Studijní plán
Magisterské studium má první semestr společný, od druhého do čtvrtého semestru si zvolíš předměty dle svého zaměření.
Velký důraz je kladen na vypracování diplomové práce, která tvoří třetinu kreditové hodnoty studia. Konkrétní předměty si zapíšeš na doporučení vedoucího diplomové práce tak, aby ti byly užitečné při jejím vypracovávání.
Podívej se na kompletní seznam všech povinných, povinně volitelných a doporučených volitelných předmětů dostupný v Informačním systému MU.
Předměty zaměření
Společné povinné předměty
- PřF:C2138 Pokročilá bioinformatika
- PřF:C2139 Pokročilá bioinformatika - seminář
- PřF:C3211 Aplikovaná bioinformatika
- PřF:C3750 Data management
- PřF:C3850 Projekt z bioinformatiky
- PřF:CG010 Proteomika
- PřF:CG020 Genomika
- FI:IV106 Bioinformatics seminar
- FI:MA012 Statistics II
- FI:PV251 Visualization
- PřF:S4002 Law, ethics and philosophy of science
Závěr studia
- PřF:JA002 Pokročilá odborná angličtina - zkouška
- PřF:C4750 Diplomová práce z bioinformatiky I
- PřF:C4751 Diplomová práce z bioinformatiky II
- PřF:C4752 Diplomová práce z bioinformatiky III
- PřF:CZMBI Státní závěrečná magisterská zkouška z bioinformatiky
Společné povinně volitelné předměty
Machine learning a AI
Musíš si zvolit alespoň jeden z předmětů.
- PřF:Bi9680en Artificial Intelligence in Biology, Chemistry, and Bioengineering
- FI:PV056 Machine Learning and Data Mining
Programování
Musíš si zapsat předměty v celkové výši alespoň 5 kreditů.
- PřF:C2160 Programování v jazyce C pro chemiky
- PřF:C3220 Pokročilé programování v jazyce C pro chemiky
- FI:PB112 Základy objektově orientovaného programování v jazyce Java
- FI:PB138 Základy webového vývoje a značkovacích jazyků
- FI:PV178 Úvod do vývoje v C#/.NET
Doporučené volitelné předměty
Tyto předměty by tě mohly zaujmout nebo rozšířit tvé znalosti.
- PřF:Bi0001 Příběhy vědy: rakovina
- PřF:Bi8350 Evoluční genomika
- FI:PA152 Efficient Use of Database Systems
- FI:PA195 NoSQL Databases
- FI:PV247 Modern Development of User Interfaces
- FI:PV287 Artificial Intelligence and Machine Learning in Healthcare