Bioinformatik
Gesamtes Lehrangebot der Bioinformatik
E61a-
Gesamtes Lehrangebot der Bioinformatik
E61aA1.1-
19000546
Mentorium
Mentoring (Ulrike Seyferth)
Zeit: -
Ort: keine Angabe
Kommentar
Das Mentoringprogramm bietet Veranstaltungen und Beratungsangebote vor allem (aber nicht nur!) für Studienanfänger*innen an. Alle Angebote sind freiwillig und können in der Regel ohne vorherige Anmeldung besucht werden.
Meldet euch einfach im Whiteboard zum Mentoringkurs (19000546) an, dann bekommt ihr immer alle Infos und könnt selbst entscheiden, was für euch interessant ist!
Weitere Infos findet ihr auf den Seiten des Studentischen Beratungszentrums.
Wenn ihr Fragen oder Wünsche habt, wendet euch an uns!
Eure Mentor*innen der Mathematik, Informatik und Bioinformatik
-
19200501
Vorlesung
Computerorientierte Mathematik I (5 LP) (Ralf Kornhuber, Claudia Schillings)
Zeit: Fr 12:00-14:00 (Erster Termin: 18.10.2024)
Ort: T9/Gr. Hörsaal (Takustr. 9)
Kommentar
Inhalt:
Computer spielen heute in (fast) allen Lebenslagen eine wichtige Rolle. Die Computerorientierte Mathematik vermittelt grundlegende Kenntnisse im Umgang mit Rechnern zur Lösung mathematischer Probleme und eine Einführung in das algorithmische Denken. Gleichzeitig wird aber auch typische mathematische Software wie Matlab und Mathematica eingeführt. Die nötige Motivation für die betrachteten Fragestellungen liefern einfache Anwendungsbeispiele aus den angesprochenen Fächern. Der Inhalt es ersten Teils umfasst fundamentale Begriffe des numerischen Rechnens: Zahlendarstellung und Rundungsfehler, Kondition, Effizienz und Stabilität.Homepage: Alle aktuellen Informationen zu Vorlesung und Übungen
Literaturhinweise
Literatur: R. Kornhuber, C. Schuette, A. Fest: Mit Zahlen Rechnen (Skript zur Vorlesung)
-
19200502
Übung
Übung zu Computerorientierte Mathematik I (André-Alexander Zepernick)
Zeit: Mo 08:00-16:00 (Erster Termin: 14.10.2024)
Ort: A3/SR 119 (Arnimallee 3-5)
-
19200541
Zentralübung
Zentralübung zu Computerorientierte Mathematik I (5 LP) (André-Alexander Zepernick)
Zeit: Fr 14:00-16:00 (Erster Termin: 18.10.2024)
Ort: A6/SR 031 Seminarraum (Arnimallee 6)
-
19234810
Proseminar
Frauen in der Geschichte der Mathematik und Informatik (N.N.)
Zeit: -
Ort: keine Angabe
Zusätzl. Angaben / Voraussetzungen
Für MathematikerInnen und InformatikerInnen im Monobachelor als ABV anrechenbar!
Kommentar
Im Zentrum des Seminars steht die Erarbeitung und Wiederentdeckung der Lebensgeschichten und des Wirken einiger bedeutender Mathematikerinnen und Informatikerinnen im 19. und 20. Jahrhundert. Betrachtet werden z.B. das Leben und Werk von Sophie Germaine (1776-1831), Ada Lovelace (1815-1852), Sonja Kovalevskaya (1850-1891), Emmy Noether (1882-1935), Ruth Moufang (1905-1977), Grace Murray Hopper (1906-1992) und weiterer Wissenschaftlerinnen.
Im Seminar geht es nicht darum, diese Frauen als Ausnahmeerscheinung hervorzuheben, denn dies würde sie lediglich auf ihren Exotinnenstatus festschreiben. Es geht vielmehr um eine historische Kontextualisierung deren Leben und Werk. Dies ermöglicht nicht nur eine exemplarische Auseinandersetzung mit gesellschaftlichen wie fachkulturellen Inklusions- und Exklusionsprozessen entlang der Kategorie Geschlecht, sondern auch die Entwicklung neuer Sichtweisen auf die tradierte Kulturgeschichte beider Disziplinen. Das Seminar basiert auf dem Ansatz eines forschenden oder entdeckenden Lernens, d.h. die Studierenden werden selbständig in Gruppenarbeiten einzelne Seminarthemen vorbereiten und präsentieren. Diese Präsentationen werden dann im Seminar diskutiert. Durch den Einsatz von Beobachtungsbögen soll zudem eine Feedbackkultur erprobt werden, die im späteren Berufsalltag im Umgang mit SchülerInnen und/oder KollegInnen hilfreich ist.
-
19300001
Vorlesung
Konzepte der Programmierung (Wolfgang Mulzer)
Zeit: Mo 14:00-16:00, Mi 12:00-14:00 (Erster Termin: 14.10.2024)
Ort: , Gr. Hörsaal (Raum B.001), Hs Anorganik
Kommentar
Qualifikationsziele
Die Studierenden erklären2 verschiedene Programmierparadigmen und stellen diese gegenüber4. Sie interpretieren2 Beschreibungen und Quelltexte zu elementaren Datenstrukturen und charakterisieren4 deren Funktionsweise und implementieren3 elementare Algorithmen und Datenstrukturen in verschiedenen Programmierparadigmen und passen diese an unterschiedliche Anforderungen an5. Sie diskutieren6 Vor- und Nachteile verschiedener Lösungen von algorithmischen Problemen.
Inhalte
Studierende erlernen die Grundlagen des Programmierens und grundlegende Programmierparadigmen wie Imperativ und Funktional. Sie erarbeiten sich Ausdrücke und Datentypen und grundlegende Aspekte Imperativer Programmierung (Zustand, Anweisungen Kontrollstrukturen, Ein-Ausgabe) und üben deren Anwendung. Die Studierenden erarbeiten sich grundlegende Aspekte der Funktionalen Programmierung (Funktionen, Rekursion, Funktionen höherer Ordnung, Currying), und Objektorientierte Konzepte wie Kapselung und Vererbung, Polymorphie, sowie Grundlegende Algorithmische Fragestellungen (z. B. Suchen, Sortieren, Auswählen und einfache Feld- und Zeigerbasierte Datenstrukturen) und üben deren Implementierung.
