Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II (gültig ab SS 2017) (Vollständige Modulbeschreibung)

INF.06268.03	5 CP
Modulbezeichnung	Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II
Modulcode	INF.06268.03
Semester der erstmaligen Durchführung
Fachbereich/Institut	Institut für Informatik
Verwendet in Studiengängen / Semestern	Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, . Akkreditierungsfassung WS 2015/16 - SS 2018 > Wahlmodule Nutzpflanzen Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, . Akkreditierungsfassung WS 2018/19 - SS 2020 > Wahlmodule Nutzpflanzen Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, . Akkreditierungsfassung WS 2016/17 - WS 2022/23 > Bioinformatik (HI) Informatik (MA120 LP) (Master) > Informatik InformatikMA120, . Akkreditierungsfassung WS 2016/17 - WS 2022/23 > Basismodule der Vertiefungsrichtung `Bioinformatik` Nutzpflanzenwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, . Akkreditierungsfassung gültig ab WS 2018/19 > Wahlpflichtmodule Nutzpflanzenwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, . Akkreditierungsfassung WS 2015/16 - SS 2018 > Wahlpflichtmodule
Modulverantwortliche/r
Weitere verantwortliche Personen	Prof. Dr. Ivo Große
Teilnahmevoraussetzungen
Kompetenzziele	Die Studierenden verstehen grundlegende Konzepte und Algorithmen der Statistischen Datenanalyse und des Maschinelles Lernens in der Bioinformatik. Sie sind in der Lage, diese Konzepte und Algorithmen auf konkrete Problemstellungen der Statistischen Datenanalyse und des Maschinelles Lernens in der Bioinformatik anzuwenden. Sie haben die Fähigkeit, diese Konzepte und Algorithmen zukünftigen Kooperationspartnerinnen und Kooperationspartnern zu erklären. Sie haben die Kompetenz, diese Konzepte und Algorithmen weiterzuentwickeln und auf neue Problemstellungen der Statistischen Datenanalyse und des Maschinelles Lernens in der Bioinformatik anzuwenden.
Modulinhalte	Statistische Inferenz; ML, MAP, MP Schätzer; Bias, Varianz, Konsistenz, Wirksamkeit von Schätzern Markov Modelle; ML, MAP, MP Schätzer; Sequenzlogos; Anwendungen in der Bioinformatik Hidden Markov Modelle; Viterbi-Algorithmus, Forward-Backward-Algorithmus; Anwendungen in der Bioinformatik Modellselektion; Modellmittelung; Klassifikation; Anwendungen in der Bioinformatik
Lehrveranstaltungsformen	Vorlesung (2 SWS) Kursus Übung (2 SWS) Übung
Unterrichtsprachen	Deutsch, Englisch
Dauer in Semestern	1 Semester Semester
Angebotsrhythmus Modul	jedes Sommersemester
Aufnahmekapazität Modul	unbegrenzt
Prüfungsebene
Credit-Points	5 CP
Modulabschlussnote	LV 1: %; LV 2: %; LV 3: %; LV 4: %.
Faktor der Modulnote für die Endnote des Studiengangs	1
Hinweise	Basismodul für die Vertiefungsrichtung Bioinformatik

Modulveranstaltung	Lehrveranstaltungsform	Veranstaltungstitel	SWS	Workload selbstgestaltete Arbeit	Workload Summe
LV 1	Vorlesung	Vorlesung	2		0
LV 2	Kursus	Selbststudium			0
LV 3	Übung	Übung	2		0
LV 4	Übung	Bearbeiten der Übungsaufgaben			0
Workload modulbezogen				150	150
Workload Modul insgesamt					150

Prüfung	Prüfungsvorleistung	Prüfungsform
LV 1
LV 2
LV 3
LV 4
Gesamtmodul	Aktive Teilnahme an den Übungen, Erfolgreiches Lösen der Übungs- und Programmieraufgaben, Erfolgreiches Vorrechnen und Erklären der Lösungen, 50% der Punkte der Übungsaufgaben	mündl./schriftl./elektron. Prüfung
Wiederholungsprüfung

Regularien	Angebotsrhythmus	Anwesenheitspflicht	Gewicht an Modulnote in %
LV 1	Sommersemester	Nein	%
LV 2	Sommersemester	Nein	%
LV 3	Sommersemester	Nein	%
LV 4	Sommersemester	Nein	%