General information

Course name	Vorlesung/Übung: Statistische Datenanalyse
Semester	SoSe 2024
Current number of participants	28
Home institute	Bioinformatik
Courses type	Vorlesung/Übung in category Offizielle Lehrveranstaltungen
Next date	Monday, 13.05.2024 10:15 - 11:45, Room: Seminarraum 1.03 [VSP 1] (Informatik)
Studiengänge (für)	Master Bioinformatik, Master Informatik, Master Nutzpflanzenforschung
SWS	4

Lehrende

Rooms and times

Seminarraum 1.03 [VSP 1] (Informatik): Monday: 10:15 - 11:45, weekly (12x); Tuesday: 10:15 - 11:45, weekly (13x)

Fields of study

Naturwissenschaftliche Fakultät III - Agrarwiss., Geowiss. und Informatik

Module assignments

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

Comment/Description

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.