-
19300002
Übung
Übung zu Konzepte der Programmierung (N.N.)
Zeit: Mo 08:00-10:00, Mo 10:00-12:00, Mo 12:00-14:00, Mo 16:00-18:00, Di 08:00-10:00, Di 10:00-12:00, Di 12:00-14:00, Di 16:00-18:00, Mi 10:00-12:00 (Erster Termin: 14.10.2024)
Ort: T9/053 Seminarraum (Takustr. 9)
Kommentar
Tutorien finden erst ab der 2. Vorlesungswoche statt
-
19300901
Vorlesung
Diskrete Strukturen für Informatik (Katharina Klost)
Zeit: Di 14:00-16:00, Do 14:00-16:00 (Erster Termin: 15.10.2024)
Ort: Elisabeth-Schiemann-Hörsaal (R 014) (Königin-Luise-Str. 12 / 16)
Kommentar
Qualifikationsziele
Die Studierenden formulieren3 Aussagen formal aussagenlogisch und prädikatenlogisch. Sie analysieren4 und vereinfachen3 die logische Struktur gegebener Aussagen und beschreiben4 die logische Struktur von Beweisen. Sie benennen Eigenschaften unterschiedlicher Mengen, Relationen und Funktionen und begründen4 diese mit Hilfe formaler Argumente. Sie können Beweise für elementare Aussagen unter Verwendung elementarer Beweistechniken entwickeln5 und die Mächtigkeit von Mengen mit Hilfe kombinatorischer Techniken sowie Wahrscheinlichkeiten von Zufallsereignissen bestimmen3. Sie sind in der Lage, Fragestellungen der (Bio-)Informatik mit Hilfe der Graphentheorie und der diskreten Wahrscheinlichkeitstheorie zu modellieren.3. Die Studierenden benennen Eigenschaften unterschiedlicher Graphen und begründen4 diese mit Hilfe formaler Argumente.
Inhalte
Studierende erlernen grundlegende Konzepte der Mengenlehre, Logik, Booleschen Algebra, Kombinatorik und Graphentheorie und üben deren Anwendung. Sie erarbeiten sich in der Mengenlehre Mengen, Relationen, Äquivalenz- und Ordnungsrelationen und Funktionen. Im Bereich der Logik und Booleschen Algebra erarbeiten sie sich Aspekte der Aussagenlogik, Prädikatenlogik, Erfüllbarkeitstests, sowie Boolesche Funktionen und Normalformen. Im Themenfeld Kombinatorik erlernen und diskutieren sie das Schubfachprinzip, Rekursion, Abzählprinzipien, Fakultät und Binomialkoeffizienten. Im Themenfeld Graphentheorie erarbeiten sie Repräsentationsformen, Wege, Kreise und Bäume. Zuletzt erarbeiten sie sich verschiedene Beweistechniken und grundlegende Aspekte Diskreter Wahrscheinlichkeitstheorie. Die meisten dieser Konzepte werden an Rechen- oder Beweisaufgaben geübt.
-
19300902
Übung
Übung zu Diskrete Strukturen für Informatik (Katharina Klost)
Zeit: Di 12:00-14:00, Mi 10:00-12:00, Mi 14:00-16:00, Do 16:00-18:00 (Erster Termin: 15.10.2024)
Ort: T9/055 Seminarraum (Takustr. 9)
-
19301101
Vorlesung
Analysis für Informatik und Bioinformatik (Katinka Wolter)
Zeit: Mi 10:00-12:00, Fr 10:00-12:00 (Erster Termin: 16.10.2024)
Ort: T9/Gr. Hörsaal (Takustr. 9)
Zusätzl. Angaben / Voraussetzungen
Freischaltung der Anmeldung zu Tutorien wird rechtzeitig bekanntgegeben.
Kommentar
Inhalt:
- Aufbau der Zahlenbereiche von den natürlichen bis zu den reellen Zahlen, Vollständigkeitseigenschaft der reellen Zahlen
- Polynome, Nullstellen und Polynominterpolation
- Exponential- und Logarithmusfunktion, trigonometrische Funktionen
- Komplexe Zahlen, komplexe Exponentialfunktion und komplexe Wurzeln
- Konvergenz von Folgen und Reihen, Konvergenz und Stetigkeit von Funktionen, O-Notation
- Differentialrechnung: Ableitung einer Funktion, ihre Interpretation und Anwendungen
- Intergralrechnung: Bestimmtes und unbestimmtes Integral, Hauptsatz der Differential- und Intergralrechnung, Anwendungen
- Potenzreihen
- Grundlagen der Stochstik: Wahrscheinlichkeitsräume, diskrete und stetige Zufallsvariable, Erwartungswert und Varianz
Literaturhinweise
- Kurt Meyberg, Peter Vachenauer: Höhere Mathematik 1, Springer-Verlag, 6. Auflage 2001
- Dirk Hachenberger: Mathematik für Informatiker, Pearson 2005
- Peter Hartmann: Mathematik für Informatiker, Vieweg, 4. Auflage 2006
- Thomas Westermann: Mathematik für Ingenieure mit Maple 1, Springer-Verlag, 4. Auflage 2005
-
19301102
Übung
Übung zu Analysis für Informatik (Katinka Wolter)
Zeit: -
Ort: keine Angabe
-
19301201
Vorlesung
Grundlagen der theoretischen Informatik (Katharina Klost, Wolfgang Mulzer)
Zeit: Mo 10:00-12:00, zusätzliche Termine siehe LV-Details (Erster Termin: 14.10.2024)
Ort: T9/Gr. Hörsaal (Takustr. 9)
Kommentar
Inhalt:
- Theoretische Rechnermodelle
- Automaten
- formale Sprachen
- Grammatiken und die Chomsky-Hierarchie
- Turing-Maschinen
- Berechenbarkeit
- Einführung in die Komplexität von Problemen
Literaturhinweise
- Uwe Schöning, Theoretische Informatik kurzgefasst, 5. Auflage, Spektrum Akademischer Verlag, 2008
- John E. Hopcroft, Rajeev Motwani, Jeffrey D. Ullman, Einführung in die Automatentheorie, Formale Sprachen und Komplexität, Pearson Studium, 3. Auflage, 2011
- Ingo Wegener: Theoretische Informatik - Eine algorithmenorientierte Einführung, 2. Auflage, Teubner, 1999
- Michael Sipser, Introduction to the Theory of Computation, 2nd ed., Thomson Course Technology, 2006
- Wegener, Kompendium theoretische Informatik - Eine Ideensammlung, Teubner 1996
- Theoretische Rechnermodelle
-
19301202
Übung
Übung zu Grundlagen der theoretischen Informatik (Wolfgang Mulzer)
Zeit: Di 08:00-10:00, Mi 14:00-16:00, Mi 16:00-18:00 (Erster Termin: 15.10.2024)
Ort: T9/049 Seminarraum (Takustr. 9)
-
19303501
Vorlesung
Höhere Algorithmik (László Kozma)
Zeit: Di 10:00-12:00, Fr 10:00-12:00 (Erster Termin: 15.10.2024)
Ort: T9/SR 006 Seminarraum (Takustr. 9)
Zusätzl. Angaben / Voraussetzungen
Zielgruppe
alle Masterstudenten, und Bachelorstudenten, die sich in Algorithmen vertiefen wollen.
