ПРОГРАММА ВСТУПИТЕЛЬНОГО ИСПЫТАНИЯ ПО НАПРАВЛЕНИЮ «БИОТЕХНОЛОГИЯ»

ПРОГРАММА ВСТУПИТЕЛЬНОГО ИСПЫТАНИЯ ПО НАПРАВЛЕНИЮ «БИОТЕХНОЛОГИЯ»

Вступительное испытание будет проходить в виде устного экзамена с предварительной подготовкой ответа на вопросы из разделов ниже.

При устной беседе с преподавателем предоставляется возможность рассказать о своих достижениях, связанных с тематикой в областях биохимии, биофизики, биоинформатики и других, кратко изложив свое портфолио. Опрос проводится в соответствии с желаемой специализацией при поступлении и (или) с кафедрой, на которую принимается магистрант. Вопросы, связанные с тематикой биоинформатики при поступлении на данную специальность, могут включать простые задачи: написание простой программы или нахождения ошибки в коде. Можно использовать разные языки программирования, предпочтительным является Python. Вопросы по биохимии представляют собой типовые задачи. Также предоставляется возможность заранее подготовить рассказ из блока по выбору.

Блок 1. Математические основы вычислительной биологии

(Кафедра биоинформатики и системной биологии, центр образовательных программ по биоинформатике)

1. Теории вероятностей: Условные вероятности. Определение условной вероятности, формула полной вероятности, формула Байеса. Независимость событий.

2. Теория вероятностей: Случайная величина, функция распределения. Математическое ожидание, дисперсия, корреляция, ковариации, их свойства.

3. Теория вероятностей: Основные теоремы теории вероятностей. Неравенство Чебышева. Закон больших чисел. Центральная предельная теорема.

4. Теория вероятностей: Распределения. Стандартные дискретные и непрерывные распределения, их математические ожидания, дисперсии и свойства: биномиальное; равномерное; нормальное; пуассоновское; показательное; геометрическое.

5. Теория вероятностей: Понятие о цепи Маркова. Стационарное состояние.

6. Программирование, алгоритмы и анализ данных. Простейшие конструкции языка программирования. Циклы, ветвления, рекурсия.

7. Основные команды UNIX.

8. Программирование и алгоритмы: двоичный поиск и деревья поиска. Хэш-таблицы.

9. Программирование и алгоритмы: Графы, обход графа в ширину и в глубину.

10. Программирование и алгоритмы: Сортировки, средняя и наихудшая сложность алгоритмов.

11. Программирование и алгоритмы: Регулярные выражения.

12. Статистика и анализ данных: Выборка, правдоподобие.

13. Статистика и анализ данных: Оценивание параметров распределений, метод максимального правдоподобия.

14. Статистика и анализ данных: Доверительные интервалы.

15. Статистика и анализ данных: Основные понятия машинного обучения. Отложенная выборка, ее недостатки. Кросс-валидация. Leave-one-out. Переобученность.

16. Статистика и анализ данных: Кластеризация. Алгоритм K-Means. Оценки качества кластеризации.

12 3 4 5 6 Следующая ⇒