos adquiridos durante el curso (70% de la calificación en la materia)
• Evaluación continua: Se evaluará de manera continua tanto la actitud del alumnado en las clases teóricas y prácticas como la calidad y claridad de exposición de los trabajos presentados (30% de la calificación de la materia)
Para los casos de realización fraudulenta de ejercicios o pruebas será de aplicación lo recogido en la Normativa de evaluación del rendimiento académico de los estudiantes y de revisión de cualificaciones.
Horas presenciales: 24
Expositivas: 7
Interactivas de Laboratorio (prácticas): 7
Interactivas de Seminario: 5
Tutorías personalizadas: 3
Examen: 2 (evaluación continua)
Horas de trabajo del alumnado: 51
Atender en clase, programar todos los ejercicios y participar en los foros y/o preguntar al profesor las dudas que surjan.