Empfohlene Vorkenntnisse
Grundkenntnisse im Bereich Entwurf und Analyse von Algorithmen
Kommentar
Es werden Themen wie:
- allgemeine Algorithmenentwurfsprinzipien
- Flussprobleme in Graphen,
- Dynamische Programmierung,
- Amortisierte Laufzeitanalyse und fortgeschrittene Datenstrukturen,
- NP-Vollständigkeit
- Approximationsalgorithmen für schwere Probleme,
- arithmetische Algorithmen und Schaltkreise sowie schnelle Fourier-Transformation
behandelt. Die Vorlesung wird in der englischen Sprache gehalten.
Literaturhinweise
- Cormen, Leiserson, Rivest, Stein: Introduction to Algorithms, 4th Ed. MIT Press 2022
- Kleinberg, Tardos: Algorithm Design, Addison-Wesley 2005.
- Sedgewick, Wayne: Algorithms, 4th Ed., Addison-Wesley 2016
-
19303502
Übung
Übung zu Höhere Algorithmik (László Kozma)
Zeit: Fr 08:00-10:00, Fr 14:00-16:00 (Erster Termin: 18.10.2024)
Ort: T9/046 Seminarraum (Takustr. 9)
-
19304801
Vorlesung
Spezielle Aspekte der Datenverwaltung: Geospatial Databases (Agnès Voisard)
Zeit: Di 14:00-16:00 (Erster Termin: 15.10.2024)
Ort: T9/055 Seminarraum (Takustr. 9)
Zusätzl. Angaben / Voraussetzungen
Zielgruppe:
Studierende im Masterstudiengang Voraussetzungen: DatenbanksystemeKommentar
Diese Vorlesung dient der Einführung in raumbezogene Datenbanken, wie sie insbesondere in geographischen Informationssystemen (GIS) Verwendung finden. Schwerpunkte sind u.a. die Modellierung raumbezogener Daten, Anfragesprachen und Optimierung sowie raumbezogene Zugriffsmethoden und Navigationssysteme ("Location-based services"). Grundwissen in Datenbanken ist erforderlich. Die Vorlesung beinhaltet Übungsblätter und Rechnerpraktika mit PostGIS.
Sonstiges: Die Vorlesung wird in englischer Sprache gehaltenLiteraturhinweise
Handouts are enough to understand the course.
The following book will be mostly used: P. Rigaux, M. Scholl, A. Voisard.Spatial Databases - With Application to GIS. Morgan Kaufmann, May 2001. 432 p. (copies in the main library) -
19304802
Übung
Übung zu Spezielle Aspekte der Datenverwaltung: Geospatial Databases (Agnès Voisard)
Zeit: Do 14:00-16:00 (Erster Termin: 17.10.2024)
Ort: T9/K 040 Multimediaraum (Takustr. 9)
-
19328301
Vorlesung
Datenvisualisierung (Claudia Müller-Birn)
Zeit: -
Ort: keine Angabe
Zusätzl. Angaben / Voraussetzungen
Kommentar
Die rasante technologische Entwicklung erfordert die Verarbeitung großer Mengen von Daten unterschiedlichster Art, um diese durch den Menschen nutzbar zu machen. Diese Herausforderung betrifft heutzutage sehr viele Bereiche des Lebens, wie der Forschung, Wirtschaft und Politik. Datenvisualisierungen werden hier dazu eingesetzt, Informationen und Zusammenhänge durch grafische Darstellung von Daten zu erklären, diese durch visuelle Analyse zu erkunden, um damit die Entscheidungsfindungen zu unterstützen. Ziel dieser Veranstaltung ist es, Studierende mit den Prinzipien, Techniken und Algorithmen der Datenvisualisierung vertraut zu machen und praktische Fertigkeiten für die Gestaltung und Implementierung von Datenvisualisierungen zu vermitteln.
Dieser Kurs soll Studierenden eine fundierte Einführung in die Grundlagen der Datenvisualisierung mit aktuellen Inhalten aus Forschung und Praxis geben. Am Ende der Veranstaltung werden die Studierenden
- ausgehend von einer Problemstellung Methoden zur Konzipierung von Visualisierungen auswählen und anwenden können,
- wesentliche theoretische Grundlagen der Visualisierung zur grafischen Wahrnehmung und Kognition kennen,
- Visualisierungsansätze und deren Vor- und Nachteile kennen und auswählen können,
- Visualisierungslösungen kritisch bewerten können, und
- praktische Fertigkeiten für die Implementierung von Visualisierungen besitzen.
Diese Veranstaltung richtet sich sowohl an Studierende, die daran interessiert sind, Datenvisualisierung in ihrer Arbeit einzusetzen, als auch an Studierende, die Visualisierungs-software entwickeln wollen. Grundkenntnisse in der Programmierung (HTML, CSS, Javascript, Python) und Datenanalyse (z.B. R) sind hilfreich.
Neben der Teilnahme an den Diskussionen in der Veranstaltung absolvieren die Studierenden mehrere Programmier- und Datenanalyseaufgaben sowie ein Abschlussprojekt, in welchem Sie eine gegebene Problemstellung lösen sollen. Von den Studierenden wird erwartet, dass sie die Ergebnisse der Aufgaben und des Projekts im Sinne der Reproduzierbarkeit dokumentieren und präsentieren.
