Aktualna oferta kursów z R, Pythona, sztucznej inteligencji oraz warsztatów bioinformatycznych
R jest kluczowym językiem programowania w bioinformatyce i statystyce, a jego znajomość kojarzona jest z prestiżem i najwyższymi kompetencjami. Python jest najpopularniejszym językiem w analizie danych i sztucznej inteligencji. Korzystamy z R i Pythona w naszej codziennej pracy i dzielimy się naszym doświadczeniem.
Na nasze warsztaty zapraszamy wszystkich, którzy chcą rozszerzyć swoje kompetencje w zakresie analizy danych, statystyki, uczenia maszynowego i głębokiego jak również analizy danych metabolomicznych, proteomicznych i transkryptomicznych. Nasi wykładowcy to praktycy R i Pythona ze znaczącym dorobkiem naukowym i szkoleniowym, z doświadczeniem w big data, AI i supercomputingu. Kursy obejmują analizę statystyczną i wizualizację stosowaną w publikacjach naukowych.
Od 2020 roku jesteśmy oficjalnym partnerem UAM współorganizującym Poznańską Letnią Szkołę Bioinformatyki. Jako firma bierzemy udział w badaniach naukowych zakończonych publikacjami.
Wybrani klienci spośród krajowych instytucji naukowych i uniwersytetów
UJ, UAM, UW, UEP, UO, UŚ, UZ, UG, UŁ, UR, US, URK, UWM, UMP, UMCS, UML, PB, PC, PK, PŚ, UPP, UPW, UPL, IBD PAN, ICHB PAN, IGR PAN, IITD PAN, IMDiK PAN, IF PAN, IP PAN, ISEZ PAN, IHAR-PIB, IUNG-PIB, PIW-PIB, AGH.
Kalendarz warsztatów
Warsztaty dla zorganizowanych grup
Wykładowcy
.
Prof. dr hab. n. med. i n. o zdr. Joanna Gotlib-Małkowska
Profesor zwyczajny, nauczyciel akademicki, od 2002 roku związana z Warszawskim Uniwersytetem Medycznym, a od 2013 roku kierownik Zakładu Edukacji i Badań w Naukach o Zdrowiu Wydziału Nauk o Zdrowiu WUM. Kierownik wielu międzynarodowych projektów naukowych i dydaktycznych. Kierownik Projektu: „Innowacyjna Dydaktyka = Medycyna przyszłości: rozbudowa i unowocześnienie bazy dydaktycznej Warszawskiego Uniwersytetu Medycznego w ramach KPO”. Współpracuje z Fundacją Vital Strategies i Fundacją Bloomberg (USA), University of Murcia ( Hiszpania); Dublin City University (Irlandia); International Hellenic University (Grecja) oraz Urzędem Miasta St. Warszawy. Wieloletnie doświadczenie dydaktyczne w zakresie prowadzenia zajęć dydaktycznych, m.in. z przedmiotów: Podstawy metodologii badań; Metodologia badań naukowych; Informacja naukowa; Rozpowszechnianie informacji naukowej, Planowanie i prowadzenie badań naukowych dla studentów nauk medycznych i nauk o zdrowiu. Autorka wielu publikacji naukowych, w tym z obszaru wykorzystania ChatGPT w badaniach naukowych w medycynie i naukach o zdrowiu, publikowanych w międzynarodowym piśmiennictwie naukowym. Pomysłodawczyni i realizatorka warsztatów z zakresu wykorzystywania generatywnej sztucznej inteligencji (GenAI) w działalności akademickiej dla studentów i nauczycieli akademickich Warszawskiego Uniwersytetu Medycznego.
Prof. dr hab. n. farm. Agnieszka Bienert
Kierownik Pracowni Farmakogenetyki Doświadczalnej. Profesor w Katedrze Farmacji Klinicznej i Biofarmacji Uniwersytetu Medycznego w Poznaniu. Odbyła staż naukowy w School of Pharmaceutical Sciences na Uniwersytecie w Buffalo, kolebce farmakokinetyki i farmakodynamiki. Wysokiej klasy specjalista i praktyk R, RStudio i NONMEM, a także podstaw teoretycznych modelowania PKPD i analizy populacyjnej. Doświadczony wykładowca w przedmiotach biofarmacji, farmakoterapii z naukową informacją o lekach oraz farmakogenetyki. Ekspert w dziedzinie modelowania farmakokinetyczno-farmakodynamicznego (PKPD) leków stosowanych w anestezjologii i intensywnej terapii pacjentów dorosłych oraz dzieci.
