Lehrinhalte
[list]
[*]Einführung in die hoch-dimensionale Statistik (regularisierte Regression und Klassifikation, probabilistische graphische Modelle, Konzentrationsungleichungen)
[*]Analyse und Visualisierung hoch-dimensionaler Daten (multi-dimensionale Skalierung, Hauptkomponentenanalyse, nichtlineare Einbettungsverfahren mit tiefen neuronalen Netzen, tSNE, UMAP)
[*]Datengetriebene Rekonstruktion molekularer Interaktionsnetzwerke (Bayes’sche Netze, Lösung Gauߒscher graphischer Modelle, Kausalitätsanalyse)
[*]Verdeckte Markov Modelle / HMMs (Vorwärts-Rückwärts Algorithmus, Baum-Welch / EM Algorithmus, Viterbi Algorithmus, profile-HMMs, pair-HMMs für Sequenzabgleich)
[*]Markov-Modelle für die Beschreibung biochemischer Reaktionsnetzwerke
[*]Elementare Algorithmen zur Protein- und RNA-Faltung (Gleichungen der Molekulardynamik, gängige Simulatoren und Kraftfelder, Algorithmen zur Sekundärstrukturberechnung von RNA Molekülen)
[*]Algorithmen zur automatischen Analyse biomolekularer Bilddaten (z.B. Fluoreszenzmikroskopie, Tracking und Segmentierung von Zellen)
[/list]

Voraussetzungen
Bioinformatik I

Online-Angebote
moodle

Semester: WiSe 2022/23