Bitte beachten Sie, dass die Veranstaltung sich darauf konzentriert, wie Daten visuell kodiert und für die Analyse präsentiert werden, nachdem die Struktur der Daten und deren Inhalt bekannt ist. Explorative Analysemethoden zur Entdeckung von Erkenntnissen in Daten sind nicht der Schwerpunkt der Veranstaltung.
Literaturhinweise
Textbuch
Munzner, Tamara. Visualization analysis and design. AK Peters/CRC Press, 2014.
Zusätzliche Literatur
Kirk, Andy: Data visualisation: A handbook for data driven design. Sage. 2016.
Yau, Nathan: Visualize This: The FlowingData Guide to Design, Visualization, and Statistics. Wiley Publishing, Inc. 2011.
Spence, Robert: Information Visualization: Design for Interaction. Pearson. 2007.
-
19328302
Übung
Übung zu Data Visualization (Claudia Müller-Birn)
Zeit: -
Ort: keine Angabe
-
19333611
Seminar
Seminar Deep Learning for biomedical applications (Vitaly Belik)
Zeit: Mo 16:00-18:00 (Erster Termin: 14.10.2024)
Ort: T9/051 Seminarraum (Takustr. 9)
Kommentar
Recent developments in the area of machine learning due to availability of data and computational power promise to revolutionize almost every area of science. The driving technology behind this advancement is deep learning – a machine learning technology based on artificial neural networks consisting of many layers. Deep learning is capable of processing huge amount of data of different nature and already outperforming humans in many decision-making tasks. Biomedical research became now a source of large heterogeneous data, i.e. images, video, activity sensors, omics and text data. Leveraging the opportunities of this deep learning technology in the biomedical field requires particular set of skills combining thorough knowledge of necessary algorithms, specifics of biomedical data and designated programming tools. In this course we aim to offer students with background in computer science an opportunity to acquire the above skills to be able to deploy deep learning technology with a focus on biomedical applications. The course is structured as a seminar, where students under extensive guidance of instructors read fundamental books and recent research articles on deep learning, learn necessary programming tools, and produce their own implementations of computational pipelines in case studies using already published or original data. Starting from fundamental aspects of deep learning we aim to cover its applications to e.g. image data, time series data, text data, complex networks.
Literaturhinweise
[1] Andresen N, Wöllhaf M, Hohlbaum K, Lewejohann L, Hellwich O, Thöne- Reineke C, Belik V, Towards a fully automated surveillance of well-being status in laboratory mice using deep learning: Starting with facial expres- sion analysis. Plos One, 15(4):e0228059, (2020) https://doi.org/10.1371/ journal.pone.0228059
[2] Jarynowski A, Semenov A, Kamiński M, Belik V. Mild Adverse Events of Sputnik V Vaccine in Russia: Social Media Content Analysis of Telegram via Deep Learning. J Med Internet Res 2021;23(11):e30529 https://doi.org//10.2196/30529
-
19335011
Seminar
Seminar: Netzwerke, dynamische Modelle und ML für Datenintegration in den Lebenswissenschaften (Katharina Baum, Pauline Hiort, Pascal Iversen)
Zeit: Fr 12:00-13:30 (Erster Termin: 26.07.2024)
Ort: T9/137 Konferenzraum (Takustr. 9)
Kommentar
Forschungsseminar der Arbeitsgruppe Data Integration in the Life Sciences (DILiS). Auch offen für Seminarteilnahmen im Masterstudium, Online-Teilnahme möglich. Bitte entnehmen Sie Termine dem aktuellen Plan im Whiteboard!
Das Seminar bietet Raum für die Diskussion weiterführender und integrativer Datenanalysetechniken, insbesondere Vorträge und Diskussion von laufenden oder geplanten Forschungsprojekten, Neuigkeiten von Konferenzen, Besprechung aktueller Literatur und Diskussion möglicher zukünftiger Lehrformate und -inhalte, und Vorstellungen, sowie Abschlussvorträge zu Abschlussarbeiten oder Projektseminaren. Die Seminarsprache ist weitestgehend Englisch. Gern können interessierte Studierende teilnehmen und unverbindlich vorbeischauen oder ein selbst gewähltes Thema von Interesse für die Arbeitsgruppe vorstellen. Achtung: Einzelne Termine können ausfallen oder verschoben werden. Kontaktieren Sie mich gern für Fragen (katharina.baum@fu-berlin.de)!
-
19336717
Seminar/Proseminar
Graph-neural networks in the life sciences and beyond (Katharina Baum, Pauline Hiort, Pascal Iversen)
Zeit: Di 12:00-14:00 (Erster Termin: 15.10.2024)
Ort: A6/SR 009 Seminarraum (Arnimallee 6)
Kommentar
Komplexe Daten lassen sich oft auf natürliche Weise als Graphen modellieren. Graphen oder Netzwerke beschreiben die Interaktion zwischen Objekten und sind ein wirksames Instrument zur Darstellung von Systemen in vielen Anwendungen. Graphneuronale Netze sind neuronale Netze, die Graphstrukturen direkt verarbeiten, und haben sich in letzter Zeit als leistungsfähiges Werkzeug zur Analyse von Netzwerken und zur Vorhersage von Eigenschaften von Knoten und Verbindungen erwiesen.
Dieses Seminar bietet eine eingehende Untersuchung von Graph Neural Networks (GNNs) und deren Anwendungen in verschiedenen Bereichen, mit besonderem Schwerpunkt auf den Biowissenschaften und der Biomedizin. Wir werden zunächst die grundlegenden Konzepte und Architekturen von GNNs erörtern, darunter Graph Convolutional Networks (GCNs) und Graph Attention Networks (GATs). Zu den besprochenen Anwendungen gehören Protein-Protein-Interaktionsnetzwerke, Pharmaforschung und personalisierte Medizin. Die Studierenden werden Forschungsarbeiten lesen und präsentieren und an kritischen Diskussionen teilnehmen.
Die Sprache dieses Seminars ist Englisch. Die Studierenden sind ermutigt, auf Englisch zu präsentieren und zu diskutieren, aber Beiträge auf Deutsch sind auch möglich.
