Allgemeine Informationen

Veranstaltungsname	Vorlesung/Übung: Statistische Datenanalyse
Semester	SoSe 2024
Aktuelle Anzahl der Teilnehmenden	28
Heimat-Einrichtung	Bioinformatik
Veranstaltungstyp	Vorlesung/Übung in der Kategorie Offizielle Lehrveranstaltungen
Nächster Termin	Montag, 29.04.2024 10:15 - 11:45, Ort: Seminarraum 1.03 [VSP 1] (Informatik)
Studiengänge (für)	Master Bioinformatik, Master Informatik, Master Nutzpflanzenforschung
SWS	4

Lehrende

Räume und Zeiten

Seminarraum 1.03 [VSP 1] (Informatik): Montag: 10:15 - 11:45, wöchentlich (12x); Dienstag: 10:15 - 11:45, wöchentlich (13x)

Studienbereiche

Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik

Modulzuordnungen

Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Basismodule der Vertiefungsrichtung `Bioinformatik` > INF.08067.01 - Statistische Datenanalyse, gültig ab SoSe 2023 > LV 3: Übung (Übung)
Bioinformatik BioinformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Bioinformatik (HI) (Anteil gem. § 5 Abs. 4-6, Anlage 2) > INF.08067.01 - Statistische Datenanalyse, gültig ab SoSe 2023 > LV 3: Übung (Übung)
Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Akkreditierungsfassung gültig ab WS 2018/19 > Wahlpflichtmodule > INF.08067.01 - Statistische Datenanalyse, gültig ab SoSe 2023 > LV 3: Übung (Übung)
Informatik InformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Basismodule der Vertiefungsrichtung `Bioinformatik` > INF.08067.01 - Statistische Datenanalyse, gültig ab SoSe 2023 > LV 1: Vorlesung (Vorlesung)
Bioinformatik BioinformatikMA120, Akkreditierungsfassung gültig ab SoSe 2023 > Bioinformatik (HI) (Anteil gem. § 5 Abs. 4-6, Anlage 2) > INF.08067.01 - Statistische Datenanalyse, gültig ab SoSe 2023 > LV 1: Vorlesung (Vorlesung)
Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Akkreditierungsfassung gültig ab WS 2018/19 > Wahlpflichtmodule > INF.08067.01 - Statistische Datenanalyse, gültig ab SoSe 2023 > LV 1: Vorlesung (Vorlesung)

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.