6 Μαρ 2024 13:25 - Στέργιος Παπαδημητρίου

  Διαμόρφωση της ύλης στα μαθήματα Δικτιακός Προγραμματισμός, Προηγμένα Θέματα Προγραμματισμού, Βιοπληροφορική

Περιγράφεται πως διαμορφώθηκε η τελική παραδοθείσα ύλη.


Δικτιακός Προγραμματισμός (Τελική)


Η τελική εξέταση θα μετρήσει 50% και 50% η γραπτή εργασία. Η εργασία είναι προαιρετική, εάν δεν γίνει, ο βαθμός καθορίζεται 100% από την γραπτή εξέταση.


Από το βιβλίο "Pro TBB"

Κεφ.1 - Όλο

Κεφ. 2. - Όλο εκτός από την ενότητα

A Slightly More Complicated Example:Line of Sight Σελ.56

Κεφ. 3 Όλο

Κεφ. 4 Όλο

Κεφ. 5 Όλο

Κεφ. 6 Όλο

Κεφ 7 Όλο




Προηγμένα Θέματα Προγραμματισμού (Τελική)


Διδάχθηκε όλο σχεδόν το βιβλίο "A Tour of C++" του Stroustrup, εκτός του Κεφαλαίου 18 (Concurrency), από το οποίο διδάχθηκαν οι σελ. 237-248, μέχρι "Stopping a thread".

Το κεφάλαιο αυτό είναι πολύ σημαντικό και διδάχθηκε και από το βιβλίο "Modern C++ Programming Cookbook", του Marius Bancila, όπου περιγράφεται εκτενέστερα κσι κατανοητότερα στο κεφάλαιο 8 ("Leveraging Threading and Concurrency") από όπου οι αντίστοιχη διδαχθείσα ύλη είναι οι σελ. 441-472), μέχρι "Using atomic types".



Βιοπληροφορική (Τελική)



Το μάθημα έχει προαιρετική γραπτή εργασία που όταν γίνει θα μετρήσει 50% του βαθμού, αλλιώς ο βαθμός καθορίζεται 100% από την τελική εξέτααη.


Κεφ. 8 Σελ.68-118 από τον Vol. 2 του βιβλίου "Bioinformatics Algorithms", του Pavel Pevzner


Από το βιβλίο "Deep Learning in Bioinformatics" του Habib Izadkhah:


Κεφ. 1 Why life science, σελ. 1-8

Κεφ.2 A review of machine learning, σελ.9-30



,Από το βιβλίο, "Deep Learning for the Life Sciences",

Κεφ. 6 Deep Learning for Genomics


Από το βιβλίο, "Deep Learning for Genomics", του Upendra Kumar Devisetty:

Κεφ. 6 Recurrent Neural Networks in Genomics, σελ. 95-115