-
19336801
Vorlesung
Integrative Analyse lebenswissenschaftlicher Daten und Einbeziehung von Vorwissen (Katharina Baum, Pauline Hiort, Pascal Iversen)
Zeit: Mi 10:00-12:00 (Erster Termin: 16.10.2024)
Ort: A6/SR 007/008 Seminarraum (Arnimallee 6)
Kommentar
Gerade in den Lebenswissenschaften liegen für eine Fragestellung oft Daten verschiedener Herkunft vor, und die Forschung hat bereits Vorwissen, wie zum Beispiel zu dynamischen Aspekten, oder räumlichen bzw. regulatorischen Beziehungen zwischen Entitäten. Diese Veranstaltung beschäftigt sich mit Analyse-Methoden, die verschiedene Daten und Vorwissen kombinieren können. Dabei geht es zum Beispiel grundlegend um die Verknüpfung von kontinuierlichen und kategorischen Daten in gemischten Modellen, aber auch Netzwerkintegration und multi-faktorielle Matrixmultiplikation. Ein Schwerpunkt liegt zudem auf verschiedenen Ansätzen des informierten maschinellen Lernens wie zum Beispiel graph-neuronalen Netzwerke, Transferlernen oder aktuellen Verfahren aus der Forschung wie simulationsbasiertes Vortrainieren. Der Fokus liegt dabei explizit nicht auf der Verarbeitung von Bildern, sondern tabellarischer oder anderweitiger Daten. Die Veranstaltungsprache ist Englisch, aber Übungsaufgaben und Fragen können auch auf Deutsch beigetragen werden.
-
19336802
Übung
Übung zu Integrative Analyse lebenswissenschaftlicher Daten und Einbeziehung von Vorwissen (Katharina Baum)
Zeit: Fr 10:00-12:00 (Erster Termin: 18.10.2024)
Ort: T9/046 Seminarraum (Takustr. 9)
-
19400001
Vorlesung
Algorithmische Bioinformatik I und Numerik (Knut Reinert)
Zeit: Do 12:00-14:00 (Erster Termin: 17.10.2024)
Ort: T9/SR 005 Übungsraum (Takustr. 9)
Kommentar
In der Vorlesung werden folgende Inhalte behandelt: Methoden der approximativen Sequenzsuche und des Sequenzvergleiches. Unter anderem, indexbasierte Suchen, multiple Suchen und Heuristiken zur Sequenzsuche. Im Bereich Numerik werden Rundungsfehler, Kondition, Stabilität, Vektor- und Matrixnormen sowie das Gauss-Verfahren und die LR Zerlegung behandelt.
In den Übungen werden die erarbeiteten Inhalte vertieft und Analyse- und Beweistechniken eingeübt.
Das Modul "Praxis der Algorithmischen Bioinformatik I und Numerik" (19401330) ist dieser Lehrveranstaltung angegliedert. Bitte informieren Sie sich auch auf der dortigen Seite!
Literaturhinweise
Generelle Bücher/Basic reading:
- Neil C. Jones, Pavel A. Pevzner: An Introduction to Bioinformatics Algorithms. MIT Press, Cambridge, MA, 2004. ISBN 0-262-10106-8
- R. Durbin, S. Eddy, A. Krogh, G. Mitchison: Biological sequence analysis. Cambridge University Press, 1998. ISBN 0-521-62971-3
- David B. Mount: Bioinformatics. Sequence and Genome Analysis. Cold Spring Harbor Laboratory Press, New York, 2001. ISBN 0-87969-608-7
- Chao, Zhang: Sequence comparison, Theory and Methods: Springer, ISBN: 978-1-85800-319-4
-
19400002
Übung
Übung zu Algorithmische Bioinformatik I und Numerik (Knut Reinert)
Zeit: Di 10:00-12:00, Di 12:00-14:00, Do 14:00-16:00 (Erster Termin: 15.10.2024)
Ort: A6/SR 007/008 Seminarraum (Arnimallee 6)
-
19400432
Forschungspraktikum
Forschungspraktikum Bioinformatik (Priyanka Banerjee, Tim Conrad, Dorothee Günzel, Katharina Jahn, Camila Mazzoni, Irmtraud Meyer, Frank Noe, Robert Preissner, Knut Reinert, Bernhard Renard, Martin Vingron, Max von Kleist, Jana Wolf)
Zeit: -
Ort: keine Angabe
Kommentar
Thema bitte individuell mit einem Betreuer absprechen.
Weitere Informationen: s. Homepage Bioinformatik
-
19401201
Vorlesung
Algorithmische Bioinformatik (Katharina Jahn, Knut Reinert, Martin Vingron)
Zeit: Di 14:00-16:00, Do 14:00-16:00 (Erster Termin: 15.10.2024)
Ort: T9/SR 005 Übungsraum (Takustr. 9)
Kommentar
Inhalt:
- Fortgeschrittene Algorithmen für paarweises und multiples Alignment
- Praktische Datenbanksuchalgorithmen und Filterverfahren
- Statistische Signifikanz von Sequenzähnlichkeit und Ergebnissen von Datenbanksuchen
- Statistische Signalanalyse mittels (hidden) Markov Models, Anwendungen in Mustersuche und Genvorhersage
- Algorithmen zur Rekonstruktion phylogenetischer Bäume
- Algorithmen zur Kartierung und Sequenzierung von Genomen
- Algorithmen zur RNA-Strukturvorhersage und RNA-Vergleich
- Modelle und Algorithmen zur Proteinstruktur-Analyse
- Auswertung von Daten aus aktuellen Technologien der funktionellen Genomik
-
19401202
Übung
Übung zu Algorithmische Bioinformatik (Katharina Jahn)
Zeit: Di 12:00-14:00, Mi 10:00-12:00, Do 10:00-12:00 (Erster Termin: 15.10.2024)
Ort: A3/SR 119 (Arnimallee 3-5)
-
19401230
Praktikum
Praktikum zu Algorithmische Bioinformatik (Katharina Jahn, Svenja Mehringer)
Zeit: -
Ort: keine Angabe
-
19401330
Praktikum
Praxis der Algorithmischen Bioinformatik I und Numerik (Chris Bielow)
Zeit: Mo 10:00-12:00, Mo 12:00-14:00, Mo 14:00-16:00, Mo 16:00-18:00, Di 12:00-14:00, Di 14:00-16:00 (Erster Termin: 14.10.2024)
Ort: A6/017 Frontalunterrichtsraum (Bioinf) (Arnimallee 6)
Kommentar
Dieses Praktikum ist ein eigenes Modul, aber der gleichnamigen Vorlesung und Übung angegliedert. Zunächst wird eine Einführung in Programmierwerkzeuge und die verwendete Programmiersprache (C++) gegeben. Danach werden programmiertechnische Fertigkeiten anhand der in der Vorlesung besprochenen Algorithmen erklärt und vermittelt.
