國立中興大學教學大綱
課程名稱 (中) 生物資訊學之統計方法(5159)
(Eng.) Statistical Methods in Bioinformatics
開課單位 農藝系
課程類別 選修 學分 3 授課教師 高崇峰
選課單位 農藝系 / 學士班 授課使用語言 中文 開課學期 1142
課程簡述 生物資訊是一門跨生物、訊息、統計及計算機科學等學門的研究領域。在這資訊爆炸世代，生物資訊快速累積，如何蒐集、篩選、整合、優化並分析巨量資料，根據分析結果做出決策並預測新資料，是跨領域的範疇。本課程結合理論與實務，串連 R 統計語言，以深入淺出的方式提供學生一個跨領域知識學習的課程。
先修課程名稱
課程與核心能力關聯配比(%) 課程目標之教學方法與評量方法
課程目標 核心能力 配比(%) 教學方法 評量方法
1.學生在面對生物資訊相關之巨量資料時, 能夠有更清晰的邏輯思考與更靈活的分析手段。
2.學生能夠利用程式語言工具(如R,plink語言), 進行資料管理與品管, 統計分析與計算, 模型構建, 解決生物資訊的問題。
3.學生能夠對整合跨領域知識與技能, 對生物資訊有進一步瞭解。
專題探討/製作
討論
講授
出席狀況
口頭報告
實作
授課內容(單元名稱與內容、習作/每週授課、考試進度-共16週加自主學習)
週次 授課內容
第1週 General introduction to the course
第2週 Introduction to big data: introduction, big data characteristics, data types, strategies, benefits & risks of big data, examples.
第3週 Big data analysis: analytic strategies, golden rule, statistical methods for big data, examples.
第4週 Computer intensive methods (I): simulation, bootstrap, tools, examples.
第5週 Computer intensive methods (II): expectation approach, maximum approach, EM algorithm, tools, examples.
第6週 Journal report (team 1): Topic: multi-omics integration
第7週 Journal report (team 2): Topic: genome-wide association study (common variants)
第8週 Journal report (team 3): Topic: genome-wide association study (rare variants)
第9週 Midterm exam(期中團隊報告)
第10週 ournal report (team 4): Topic: systems biology (pathway & network)
第11週 Real data practice in GWAS (I): samples QC, SNPs QC, SNP-based GWAS (using R, plink)
第12週 Real data practice in GWAS (II): gene report, gene mapping (using R, plink)
第13週 Real data practice in GWAS (III): gene-based GWAS (using R, plink)
第14週 Real data practice in GWAS (IV): genetic risk score, risk information (using R, plink)
第15週 Debating competitions(分組團隊辯論競賽)
第16週 Sharing of final project results(期末成果分享)
自主學習
內容		    01.參與專業論壇、講座、企業分享等產官學研相關交流活動
   02.閱覽產業及學術相關多媒體資料
   03.製作專題報告
   04.產官學機構參訪與實務體驗
   05.參與本校各單位舉辦之各類工作坊活動
   06.本校其它校區/分部(含實驗林場或試驗場)戶外教學參訪課程活動
學習評量方式
1. 期中考-finding assoication using bootstrap(25%)
2. 團隊專題報告(25%)
3. 分組辯論競賽(25%)
4. 期末團隊專題製作(25%)
教科書＆參考書目(書名、作者、書局、代理商、說明)
1. Erl T, Khattak W, Buhler P (2016)
Big data fundamentals: concepts, drivers & techniques
Prentice Hall

2. Dean J (2014)
Big data, data mining and machine learning: value creation
for business leaders and practitioners
Wiley

3. Journals articles
課程教材（教師個人網址請列在本校內之網址）
課程教材以上課講義為主。
課程輔導時間
每週三。
聯合國全球永續發展目標(連結網址)
08.就業與經濟成長提供體驗課程：N
請尊重智慧財產權及性別平等意識，不得非法影印他人著作。
更新日期 西元年/月/日：2026/01/07 13:42:31 列印日期 西元年/月/日：2026 / 5 / 26
MyTB教科書訂購平台：http://www.mytb.com.tw/