Prof. UAM dr hab. Tomasz Górecki
Profesor uczelni w Zakładzie Statystyki Matematycznej i Analizy Danych na Wydziale Matematyki i Informatyki Uniwersytetu im. Adama Mickiewicza w Poznaniu, prodziekan ds. grantów i współpracy z gospodarką na Wydziale Matematyki i Informatyki UAM. Naukowo zajmuje się analizą szeregów czasowych, analizą danych funkcjonalnych oraz sztuczną inteligencją. Zajmuje się również zastosowaniami metod statystycznych i uczenia maszynowego w praktycznych zagadnieniach. Od ponad dwudziestu lat prowadzi zajęcia związane z rachunkiem prawdopodobieństwa, statystyką, uczeniem maszynowym i sztuczną inteligencją. Współpracuje z wieloma firmami na polu uczenia maszynowego i sztucznej inteligencji (Lidl, OLX, PWN, Samsung, Smartstock). Od wielu lat posługuje się językami Python oraz R, jest m.in. współautorem pakietów w R oraz autorem książki „Podstawy statystyki z przykładami w R”. Współpracuje m.in. z pracownikami Colorado State University, University of Utah, Politechniki Poznańskiej, Uniwersytetu Ekonomicznego w Poznaniu oraz Uniwersytetu Przyrodniczego w Poznaniu.
Prof. UAM dr hab. Łukasz Smaga
Profesor uczelni w Zakładzie Statystyki Matematycznej i Analizy Danych na Wydziale Matematyki i Informatyki Uniwersytetu im. Adama Mickiewicza w Poznaniu. Pracuje naukowo w dziedzinach testowania hipotez statystycznych, analizy danych funkcjonalnych oraz teorii eksperymentu. Zajmuje się również zastosowaniami metod statystycznych i uczenia maszynowego w praktycznych zagadnieniach. Od wielu lat programuje w języku R i jest współautorem pięciu jego pakietów dostępnych w repozytoriach CRAN i github. Doświadczony dydaktyk w zakresie rachunku prawdopodobieństwa, statystyki matematycznej i jej zastosowań. Współpracuje m.in. z pracownikami National University of Singapore, TU Dortmund University, Texas Tech University, Shiga University, Politechniki Poznańskiej i Uniwersytetu Ekonomicznego w Poznaniu.
Dr hab. inż. Anna Piasecka
Adiunkt w Instytucie Chemii Bioorganicznej Polskiej Akademii Nauk w Poznaniu. Autorka licznych publikacji naukowych, kierownik oraz wykonawca wielu projektów badawczych. Doświadczony szkoleniowiec. Ekspert i praktyk w dziedzinie spektrometrii mas oraz bioinformatycznym przetwarzaniu danych metabolomicznych z 14-letnim doświadczeniem. Jeden z najlepszych europejskich specjalistów w dziedzinie metabolomiki. Odbyła staż zagraniczny w Getyndze. Współpracuje m. in. z Uniwersytetem Jagiellońskim, Szkołą Główną Gospodarstwa Wiejskiego, The Leibniz Institute of Plant Genetics and Crop Plant Research, Max Planck Institute for Plant Breeding Research.
Dr Arkadiusz Kajdasz
Obecnie pracuje w Instytucie Chemii Bioorganicznej Polskiej Akademii Nauk w Poznaniu. Doświadczenie dydaktyczne zdobywał w pracy ze studentami na Uniwersytecie im. A. Mickiewicza w Poznaniu. Naukowo interesuje się metabolizmem i potranskrypcyjnymi modyfikacjami RNA. Praktyk w analizie danych pochodzących z RNA-Seq. Uczestnik wielu kursów bioinformatycznych organizowanych w kraju i zagranicą (np. przez Ontario Institute for Cancer Research w Toronto w Kanadzie). Współpracuje z Uniwersytetem Przyrodniczym w Poznaniu oraz z Wojskowym Instytutem Medycznym w Warszawie.
