Statistical Data Analysis and Machine Learning in Biodiversity Research (gültig ab SS 2022) (Vollständige Modulbeschreibung)

Statistical Data Analysis and Machine Learning in Biodiversity Research (gültig ab SS 2022) (Vollständige Modulbeschreibung)

Deutsch
INF.07654.02 5 CP
Modulbezeichnung Statistical Data Analysis and Machine Learning in Biodiversity Research
Modulcode INF.07654.02
Semester der erstmaligen Durchführung
Fachbereich/Institut Institut für Informatik
Verwendet in Studiengängen / Semestern
  • Biodiversity Sciences (MA120 LP) (Master) > Biologie BiodiversityMA120, . Akkreditierungsfassung gültig ab SS 2021 > Project modules offered by the Institute of Computer Science (Nat Sci III)
Modulverantwortliche/r
Weitere verantwortliche Personen
Prof. Dr. Ivo Große
Teilnahmevoraussetzungen
Kompetenzziele
  • Acquire an understanding of the fundamental principles and techniques of statistical data analysis and machine learning in bioinformatics and biodiversity research.
  • Being capable to critically evaluate and select appropriate statistical data analysis and machine learning approaches for addressing specific scientific problems in bioinformatics and biodiversity research.
  • Gaining the ability to effectively communicate and explain statistical data analysis and machine learning approaches to both technical and non-technical audiences including their limitations and implications of their findings.
  • Having competence of developing and advancing these approaches further for application to new and emerging scientific challenges in bioinformatics and biodiversity research.
Modulinhalte
  • Statistical inference; ML, MAP, MP estimators; bias, variance, consistency, efficiency of estimators
  • Markov models; ML, MAP, MP estimators; sequence logos; applications in bioinformatics and biodiversity research
  • Hidden Markov models; Viterbi algorithm, forward-backward algorithm; applications in bioinformatics and biodiversity research
  • Model selection; model averaging; classification; applications in bioinformatics and biodiversity research
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
Modulveranstaltung Lehrveranstaltungsform Veranstaltungstitel SWS Workload Präsenz Workload Vor- / Nachbereitung Workload selbstgestaltete Arbeit Workload Prüfung incl. Vorbereitung 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
mündliche Prüfung oder Klausur
Wiederholungsprüfung
Regularien Teilnahme­voraussetzungen Angebots­rhythmus Anwesenheits­pflicht Gewicht an Modulnote in %
LV 1 Sommersemester Nein %
LV 2 Sommersemester Nein %
LV 3 Sommersemester Nein %
LV 4 Sommersemester Nein %