Vorkenntnisse
- Linux Kommandozeile; z.B. Shellkurs vom Mentoring
- C++ Basiswissen (C++ Blockkurs in der VL-freien Zeit vor und nach dem 3. Fachsemester)
Vorraussetzungen für erfolgreiches Bestehen
Aktive Teilnahme: 70% aller Punkte aus den sieben Programmieraufgaben
Modulprüfung: 2 bestandene Code Reviews
Regelmäßige Teilnahme.
Aufbau und Ablauf
Vorlesung und Tutorium (drei mögliche Slots für kleinere Gruppen, von denen pro Student nur einer belegt werden muss) finden im Wechsel jeweils Montags statt. Am Tag der Vorlesung wird ein Übungszettel ausgegeben. Dazu können in der folgenden Woche im Tutorium Fragen gestellt werden. Danach Abgabe in 2-er Gruppen bis Mittwoch um 12:00 Uhr (Mittag), d.h. 9 Tage Bearbeitungszeit.
Code Reviews
Montag im Tutorium werden aus allen Praktikumsteilnehmern zufällig (?) Personen für ein individuelles Code Review des aktuellen Übungszettels gezogen (unabhängig von den 2-er Gruppen), welche am darauf folgenden Freitag vormittag ihren Code erklären müssen. Im Laufe der gesamten Veranstaltung wird jeder Teilnehmer 2 Code Reviews absolvieren.
-
19402433
Berufspraktikum
Berufspraktikum für Bioinformatik (N.N.)
Zeit: -
Ort: keine Angabe
Kommentar
Zielgruppe:
Studierende im Bachelorstudiengang Bioinformatik
Das Berufspraktikum soll nicht vor dem 3. Semester absolviert werden, empfohlen ist die Zeit zwischen 4. und 5. Semester.
Weitere Informationen:
http://www.mi.fu-berlin.de/bioinf/stud/bachelor/abv/berufspraktikum/index.html
-
19402911
Seminar
Journal Club Computational Biology (Knut Reinert)
Zeit: Mo 14:00-16:00 (Erster Termin: 14.10.2024)
Ort: T9/053 Seminarraum (Takustr. 9)
Zusätzl. Angaben / Voraussetzungen
Zielgruppe:
Master- und PhD-Student*inn*en
Kommentar
Inhalt:
In diesem Seminar werden aktuelle Forschungsarbeiten der Bioinformatik sowie die Fortschrittsberichte der PhD-Student*inn*en vorgestellt. Master-Student*inn*en stellen entweder einen ihnen zugewiesenen Zeitschriftenartikel oder ihre Masterarbeit vor oder sie berichten über ihr Forschungspraktikum. Credits werden nur für die Präsentation von Artikeln vergeben.
Anmeldungen bitte über Whiteboard ("Site Browser" aufrufen und nach Journal Club suchen).
Literaturhinweise
aktuelle Publikationen aus der Forschung
-
19403720
Kurs
Einführung in C++ (Sandro Andreotti, Chris Bielow)
Zeit: Termine siehe LV-Details (Erster Termin: 30.09.2024)
Ort: T9/K 036 Rechnerpoolraum (Takustr. 9)
Zusätzl. Angaben / Voraussetzungen
Diese Veranstaltung richtet sich in erster Linie an Studierende der Bioinformatik (als Vorbereitung auf das Modul "Algorithmen und Datenstrukturen" im dritten Fachsemester) Informatikstudierende dürfen ebenfalls teilnehmen sofern Plätze frei sind.
Kommentar
Zeitraum
- Eine Woche vor Semesterbeginn (i.d.R. die Woche direkt vor Beginn der Vorlesungszeit)
- Zwei Wochen nach der Vorlesungszeit (Ende Februar/Anfang März)
Details im Whiteboardkurs. Bitte rechtzeitig anmelden!
Ablauf
Der Kurs wird als zweigeteilter Blockkurs über insgesamt drei Wochen abgehalten. Eine Woche findet vor der Vorlesungszeit und zwei Wochen finden nach der Vorlesungszeit statt. Jeden Tag gibt es zunächst eine zweistündige, theoretische Einführung. Anschließend wird in einer doppelstündigen Übung die Theorie in die Praxis umgesetzt, (in der Form von Programmieraufgaben). Der Kurs richtet sich an Studierende mit wenigen oder keinen Vorkenntnissen in C++. Vorkenntnisse über objektorientierte Programmierung werden vorausgesetzt.
Inhalte (vorläufige Planung)
1.Woche: Grundlagen
- Grundlegende Sprachelemente
- Erstellung einfacher Programme
- Compiler / Linker
- Datentypen
- STL
- IO
- ...
2. Woche: Vertiefung
- Objektorientierung
- Templates
3. Woche: Gemischte Themen
- Parallelisierung
- Lambda expressions
- rValue Referenzen
- ....
-
19404070
Begrüßungs- und Abschlussveranstaltung
Begrüßungsveranstaltung für Masterstudierende der Bioinformatik (Ulrike Seyferth)
Zeit: Mo 14.10. 14:00-16:00 (Erster Termin: 14.10.2024)
Ort: T9/SR 005 Übungsraum (Takustr. 9)
Kommentar
Diese Veranstaltung richtet sich an Masterstudierende im ersten Semester, insbesondere an solche, die von anderen Universitäten oder aus dem Ausland zu uns gekommen sind. Es werden organisatorische und inhaltliche Informationen über das Studium gegeben, anschließend ist ein inoffizieller Teil zum Kennenlernen und zum Erfahrungsaustausch geplant.
