MLU
INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen (Complete module description)
Original version English
INF.02853.07 5 CP
Module label Statistische Mustererkennung in DNA-Sequenzen
Module code INF.02853.07
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 2013/14 - SS 2015) > Wahlmodule Nutzpflanzen
  • 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 2009/10 - SS 2016) > Bioinformatik
  • 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 2006/07 - SS 2013) > Primärmodule
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation (WS 2013/14 - SS 2016) > Vertiefende Module der Vertiefungsrichtung `Bioinformatik`
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Version of accreditation (WS 2016/17 - WS 2022/23) > Vertiefende Module 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 2009/10 - SS 2015) > Wahlpflichtmodule Masterstudiengang ”Nutzpflanzenwissenschaften”
  • 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
Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II (Besuch)
Skills to be acquired in this module
  • Die Studierenden verstehen populäre Algorithmen zur statistischen Mustererkennung in DNA-Sequenzen und die dahinter liegenden Konzepte.
  • Sie sind in der Lage, diese Konzepte und Algorithmen auf konkrete Problemstellungen zur statistischen Mustererkennung in DNA-Sequenzen 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 zur statistischen Mustererkennung in DNA-Sequenzen anzuwenden.
Module contents
  • EM-Algorithmus, Baum-Welch-Algorithmus für Hidden Markov Modelle, Gibbs-Sampling-Algorithmus
  • Erkennung von Spleißstellen
  • Erkennung von cis-Elementen und cis-regulatorischen Modulen
Forms of instruction Lecture (2 SWS)
Course
Exercises (2 SWS)
Exercises
Languages of instruction German, English
Duration (semesters) 1 Semester Semester
Module frequency jedes Wintersemester
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
Vertiefendes Modul der 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 Bearbeitung 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 Winter semester No %
Course 2 Winter semester No %
Course 3 Winter semester No %
Course 4 Winter semester No %