| ÖÇ1 | Biyolojik veri türlerini, temel biyolojik kavramları ve dizileme teknolojilerinin veri özelliklerini açıklayarak biyolojik bir problemi hesaplamalı bir probleme dönüştürebilir. |
| ÖÇ2 | DNA, RNA ve protein dizilerini uygun veri yapılarıyla temsil edebilir; string eşleme, k-mer ve indeksleme problemleri için uygun algoritmaları seçebilir ve karmaşıklıklarını analiz edebilir. |
| ÖÇ3 | Global, lokal ve yarı-global dizi hizalama problemlerini dinamik programlama ile formüle edebilir; Needleman-Wunsch, Smith-Waterman ve affine-gap yaklaşımlarını uygulayabilir. |
| ÖÇ4 | Hizalama sonuçlarının istatistiksel anlamlılığını değerlendirebilir; Markov zincirleri ve Gizli Markov Modellerini kurarak Forward, Backward, Viterbi ve temel model öğrenme işlemlerini açıklayabilir. |
| ÖÇ5 | Multiple Sequence Alignment, motif keşfi, filogenetik ve genom montajı problemlerini uygun optimizasyon, ağaç ve grafik algoritmalarıyla ilişkilendirebilir. |
| ÖÇ6 | NGS verilerinin temel hesaplamalı iş akışını açıklayabilir; kalite kontrol, haritalama, varyant çağırma ve yeniden üretilebilir iş akışlarının temel prensiplerini değerlendirebilir. |
| ÖÇ7 | Biyolojik veriler için uygun özellik temsili ve makine öğrenmesi yöntemlerini seçebilir; veri sızıntısı, sınıf dengesizliği, p >> n, çapraz doğrulama ve performans ölçütleri açısından modelleri değerlendirebilir. |
| ÖÇ8 | Derin öğrenme, protein dil modelleri ve modern biyoinformatik yaklaşımlarının temel fikirlerini açıklayabilir ve biyolojik ağlar ile sistem biyolojisindeki hesaplamalı problemleri grafik tabanlı yaklaşımlarla ilişkilendirebilir. |
| ÖÇ9 | NCBI, UniProt, PDB ve benzeri biyolojik veri kaynakları ile temel biyoinformatik yazılımlarını amaçlarına uygun biçimde kullanabilir ve elde edilen sonuçları bilimsel olarak yorumlayabilir. |
| ÖÇ10 | Genomik verinin mahremiyet, güvenlik, etik, hukuki ve toplumsal boyutlarını değerlendirebilir; hesaplamalı analiz sonuçlarını teknik rapor ve sunum formatında açık ve anlaşılır biçimde ifade edebilir. |