Dr Łukasz Marczak
Kierownik Pracowni Spektrometrii Mas w Instytucie Chemii Bioorganicznej Polskiej Akademii Nauk w Poznaniu. Autor i współautor ponad 100 publikacji naukowych, w czasie swojej 20-letniej kariery był kierownikiem oraz wykonawcą wielu projektów badawczych z dziedziny spektrometrii mas, proteomiki oraz metabolomiki. Organizator wielu krajowych oraz międzynarodowych konferencji naukowych. Doświadczony szkoleniowiec i ceniony ekspert w dziedzinie analityki, były sekretarz Polskiego Towarzystwa Spektrometrii Mas oraz wieloletni prezes Polskiego Towarzystwa Proteomicznego. Doświadczenie zdobywał w kraju oraz za granicą, m.in. podczas stażu na Uniwersytecie w Tuluzie czy staży w Instytucie INRA w Wersalu we Francji. Współpracuje m.in. z Uniwersytetem Przyrodniczym w Poznaniu, Politechniką Poznańską, Instytutem Genetyki Roślin, Instytutem Onkologii w Gliwicach oraz Uniwersytetem w Pittsburgu.
Dr Diego Castillo Franco
Pracuje na Gent University, Faculty of Biology, Gent, Belgium. Doświadczony mikrobiolog i ekolog mikroorganizmów z solidnym zapleczem w bioinformatyce (analiza sekwencjonowania ampliconów, sekwencjonowanie trzeciej generacji, metagenomika, metagenomiczne analizy genowe). Doświadczenie badawcze obejmuje mikrobiologię Antarktyki, amazońskiego lasu deszczowego, zbiorniki hydroenergetyczne, mikrobiom człowieka, interakcje gospodarza z mikroorganizmami, badania genomowe i metagenomiczne społeczności prokariotycznych oraz analizę przewidywania metabolizmu z różnych środowisk z zastosowaniem podejść statystycznych. Obecnie współpracuje z Uniwersytetem Jagiellońskim w Krakowie, Uniwersytetem São Paulo (Brazylia) i Woods Hole Oceanographic Institution (USA).
Dr Nuno Sepúlveda
Pracuje na Wydziale Matematyki i Nauk Informacyjnych Politechniki Warszawskiej, gdzie prowadzi zajęcia z biostatystyki oraz inne kursy. Wcześniej pracował jako pracownik naukowy w dziedzinie genetyki statystycznej i epidemiologii genetycznej malarii, a następnie jako adiunkt epidemiologii i biostatystyki w Katedrze Zakażeń i Immunologii (obecnie Katedra Biologii Zakażeń) na Wydziale Chorób Zakaźnych i Tropikalnych London School of Hygiene & Tropical Medicine. Nuno posiada ponad 20-letnie doświadczenie w dziedzinie statystyki stosowanej oraz jest autorem ponad 150 recenzowanych publikacji w czasopismach takich jak Nature Genetics, PLoS Genetics, Lancet Infectious Diseases, Lancet Hematology oraz Science Translational Medicine. Jego aktualne zainteresowania badawcze obejmują zastosowanie technik statystycznych i uczenia maszynowego do badania patogenezy zespołu chronicznego zmęczenia/encefalomielitis (CFS/ME) oraz long COVID, ze szczególnym uwzględnieniem danych genetycznych, epigenetycznych i serologicznych. Obecnie jest posiadaczem grantu Horizon Europe Widera w ramach projektu finansowanego przez UE (PvSTATEM), którego celem jest przeprowadzenie dwóch badań klinicznych dotyczących kontroli malarii w Etiopii i na Madagaskarze. Jest również redaktorem naczelnym działu w czasopismach Frontiers in Medicine (Choroby Zakaźne: Patogeneza i Terapia) oraz Frontiers in Public Health (Choroby Zakaźne: Epidemiologia i Zapobieganie).