MLU
INF.02853.07 - Statistische Mustererkennung in DNA-Sequenzen (Vollständige Modulbeschreibung)
Originalfassung Englisch
INF.02853.07 5 CP
Modulbezeichnung Statistische Mustererkennung in DNA-Sequenzen
Modulcode INF.02853.07
Semester der erstmaligen Durchführung
Fachbereich/Institut Institut für Informatik
Verwendet in Studiengängen / Semestern
  • Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Akkreditierungsfassung (WS 2013/14 - SS 2015) > Wahlmodule Nutzpflanzen
  • Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Akkreditierungsfassung (WS 2015/16 - SS 2018) > Wahlmodule Nutzpflanzen
  • Agrarwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft AgrarwissenschaftenMA120, Akkreditierungsfassung (WS 2018/19 - SS 2020) > Wahlmodule Nutzpflanzen
  • Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Akkreditierungsfassung (WS 2009/10 - SS 2016) > Bioinformatik
  • Bioinformatik (MA120 LP) (Master) > Bioinformatik BioinformatikMA120, Akkreditierungsfassung (WS 2016/17 - WS 2022/23) > Bioinformatik (HI)
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung (WS 2006/07 - SS 2013) > Primärmodule
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung (WS 2013/14 - SS 2016) > Vertiefende Module der Vertiefungsrichtung `Bioinformatik`
  • Informatik (MA120 LP) (Master) > Informatik InformatikMA120, Akkreditierungsfassung (WS 2016/17 - WS 2022/23) > Vertiefende Module der Vertiefungsrichtung `Bioinformatik`
  • Nutzpflanzenwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Akkreditierungsfassung gültig ab WS 2018/19 > Wahlpflichtmodule
  • Nutzpflanzenwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Akkreditierungsfassung (WS 2009/10 - SS 2015) > Wahlpflichtmodule Masterstudiengang ”Nutzpflanzenwissenschaften”
  • Nutzpflanzenwissenschaften (MA120 LP) (Master) > Agrarwissenschaft/Landwirtschaft Nutzpflanzenwiss.MA120, Akkreditierungsfassung (WS 2015/16 - SS 2018) > Wahlpflichtmodule
Modulverantwortliche/r
Weitere verantwortliche Personen
Prof. Dr. Ivo Große
Teilnahmevoraussetzungen
Statistische Datenanalyse und Maschinelles Lernen in der Bioinformatik II (Besuch)
Kompetenzziele
  • 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.
Modulinhalte
  • EM-Algorithmus, Baum-Welch-Algorithmus für Hidden Markov Modelle, Gibbs-Sampling-Algorithmus
  • Erkennung von Spleißstellen
  • Erkennung von cis-Elementen und cis-regulatorischen Modulen
Lehrveranstaltungsformen Vorlesung (2 SWS)
Kursus
Übung (2 SWS)
Übung
Unterrichtsprachen Deutsch, Englisch
Dauer in Semestern 1 Semester Semester
Angebotsrhythmus Modul jedes Wintersemester
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
Hinweise
Vertiefendes Modul der Vertiefungsrichtung Bioinformatik
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 Bearbeitung 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
mündl./schriftl./elektron. Prüfung
Wiederholungsprüfung
Regularien Teilnahme­voraussetzungen Angebots­rhythmus Anwesenheits­pflicht Gewicht an Modulnote in %
LV 1 Wintersemester Nein %
LV 2 Wintersemester Nein %
LV 3 Wintersemester Nein %
LV 4 Wintersemester Nein %