790384 Machine learning and pattern recognition for bioinformatics (in Eng.)

Art
Vorlesung und Übung
Semesterstunden
3
Vortragende/r (Mitwirkende/r)
Sykacek, Peter
Organisation
Angeboten im Semester
Sommersemester 2025
Unterrichts-/ Lehrsprachen
Englisch
Lehrinhalt

Einführung in Datenanalyse mit Methoden aus dem Bereich des maschinellen Lernens und der Mustererkennung.

1) Theorie:
1.1) Kurze Einführung in Python 3, numpy und pandas.
1.2) Klassifikation von Problemen und Auswahl geeigneter Datenanalysemethoden.
1.3) Überwachte Lernalgorithmen zur Modellierung diskreter und kontinuierlicher Zielvariablen und deren Bezug zu statistischen Modellen.
1.4) Unüberwachte Lernalgorithmen zur explorativen Datenanalyse.
1.5) Methoden zur Modelldiagnose und Auswahl.
1.6) Anwendungsbeispiele von Methoden des maschinellen Lernens und der Mustererkennung in der Bioinformatik an Hand der Python 3 Bibliothek scikit.learn.

2) Praxis:
Anwendung der theoretisch vermittelten Kenntnisse an praktischen Beispielen aus dem bioinformatischen Umfeld unter der Verwendung der Python 3 machine learning Bibliothek scikit.learn.
Inhaltliche Voraussetzungen (erwartete Kenntnisse)

Grundkenntnisse in Bioinformatik und Computational Biology, die in den Pflichtlehrveranstaltungen der biotechnologischen Bachelor und Master Curricula vermittelt werden.
Lehrziel

Der erfolgreiche Abschluss der Lehrveranstaltung erlaubt es den AbsolventInnen Datenanalysen, die in bio(techno)logischen Versuchslabors anfallen, mit Methoden des maschinellen Lernens selbständig durchzuführen. AbsolventInnen kennen nach dem Besuch der Vorlesung die mathematischen und statistischen Grundlagen des maschinellen Lernens und haben einen Einblick in wichtige Werkzeuge aus den Python 3 Bibliotheken numpy, pandas und scikit.learn. Darüber hinaus können AbsolventInnen Datenanalyseaufgaben in Python 3 scripten, die Qualität ermittelter Lösungen quantitativ abschätzen und im bioinformatischen Kontext vorgeschlagene bzw. publizierte Datenanalysestrategien kritisch hinterfragen.
Noch mehr Informationen zur Lehrveranstaltung, wie Termine oder Informationen zu Prüfungen, usw. finden Sie auf der Lehrveranstaltungsseite in BOKUonline.