Allgemeine Informationen

Veranstaltungsname	Übung: Statistische Datenanalyse und maschinelles Lernen in der Bioinformatik II - Übung
Semester	SS 2022
Aktuelle Anzahl der Teilnehmenden	7
Heimat-Einrichtung	Bioinformatik
beteiligte Einrichtungen	Institut für Informatik
Veranstaltungstyp	Übung in der Kategorie Offizielle Lehrveranstaltungen
Erster Termin	Mittwoch, 13.04.2022 08:00 - 10:00, Ort: Seminarraum 1.30 [VSP 1] (Informatik)
Studiengänge (für)	Master Bioinformatik, Master Informatik, Master Nuztpflanzenforschung
SWS	2

Lehrende

Räume und Zeiten

Seminarraum 1.30 [VSP 1] (Informatik): Mittwoch: 08:00 - 10:00, wöchentlich (14x)

Studienbereiche

Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik

Modulzuordnungen

Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Akkreditierungsfassung (WS 2015/16 - SS 2018) > Wahlmodule Nutzpflanzen > INF.02858.06 - Statistische Datenanalyse in der Bioinformatik II, gültig WS 2006/07 bis WiSe 2024/25 > LV 3: Übung (Übung)
Informatik InformatikMA120, Akkreditierungsfassung (WS 2006/07 - SS 2013) > Primärmodule > INF.02858.06 - Statistische Datenanalyse in der Bioinformatik II, gültig WS 2006/07 bis WiSe 2024/25 > LV 3: Übung (Übung)
Bioinformatik BioinformatikMA120, Akkreditierungsfassung (WS 2009/10 - SS 2016) > Bioinformatik > INF.02858.06 - Statistische Datenanalyse in der Bioinformatik II, gültig WS 2006/07 bis WiSe 2024/25 > LV 3: Übung (Übung)
Informatik InformatikMA120, Akkreditierungsfassung (WS 2013/14 - SS 2016) > Basismodule der Vertiefungsrichtung `Bioinformatik` > INF.02858.06 - Statistische Datenanalyse in der Bioinformatik II, gültig WS 2006/07 bis WiSe 2024/25 > LV 3: Übung (Übung)
Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Akkreditierungsfassung (WS 2018/19 - SS 2020) > Wahlmodule Nutzpflanzen > INF.02858.06 - Statistische Datenanalyse in der Bioinformatik II, gültig WS 2006/07 bis WiSe 2024/25 > LV 3: Übung (Übung)
Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Akkreditierungsfassung (WS 2009/10 - SS 2015) > Wahlpflichtmodule Masterstudiengang Nutzpflanzenwissenschaften > INF.02858.06 - Statistische Datenanalyse in der Bioinformatik II, gültig WS 2006/07 bis WiSe 2024/25 > LV 3: Übung (Übung)
Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Akkreditierungsfassung (WS 2013/14 - SS 2015) > Wahlmodule Nutzpflanzen > INF.02858.06 - Statistische Datenanalyse in der Bioinformatik II, gültig WS 2006/07 bis WiSe 2024/25 > LV 3: Übung (Übung)
Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Akkreditierungsfassung gültig ab WS 2018/19 > Wahlpflichtmodule > INF.06268.03 - Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II, gültig ab SS 2017 > LV 3: Übung (Übung)
Informatik InformatikMA120, Akkreditierungsfassung (WS 2016/17 - WS 2022/23) > Basismodule der Vertiefungsrichtung `Bioinformatik` > INF.06268.03 - Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II, gültig ab SS 2017 > LV 3: Übung (Übung)
Bioinformatik BioinformatikMA120, Akkreditierungsfassung (WS 2016/17 - WS 2022/23) > Bioinformatik (HI) > INF.06268.03 - Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II, gültig ab SS 2017 > LV 3: Übung (Übung)
Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Akkreditierungsfassung (WS 2018/19 - SS 2020) > Wahlmodule Nutzpflanzen > INF.06268.03 - Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II, gültig ab SS 2017 > LV 3: Übung (Übung)
Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Akkreditierungsfassung (WS 2015/16 - SS 2018) > Wahlpflichtmodule > INF.06268.03 - Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II, gültig ab SS 2017 > LV 3: Übung (Übung)
Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Akkreditierungsfassung (WS 2015/16 - SS 2018) > Wahlmodule Nutzpflanzen > INF.06268.03 - Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II, gültig ab SS 2017 > LV 3: Übung (Übung)

Kommentar/Beschreibung

In der Vorlesungen werden statistische Ansätze für Fragestellungen der molekularen Bioinformatik behandelt. Methodisch werden verschiedene stochastische Modelle wie z. B. Markov Modelle, Bayes Netze, Hidden Markov Modelle oder Gaußsche Mischmodelle behandelt und deren Anwendungen in der Bioinformatik diskutiert.