-
19404611
Seminar
Open science, data handling and ethical aspects in bioinformatics (Thilo Muth)
Zeit: Do 14:00-16:00 (Erster Termin: 17.10.2024)
Ort: T9/051 Seminarraum (Takustr. 9)
Kommentar
Siehe englische Beschreibung
-
19404901
Vorlesung
Foundations in Computer Science (Knut Reinert)
Zeit: Di 10:00-12:00 (Erster Termin: 15.10.2024)
Ort: A6/SR 032 Seminarraum (Arnimallee 6)
Kommentar
In dieser Vorlesung wird das Verständnis für mathematische Konzepte und Methoden in der fortgeschrittenen Algorithmik vor dem Hintergrund aktueller Forschungsrichtungen der Bioinformatik vermittelt. Dabei werden weiterführende Werkzeuge zur Entwicklung und Analyse von deterministischen und randomisierten Algorithmen ebenso behandelt wie Konzepte und Methoden Daten entsprechend ihrer Entropie zu komprimieren und zugreifbar zu machen. Darüber hinaus werden Konzepte für parallele und vektorisierte Algorithmen sowie Paradigmen für verteiltes Rechnen vermittelt. Die Folgenden Themen werden behandelt:
- Einführung in verschiedene Arten von Algorithmen und Analysemethoden
- Grundlagen kompakter Datenstrukturen
- Graphentheorie und fortgeschrittene Graph-Algorithmen
- Analyse von randomisierten Datenstrukturen und Algorithmen
- Grundlagen und Modelle für paralleles und vektorisiertes Rechnen
- Konzepte, Paradigmen und Frameworks für verteiltes Rechnen -
19404902
Übung
Übung zu Foundations in Computer Science (Knut Reinert)
Zeit: Di 12:00-14:00 (Erster Termin: 15.10.2024)
Ort: A6/SR 032 Seminarraum (Arnimallee 6)
-
19405001
Vorlesung
Foundations in Mathematics and Statistics (Max von Kleist)
Zeit: Do 10:00-12:00 (Erster Termin: 17.10.2024)
Ort: A3/SR 120 (Arnimallee 3-5)
-
19405002
Übung
Practice seminar for Foundations in Mathematics and Statistics (Max von Kleist)
Zeit: Do 12:00-14:00 (Erster Termin: 17.10.2024)
Ort: A3/SR 120 (Arnimallee 3-5)
-
19405106
Seminaristischer Unterricht
SU: Introduction to Focus Areas (Katharina Jahn, Knut Reinert, Max von Kleist)
Zeit: Mo 12:00-14:00 (Erster Termin: 21.10.2024)
Ort: T9/SR 006 Seminarraum (Takustr. 9)
-
19405152
RV
Introduction to Focus Areas (Katharina Jahn, Knut Reinert, Max von Kleist)
Zeit: Mo 10:00-12:00 (Erster Termin: 21.10.2024)
Ort: T9/SR 006 Seminarraum (Takustr. 9)
Kommentar
Das Modul präsentiert themenbezogen disziplinübergreifend exemplarische Problemstellungen und Lösungsansätze aus den drei Fokusbereichen “Data Science for Bioinformatics”, “Complex Systems in Bioinformatics” und “Advanced Algorithms in Bioinformatics”. Im Bereich der Projektarbeit bearbeiten Teams gemeinsam konkrete Aufgabenstellungen zu ausgewählten Themen aus diesem Fokusbereichen. Sie erarbeiten konkrete Lösungsvorschläge für praxisorientierte Problemstellungen, setzen diese um und präsentieren die Ergebnisse.
-
19405911
Seminar
Biochemical networks and disease (Jana Wolf)
Zeit: Mi 12:00-14:00 (Erster Termin: 16.10.2024)
Ort: T9/051 Seminarraum (Takustr. 9)
Kommentar
Molecular metabolic, signaling and gene-regulatory networks form complex networks that underly the normal physiological functioning of the cell. Various perturbations within these networks have been described in diseases. We will here use original papers to study and discuss how perturbations can be implemented in models and how they change the network characteristics. We will focus on dynamic models described by ordinary differential equations.
-
19406411
Seminar
Journal Club: Public Health Data Science (Max von Kleist)
Zeit: -
Ort: keine Angabe
Kommentar
In diesem Seminar werden aktuelle Forschungsarbeiten im Bereich der datengetriebenen public health Forschung, sowie die Fortschrittsberichte der PhD-Student*inn*en und Post-Docs vorgestellt. Master-Student*inn*en stellen entweder einen ihnen zugewiesenen Zeitschriftenartikel oder ihre Masterarbeit vor oder sie berichten über ihr Forschungspraktikum. Credits werden nur für die Präsentation von Artikeln vergeben.
Termin: online, nach Vereinbarung
-
19406570
Begrüßungs- und Abschlussveranstaltung
Begrüßungsveranstaltung für Studienanfänger:innen der Bioinformatik (Knut Reinert)
Zeit: Mo 14.10. 10:00-12:00 (Erster Termin: 14.10.2024)
Ort: T9/SR 005 Übungsraum (Takustr. 9)
Kommentar
Am Montag, den 16.10.2023 findet ab 10:15 Uhr eine Einführungsveranstaltung für Neuimmatrikulierte der Informatik statt. Nach der offiziellen Begrüßung des Fachbereichs übernehmen die Mentorinnen und Mentoren mit fach- und studiengangspezifische Informationen und diversen nützlichen Tipps und HInweisen. Außerdem werden das Mentoringprogramm und weitere studentische Initiativen vorgestellt.
Zielgruppe: Neuimmatrikulierte in einem Informatik-Studiengang (Bachelor)
-
19406611
Seminar
Journal Club: Biomedical Data Science (Katharina Jahn)
Zeit: Di 16:00-18:00 (Erster Termin: 15.10.2024)
Ort: A3/SR 115 (Arnimallee 3-5)
Kommentar
In this seminar, we study current research publications in biomedical data science. Master students either present a research article, or their master thesis, or they present about their research internship. Credit points can only be earned for the presentation of research articles.
-
60100613
Praxisseminar
Aktuelle zellphysiologische Fragestellungen (Dorothee Günzel)
Zeit: -
Ort: keine Angabe
Zusätzl. Angaben / Voraussetzungen
Bitte Laborkittel mitbringen, wenn vorhanden!
