• Prof. Dr. Cornelia Sigges

• Prof. Dr. Andreas Peter Dominik
• Prof. Dr. Cornelia Sigges

Keine

Keine

Die Bioinformatik unterliegt einer Vielzahl unterschiedlichster Datentypen. Das Modul vermittelt die Fähigkeiten und Kenntnisse, diese Daten darzustellen, zu beschreiben und zu analysieren. Dabei wird auch die Anwendung von maschinellem Lernen in der Bioinformatik behandelt.

Alle gelisteten Inhalte beziehen sich auf die biologischen bzw. bioinformatischen Anwendungen:

• Grundlagen R
• Datenvisualisierung
• Datenmanagement & -analyse (dplyr, tidyr)
• Hypothesentests
• Normalisierung & Aufbereitung von Daten
• Zusammenhänge von Daten/Merkmalen detektieren und modellieren
• Klassifizierungsalgorithmen (z.B. Entscheidungsbäume, Random Forest)
• Clusterverfahren

Als Programmiersprachen werden in dem Modul R und Python eingesetzt, dabei wird eine Einführung in R im Kurs gegeben.

Fachkompetenzen

• Die Studierenden können die grundlegenden biologischen Datenquellen und deren Bedeutung benennen und beschreiben.
• Sie können zwischen unterschiedlichen biologischen Fragestellungen und deren Lösungen differenzieren.
• Sie können gängige Verfahren der Data Science (inkl. Maschinellem Lernen) aufzählen und können deren Stärken und Schwächen erläutern.

Methodenkompetenzen (fachlich & überfachlich)

• Die Studierenden können biologische Daten verarbeiten, analysieren und visualisieren, z.B. mit der Programmiersprache R.
• Sie können Data-Science-Methoden (einschließlich statistischer Tests und Methoden des maschinellen Lernens) auf biologische Daten anwenden.
• Sie können für eine gegebene biologische Fragestellung die richtige Analysemethode bestimmen und anwenden.

Sozialkompetenzen

• Die Studierenden können in Teams zusammenarbeiten.
• Sie können ihre Ergebnisse präsentieren und bewerten.
• Sie können Ergebnisse und ihre Schlussfolgerungen auf der Grundlage von biologischen und statistischen Prinzipien diskutieren.

Selbstkompetenzen

• Die Studierenden können unabhängig arbeiten und Probleme selbstständig lösen.
• Sie können sich in neue biologische Themen einarbeiten.
• Sie sind in der Lage, Ergebnisse kritisch zu bewerten und Schwachstellen in der Analyse zu identifizieren.

• 6 CrP
• Arbeitsaufwand 180 Std.
• Präsenzzeit 60 Std.
• Selbststudium 120 Std.

• 4 SWS
• Seminaristischer Unterricht 2 SWS
• Praktikum 2 SWS

• Bioinformatik (B.Sc. 2022)

Ja

Bonuspunkte werden gemäß § 9 (4) der Allgemeinen Bestimmungen vergeben. Art und Weise der Zusatzleistungen wird den Studierenden zu Veranstaltungsbeginn rechtzeitig und in geeigneter Art und Weise mitgeteilt.

Prüfungsvorleistung:

Hausübungen (Anzahl wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

Prüfungsleistung:

Klausur oder mündliche Prüfung (Art der Prüfungsleistung wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

• Shahbaba, B.: Biostatistics with R. An Introduction to Statistics through biological data. Springer.
• Moses, A.: Statistical Modeling and Machine Learning for Molecular Biology. CRC Press.