MLU
INF.06268.03 - Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II (Complete module description)
Original version English
INF.06268.03 5 CP
Module label Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II
Module code INF.06268.03
Semester of first implementation
Faculty/Institute Institut für Informatik
Module used in courses of study / semesters
  • Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Version of accreditation (WS 2015/16 - SS 2018) > Wahlmodule Nutzpflanzen
  • Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Version of accreditation (WS 2018/19 - SS 2020) > Wahlmodule Nutzpflanzen
  • Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Version of accreditation (WS 2016/17 - WS 2022/23) > Bioinformatik (HI)
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation (WS 2016/17 - WS 2022/23) > Basismodule der Vertiefungsrichtung `Bioinformatik`
  • Nutzpflanzenwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Version of accreditation valid from WS 2018/19 > Wahlpflichtmodule
  • Nutzpflanzenwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Version of accreditation (WS 2015/16 - SS 2018) > Wahlpflichtmodule
Responsible person for this module
Further responsible persons
Prof. Dr. Ivo Große
Prerequisites
Skills to be acquired in this module
  • 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.
Module contents
  • 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
Forms of instruction Lecture (2 SWS)
Course
Exercises (2 SWS)
Exercises
Languages of instruction German, English
Duration (semesters) 1 Semester Semester
Module frequency jedes Sommersemester
Module capacity unlimited
Time of examination
Credit points 5 CP
Share on module final degree Course 1: %; Course 2: %; Course 3: %; Course 4: %.
Share of module grade on the course of study's final grade 1
Reference text
Basismodul für die Vertiefungsrichtung Bioinformatik
Module course label Course type Course title SWS Workload of compulsory attendance Workload of preparation / homework etc Workload of independent learning Workload (examination and preparation) Sum workload
Course 1 Lecture Vorlesung 2 0
Course 2 Course Selbststudium 0
Course 3 Exercises Übung 2 0
Course 4 Exercises Bearbeiten der Übungsaufgaben 0
Workload by module 150 150
Total module workload 150
Examination Exam prerequisites Type of examination
Course 1
Course 2
Course 3
Course 4
Final exam of module
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
Exam repetition information
Prerequisites and conditions Prerequisites Frequency Compulsory attendance Share on module grade in percent
Course 1 Summer semester No %
Course 2 Summer semester No %
Course 3 Summer semester No %
Course 4 Summer semester No %