Kommentar
Bockveranstaltung in der vorlesungsfreien Zeit, Termin: tba (zwei Wochen, ganztägig)
Ort: Charité Campus Benjamin Franklin (Steglitz, Hindenburgdamm 30), Institut für Klinische Physiologie
Informationen zur Veranstaltung: http://klinphys.charite.de/bioinfo/
oder bei Dorothee Günzel
Im Rahmen dieses Kurses werden durch Homologie-Modelling Protein-Strukturmodelle erstellt und Hypothesen aufgestellt, welche Aminosäuren für die Struktur von herausragender Bedeutung sein sollten. Diese Hypothesen werden anhand von molekularbiologischen Arbeiten überprüft (z.B. ortsgerichtete Mutagenese mittels two-step PCR o.ä.). Die Konstrukte werden in Expressionsvektoren kloniert, in Bakterien transformiert und vermehrt, extrahiert, sequenziert und in der Zellkultur überexprimiert.
Diese Zellen werden u.a. im konfokalen Laserscanning-Mikroskop analysiert und die Ergebnisse in Hinblick auf die ursprüngliche Hypothese interpretiert.
Der experimentelle Teil wird von Seminaren zum theoretischen Hintergrund und zu den verwendeten Methoden flankiert.
Das genaue Kursprogramm hängt von den laufenden Forschungsaktivitäten des Institut ab und ist eng in laufende Projekte eingebunden.
Literaturhinweise
Milatz S, Piontek J, Hempel C, Meoli L, Grohe C, Fromm A, Lee IM, El-Athman R, Günzel D (2017) Tight junction strand formation by claudin-10 isoforms and claudin-10a/-10b chimeras. Ann. N.Y. Acad. Sci. 1405: 102-115 (https://www.ncbi.nlm.nih.gov/pubmed/28633196)
Piontek J, Winkler L, Wolburg H, Müller SL, Zuleger N, Piehl C, Wiesner B, Krause G, Blasig IE (2008) Formation of tight junction: determinants of homophilic interaction between classic claudins. FASEB J. 22: 146-158 (https://www.ncbi.nlm.nih.gov/pubmed/17761522)
-
60101113
Praxisseminar
Aktuelle Fragestellungen der strukturellen Bioinformatik (Robert Preissner, Priyanka Banerjee)
Zeit: -
Ort: keine Angabe
Kommentar
Aktuelle Fragestellungen der strukturellen Bioinformatik
Kursbeschreibung: auf der englischen Seite
-
60102001
Vorlesung
Methodik klinischer Studien (N.N.)
Zeit: Fr 14:00-16:00 (Erster Termin: 18.10.2024)
Ort: A6/SR 032 Seminarraum (Arnimallee 6)
Kommentar
Siehe englischer Text.
-
60102002
Übung
Übung zu Methodik klinischer Studien (N.N.)
Zeit: Fr 16:00-18:00 (Erster Termin: 18.10.2024)
Ort: A6/SR 032 Seminarraum (Arnimallee 6)
-
60102301
Vorlesung
Statistik für kleine Fallzahlen (Frank Konietschke)
Zeit: Mi 14:00-16:00 (Erster Termin: 16.10.2024)
Ort: A6/SR 031 Seminarraum (Arnimallee 6)
Kommentar
Beschreibung liegt auf Englisch vor.
-
60102302
Übung
Übung zu Statistik mit kleinen Fallzahlen (Frank Konietschke)
Zeit: Mi 16:00-18:00 (Erster Termin: 16.10.2024)
Ort: A6/SR 031 Seminarraum (Arnimallee 6)
-
60102401
Vorlesung
Foundations in Bio-Medicine (Martin Atta Mensah)
Zeit: Mi 10:00-12:00 (Erster Termin: 16.10.2024)
Ort: A6/SR 031 Seminarraum (Arnimallee 6)
-
60102402
Übung
Practice Seminar for Foundations in Bio-Medicine (Martin Atta Mensah)
Zeit: Mi 12:00-14:00 (Erster Termin: 16.10.2024)
Ort: A6/SR 031 Seminarraum (Arnimallee 6)
-
60103101
Vorlesung
Complex Systems in Biomedical Applications (Dorothee Günzel, Mathias Steinach)
Zeit: Mo 14:00-16:00
Ort: Charité
Kommentar
Gemeinsame Veranstaltung des Instituts für Klinische Physiologie und des Instituts für Physiologie der Charité. Der Kurs ist zeitlich geteilt: die ersten sieben Termine im Semester finden am Institut für Physiologie statt, die zweiten sieben Termine am Instituts für Klinische Physiologie.
Informationen zur Veranstaltung: http://klinphys.charite.de/bioinfo/
oder bei Dorothee Günzel
Inhalte:
Anhand ausgewählter, aktueller Beispiele aus der Biologie und Physiologie werden die Arbeitsschritte von Datengewinnung, Datenverarbeitung, Datenaufbereitung, Datenbeurteilung bis hin zur Modellierung komplexer physiologischer Zusammenhänge theoretisch und praktisch erarbeitet. Es werden Modelle aus folgenden Gebieten vertieft behandelt:
- Biophysikalische und biochemische Grundprozesse (z.B. freie und erleichterte Diffusion durch Kanal- und Transportproteine, aktiver Ionentransport durch Membrantransporter, Rezeptor-Liganden-Interaktion, Interaktion von Struktur-und Motorproteinen)
- Struktur-Funktionsanalyse von Transportproteinen
- Biologische Netzwerke (z.B. Signalnetze, metabolische Netze, Transportom-Modelle, Feedbackmechanismen)
- Modellierung physiologischer Funktionen eines Organismus (z.B. Stofftransport an der Niere, Blut- und Immunfunktion, Muskelbewegung, Temperaturregulation, Circadiane Rhythmik, Herz-Kreislauffunktion, autonome Regulation / Herzfrequenzvariabilität, Leistungsphysiologie, Körperzusammensetzung)
-
60103102
Übung
Übung zu Complex Systems in Biomedical Applications (Dorothee Günzel, Mathias Steinach)
Zeit: Mo 16:00-18:00
Ort: Charité
-
60103201
Vorlesung
Structural Bioinformatics Methods in Drug Development (Robert Preissner, Priyanka Banerjee)
Zeit: -
Ort: keine Angabe
Kommentar
S. englische Beschreibung
-
60103202
Übung
Practice seminar for Structural Bioinformatics Methods in Drug Development (Robert Preissner, Priyanka Banerjee)
Zeit: -
Ort: keine Angabe
-
19000546
Mentorium