Detail předmětu

Mentoring 1

FEKT-DPC-MN1Ak. rok: 2020/2021

Předmět je zaměřen na konkrétní výzkumná témata individualizovaná pro jednotlivé studenty doktorského studijního programu s ohledem na zaměření jejich dizertačních prací. Výuka předmětu probíhá individuální formou, kdy je každému doktorandovi přidělen mentor (interní nebo externí akademický pracovník, případně odborník z praxe). Daný mentor je specializován na problematiku z širšího okruhu teoretických znalostí a odborných dovedností souvisejících s konkrétním výzkumným tématem. V případě tématické příbuznosti dizertací více doktorandů probíhá výuka v šířeji zaměřených týmech. Předmět je svou náplní pokrývá témata z oblasti buněčné biologie, elektrofyziologie, zpracování a analýzy signálů a obrazů, strojového učení, bioinformatiky, výpočetní biologie a statistiky.

Výsledky učení předmětu

Absolvent předmětu:
- Je schopen organizace vlastní práce směrem k jeho kariernímu postupu
- Umí vyhledávat zdroje a zpracovávat informace poskytnuté mentorem
- Je schopen definovat a řešit problémy šířeji související s tématem jeho dizertace
- Umí využít nabytých vědomostí k vytvoření pomůcek do výuky

Doporučená nebo povinná literatura

ALBERTS, Bruce. Molecular biology of the cell. Sixth edition. New York, NY: Garland Science, Taylor and Francis Group, 2015. ISBN 9780815344322.
LAKOWICZ, Joseph R. Principles of fluorescence spectroscopy. 3rd ed. New York: Springer, c2006. ISBN 978-0-387-31278-1.
ROBINSON, Andrew J a Lynn SNYDER-MACKLER. Clinical electrophysiology: electrotherapy and electrophysiologic testing. 3rd ed. Philadelphia: Wolters Kluwer Health/Lippincott Williams & Wilkins, c2008. ISBN 978-0-7817-4484-3.
AKAY, Metin. Wiley encyclopedia of biomedical engineering. Hoboken, N.J.: Wiley-Interscience, c2006. ISBN 978-0-471-24967-2.
JAN, Jiří. Digital signal filtering, analysis and restoration. London: Institution of Electrical Engineers, 2000. IEE telecommunications series, 44. ISBN 0852967608.
JAN, Jiří. Medical image processing, reconstruction, and restoration: concepts and methods. Boca Raton, FL: Taylor & Francis, 2006. ISBN 9780824758493.
COMPEAU, Phillip a Pavel PEVZNER. Bioinformatics algorithms: an active learning approach. La Jolla, CA: Active Learning Publishers, 2014. ISBN 978-0990374602.
StatSoft, Inc. (2013). Electronic Statistics Textbook. Tulsa, OK: StatSoft. WEB: http://www.statsoft.com/textbook/.

Plánované vzdělávací činnosti a výukové metody

Předmět probíhá individuální formou, kdy je každému doktorandovi přidělen odborník na problematiku z širšího okruhu teoretických znalostí a odborných dovedností souvisejících s tématem jeho dizertační práce. Student si dle vlastní potřeby domlouvá konzultace s přiděleným mentorem a současně pracuje vybraných kontrolovatelných výstupech.

Způsob a kritéria hodnocení

Student si sám volí své kontrolovatelné výstupy, za které získá příslušný počet bodů. Splnění výstupů kontroluje a body přiděluje školitel doktoranda v součinnosti s mentorem, udělené body ověřuje garant předmětu. Pro úspěšné absolvování předmětu musí být bodový zisk alespoň 50 bodů.

Jazyk výuky

čeština

Osnovy výuky

Předmět je zaměřen na konkrétní výzkumná témata individualizovaná pro jednotlivé studenty doktorského studijního programu s ohledem na zaměření jejich dizertačních prací. Výuka předmětu probíhá individuální formou, kdy je každému doktorandovi přidělen mentor (interní nebo externí akademický pracovník, případně odborník z praxe). Daný mentor je specializován na problematiku z širšího okruhu teoretických znalostí a odborných dovedností souvisejících s konkrétním výzkumným tématem. V případě tematické příbuznosti dizertací více doktorandů probíhá výuka v šířeji zaměřených týmech. Předmět svou náplní pokrývá témata z oblasti buněčné biologie, elektrofyziologie, zpracování a analýzy signálů a obrazů, strojového učení, bioinformatiky, výpočetní biologie a statistiky.

Konkrétní témata předmětu:
- metody předzpracování, analýzy a zobrazení signálů vysokofrekvenčního EKG,
- optimální metody odhadu kvality signálu EKG,
- metody agregace biosignálů pro multisenzorové systémy sledování aktivity člověka,
- metody detekce mentálních stavů založené na analýze biosignálů mozku a videomonitorování,
- metody analýzy medicínských obrazových dat ze spektrální počítačové tomografie,
- metody analýzy obrazů z multimodálního holografického mikroskopu pro studium buněk,
- metody hlubokého učení pro zpracování obrazových dat v biometrii,
- bioinformatické metody analýzy genové exprese,
- metody rekonstrukce genových regulačních sítí.

Kontrolovatelné výstupy předmětu:
- sestavený podrobný plán studia,
- připravené podklady do výuky (funkční vzorek, software, laboratorní úloha),
- připravený návrh interního grantového projektu univerzitního programu specifického výzkumu,
- připravená a podaná přihláška do soutěže "Brno Ph.D. Talent",
- připravený a odeslaný abstrakt na konferenci mezinárodního významu,
- podrobné hodnocení mentora.

Cíl

Cílem předmětu je prohloubení a vyvážení teoretických znalostí a odborných dovedností studentů doktorského studijního programu v oblastech souvisejících s jejich dizertačními pracemi.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Studenti předmětu jsou svázáni povinností nashromáždit minimální bodový zisk za kontrolovatelné výstupy. Body uděluje školitel doktoranda v součinnosti s přiděleným mentorem. Udělené body ověřuje garant předmětu.

Zařazení předmětu ve studijních plánech

  • Program DPC-BTB doktorský, 1. ročník, zimní semestr, 4 kredity, povinný

Typ (způsob) výuky

 

Seminář

26 hod., nepovinná

Vyučující / Lektor

eLearning