Lecture: Statistische Mustererkennung in DNA-Sequenzen (Vorlesung Fr. 10-12) - Details

General information

Course name	Lecture: Statistische Mustererkennung in DNA-Sequenzen (Vorlesung Fr. 10-12)
Semester	WS 2018/19
Current number of participants	1
Home institute	Leitung des Instituts für Informatik
participating institutes	Bioinformatik
Courses type	Lecture in category Offizielle Lehrveranstaltungen
First date	Wednesday, 17.10.2018 16:15 - 17:45
Pre-requisites	Statistische Datenanalyse in der Bioinformatik II
Performance record	Scheinerwerb durch aktive Teilnahme an den Übungen und Lösung der Aufgaben
Lehrsprache(n)	Deutsch
Studiengänge (für)	Master Bioinformatik, Master Informatik, Master Nutzpflanzenforschung
SWS	2

Lecturers

• Prof. Dr. Ivo Grosse
• Lasse Moritz Feldhahn

Rooms and times

Hörsaal 3.04 [VSP 1]

Friday: 10:00 - 12:00, weekly (5x)

No room preference

Friday: 10:00 - 12:00, weekly

Fields of study

• Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik

Module assignments

• Bioinformatik BioinformatikMA120, Version of accreditation (WS 2016/17 - WS 2022/23) > Bioinformatik (HI) > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)
• Informatik InformatikMA120, Version of accreditation (WS 2006/07 - SS 2013) > Primärmodule > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)
• Informatik InformatikMA120, Version of accreditation (WS 2013/14 - SS 2016) > Vertiefende Module der Vertiefungsrichtung `Bioinformatik` > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)
• Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Version of accreditation (WS 2013/14 - SS 2015) > Wahlmodule Nutzpflanzen > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)
• Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Version of accreditation valid from WS 2018/19 > Wahlpflichtmodule > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)
• Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Version of accreditation (WS 2009/10 - SS 2015) > Wahlpflichtmodule Masterstudiengang ”Nutzpflanzenwissenschaften” > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)
• Bioinformatik BioinformatikMA120, Version of accreditation (WS 2009/10 - SS 2016) > Bioinformatik > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)
• Informatik InformatikMA120, Version of accreditation (WS 2016/17 - WS 2022/23) > Vertiefende Module der Vertiefungsrichtung `Bioinformatik` > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)
• Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Version of accreditation (WS 2015/16 - SS 2018) > Wahlpflichtmodule > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)
• Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Version of accreditation (WS 2015/16 - SS 2018) > Wahlmodule Nutzpflanzen > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)
• Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Version of accreditation (WS 2018/19 - SS 2020) > Wahlmodule Nutzpflanzen > INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen, valid from WS 2006/07 > Course 1: Lecture (Vorlesung)

Comment/Description

In der Vorlesungen werden ausgewählte Probleme der Sequenzanalyse wie z. B. die Erkennung von Spleißstellen oder Transkriptionsfaktorbindungsstellen behandelt. Methodisch werden verschiedene stochastische Modelle wie z. B. PWM-Mischmodelle oder Modelle für cis-regulatorische Module diskutiert. Für diese Modelle werden EM-Algorithmen zum Parameterlernen hergeleitet und auf verschiedene Datensätze angewendet.