اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی لینوکس، اسکریپت‌نویسی Bash و تحلیل داده با R برای زیست‌شناسان

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی لینوکس، اسکریپت‌نویسی Bash و تحلیل داده با R برای زیست‌شناسان

موضوع کلی: علوم زیستی محاسباتی

موضوع میانی: مقدمه‌ای بر ابزارهای محاسباتی در زیست‌شناسی

📋 سرفصل‌های دوره

• 1. مقدمه ای بر علوم زیستی محاسباتی
• 2. اهمیت ابزارهای محاسباتی در زیست شناسی مدرن
• 3. معرفی سیستم عامل لینوکس
• 4. مفاهیم پایه لینوکس: فایل سیستم و دایرکتوری ها
• 5. دستورات اساسی لینوکس: ناوبری و مدیریت فایل
• 6. مدیریت کاربران و دسترسی ها در لینوکس
• 7. نصب و پیکربندی نرم افزارهای زیستی در لینوکس
• 8. مقدمه ای بر اسکریپت نویسی Bash
• 9. متغیرها و انواع داده در Bash
• 10. ساختارهای کنترلی در Bash: شرط ها
• 11. حلقه ها در Bash
• 12. توابع در Bash
• 13. کار با رشته ها و عبارات منظم در Bash
• 14. مدیریت خطا و دیباگ کردن اسکریپت های Bash
• 15. پردازش فایل های متنی با Bash
• 16. استفاده از ابزارهای خط فرمان برای پردازش داده های زیستی
• 17. معرفی زبان برنامه نویسی R
• 18. نصب R و RStudio
• 19. محیط RStudio
• 20. انواع داده ها و ساختارهای داده در R
• 21. عملگرها و توابع پایه در R
• 22. کنترل جریان در R: شرط ها و حلقه ها
• 23. توابع در R
• 24. مدیریت داده ها در R: خواندن و نوشتن فایل ها
• 25. پاکسازی و آماده سازی داده ها در R
• 26. تجسم داده ها در R: نمودارهای پایه
• 27. بسته های R و مدیریت آنها
• 28. آشنایی با مفاهیم آماری پایه برای زیست شناسان
• 29. آمار توصیفی در R
• 30. آزمون فرض آماری در R
• 31. رگرسیون خطی ساده در R
• 32. تجزیه و تحلیل واریانس (ANOVA) در R
• 33. مقدمه ای بر تحلیل داده های ژنومیکس
• 34. فرمت های استاندارد فایل های زیستی: FASTA و FASTQ
• 35. پردازش توالی های DNA و RNA در R
• 36. هم ترازی توالی ها (Sequence Alignment)
• 37. مقدمه ای بر تحلیل بیان ژن
• 38. پردازش داده های میکروآرایه در R
• 39. تحلیل داده های توالی یابی نسل جدید (NGS)
• 40. مقدمه ای بر تحلیل داده های پروتئومیکس
• 41. ذخیره سازی و مدیریت داده های زیستی
• 42. پایگاه های داده زیستی
• 43. جستجو در پایگاه های داده زیستی
• 44. معرفی ابزارهای BioConductor
• 45. کار با داده های بیولوژیکی در BioConductor
• 46. تحلیل داده های تک سلولی (Single-cell RNA-seq)
• 47. مقدمه ای بر شبکه های ژنی
• 48. تجسم شبکه های ژنی در R
• 49. تحلیل مسیرهای بیولوژیکی
• 50. مقدمه ای بر بیوانفورماتیک ساختاری
• 51. مدل سازی مولکولی در R
• 52. مقدمه ای بر یادگیری ماشین در زیست شناسی
• 53. طبقه بندی در یادگیری ماشین
• 54. خوشه بندی در یادگیری ماشین
• 55. رگرسیون در یادگیری ماشین
• 56. اعتبارسنجی مدل های یادگیری ماشین
• 57. کاربرد یادگیری ماشین در پیش بینی ساختار پروتئین
• 58. کاربرد یادگیری ماشین در کشف دارو
• 59. مقدمه ای بر اخلاق در علوم زیستی محاسباتی
• 60. امنیت داده های زیستی
• 61. حریم خصوصی داده های زیستی
• 62. اشتراک گذاری داده های زیستی
• 63. مقدمه ای بر محاسبات توزیع شده در زیست شناسی
• 64. استفاده از خوشه های محاسباتی (Clusters)
• 65. کار با خط فرمان در خوشه های محاسباتی
• 66. مدیریت وظایف (Jobs) در خوشه ها
• 67. مقدمه ای بر نرم افزارهای متداول بیوانفورماتیک
• 68. استفاده از BLAST برای جستجوی توالی
• 69. مقدمه ای بر پایگاه داده GenBank
• 70. مقدمه ای بر پایگاه داده UniProt
• 71. کار با ابزارهای مختلف برای تحلیل توالی
• 72. تحلیل داده های تنوع ژنتیکی
• 73. مقدمه ای بر ژنومیک جمعیت
• 74. تحلیل داده های اپی ژنومیکس
• 75. مقدمه ای بر ترانسکریپتومیکس
• 76. پردازش و تحلیل داده های RNA-seq
• 77. تحلیل جهش ها و پلی مورفیسم ها
• 78. مقدمه ای بر متا ژنومیکس
• 79. تجسم داده های متا ژنومیکس
• 80. کاربرد R در آمار زیستی
• 81. کاربرد Bash در اتوماسیون وظایف زیستی
• 82. کاربرد Bash در پردازش داده های حجیم
• 83. کاربرد Bash در مدیریت فایل های زیستی
• 84. کاربرد R در تحلیل داده های پزشکی
• 85. کاربرد R در تحلیل داده های کشاورزی
• 86. کاربرد R در تحلیل داده های محیط زیستی
• 87. مقدمه ای بر بیوانفورماتیک بالینی
• 88. کاربرد بیوانفورماتیک در تشخیص بیماری ها
• 89. کاربرد بیوانفورماتیک در درمان بیماری ها
• 90. مقدمه ای بر توسعه ابزارهای بیوانفورماتیک
• 91. نوشتن توابع و بسته های R
• 92. مستندسازی کد در R
• 93. مقدمه ای بر اصول برنامه نویسی پاک (Clean Code)
• 94. نکات پیشرفته در اسکریپت نویسی Bash
• 95. روش های بهینه سازی کد در R
• 96. حل مسائل پیچیده زیستی با ابزارهای محاسباتی
• 97. مروری بر روندهای آینده در علوم زیستی محاسباتی
• 98. ارتباط بین زیست شناسی و علوم کامپیوتر
• 99. اهمیت یادگیری مداوم در بیوانفورماتیک
• 100. جمع بندی و مسیرهای پیش رو در بیوانفورماتیک