Netzwerkbiologie

Vorlesung

Netzwerkbiologie SoSe 2022


Lehrveranstaltung:

Netzwerkbiologie [4217057]

Dozent(in):

Prof. Dr. Tim Kacprowski

Typ der Lehrveranstaltung:

Vorlesung (Lehre)

Veranstaltungstermine:

Mo. 11:00 - 12:30 (wöchentlich) - Hauptveranst.

Erster Termin:

Mo., 25.04.2022 11:00 - 12:30

Stud.IP-Link

Netzwerkbiologie

Inhalt:

Prüfungsmodalitäten:
(DE)
1 Prüfungsleistung: Klausur, 90 Minuten oder mündliche Prüfung, 30 Minuten
1 Studienleistung: 50% der Übungsaufgaben müssen bestanden sein

(EN
1 Prüfungsleistung: written exam, 90 minutes or oral exam, 30 minutes
1 Studienleistung: 50% of exercises must be passed

QUALIFIKATIONSZIELE:
(DE)
Nach erfolgreichem Abschluss dieses Moduls besitzen die
Studierenden ein Grundlegendes Verständnis der Graphentheorie und ihren
Anwendungen bei der Auswertung biomedizinischer Daten. Sie können Werkzeuge der
Netzwerkbiologie verwenden sowie Netzwerkanalysen fundiert bewerten und sind
prinzipiell in der Lage neue Graph-basierte Methoden zur Auswertung
biomedizinischer Daten zu entwickeln.

(EN)
After successful completion of this module, students will
have a basic understanding of graph theory and its applications for the
analysis of biomedical data. They will be able to use network biology tools and
critically assess network analyses. They will be capable to devise new
graph-based strategies for the analysis of biomedical data.


INHALTE:
(DE)
- Einstieg Graphentheorie
- Biologische Netzwerke
- Biologische Netzwerkdatenbanken
- Statistische Netzwerkanalyse
- Graphalgorithmen
- Graph-basiertes Maschinelles Lernen

(EN)
- Introduction graph theory
- Biological networks
- Biological network databases
- Statistical network analysis
- Graph algorithms
- Graph-based machine learning

Literatur: wird noch bekanntgegeben



Übung

Netzwerkbiologie SoSe 2022


Lehrveranstaltung:

Netzwerkbiologie [4217058]

Dozent(in):

Prof. Dr. Tim Kacprowski

Typ der Lehrveranstaltung:

Übung (Lehre)

Veranstaltungstermine:

Do. 14:00 - 15:30 (wöchentlich) - Hauptveranst.

Erster Termin:

Do., 21.04.2022 14:00 - 15:30

Stud.IP-Link

Netzwerkbiologie

Inhalt:

Prüfungsmodalitäten:
(DE)
1 Prüfungsleistung: Klausur, 90 Minuten oder mündliche Prüfung, 30 Minuten
1 Studienleistung: 50% der Übungsaufgaben müssen bestanden sein

(EN
1 Prüfungsleistung: written exam, 90 minutes or oral exam, 30 minutes
1 Studienleistung: 50% of exercises must be passed

QUALIFIKATIONSZIELE:
(DE)
Nach erfolgreichem Abschluss dieses Moduls besitzen die
Studierenden ein Grundlegendes Verständnis der Graphentheorie und ihren
Anwendungen bei der Auswertung biomedizinischer Daten. Sie können Werkzeuge der
Netzwerkbiologie verwenden sowie Netzwerkanalysen fundiert bewerten und sind
prinzipiell in der Lage neue Graph-basierte Methoden zur Auswertung
biomedizinischer Daten zu entwickeln.

(EN)
After successful completion of this module, students will
have a basic understanding of graph theory and its applications for the
analysis of biomedical data. They will be able to use network biology tools and
critically assess network analyses. They will be capable to devise new
graph-based strategies for the analysis of biomedical data.


INHALTE:
(DE)
- Einstieg Graphentheorie
- Biologische Netzwerke
- Biologische Netzwerkdatenbanken
- Statistische Netzwerkanalyse
- Graphalgorithmen
- Graph-basiertes Maschinelles Lernen

(EN)
- Introduction graph theory
- Biological networks
- Biological network databases
- Statistical network analysis
- Graph algorithms
- Graph-based machine learning

Literatur: wird noch bekanntgegeben



Vorlesung

Lehrveranstaltung: Netzwerkbiologie [4217057]
Dozent(in): Prof. Dr. Tim Kacprowski
Typ der Lehrveranstaltung: Vorlesung (Lehre)

Veranstaltungstermine:
Mo. 11:00 - 12:30 (wöchentlich) - Hauptveranst.
Erster Termin: Mo., 25.04.2022 11:00 - 12:30

Prüfungsmodalitäten:
(DE)
1 Prüfungsleistung: Klausur, 90 Minuten oder mündliche Prüfung, 30 Minuten
1 Studienleistung: 50% der Übungsaufgaben müssen bestanden sein

(EN)
1 Prüfungsleistung: written exam, 90 minutes or oral exam, 30 minutes
1 Studienleistung: 50% of exercises must be passed

QUALIFIKATIONSZIELE:
(DE)
Nach erfolgreichem Abschluss dieses Moduls besitzen die
Studierenden ein Grundlegendes Verständnis der Graphentheorie und ihren
Anwendungen bei der Auswertung biomedizinischer Daten. Sie können Werkzeuge der
Netzwerkbiologie verwenden sowie Netzwerkanalysen fundiert bewerten und sind
prinzipiell in der Lage neue Graph-basierte Methoden zur Auswertung
biomedizinischer Daten zu entwickeln.
(EN)
After successful completion of this module, students will
have a basic understanding of graph theory and its applications for the
analysis of biomedical data. They will be able to use network biology tools and
critically assess network analyses. They will be capable to devise new
graph-based strategies for the analysis of biomedical data.

INHALTE:
(DE)

Literatur: wird noch bekanntgegeben

Übung

Lehrveranstaltung: Netzwerkbiologie [4217058]
Dozent(in): Prof. Dr. Tim Kacprowski
Typ der Lehrveranstaltung: Übung (Lehre)

Veranstaltungstermine:
Do. 14:00 - 15:30 (wöchentlich) - Hauptveranst.
Erster Termin: Do., 28.04.2022 14:00 - 15:30

Prüfungsmodalitäten:
(DE)
1 Prüfungsleistung: Klausur, 90 Minuten oder mündliche Prüfung, 30 Minuten
1 Studienleistung: 50% der Übungsaufgaben müssen bestanden sein
(EN
1 Prüfungsleistung: written exam, 90 minutes or oral exam, 30 minutes
1 Studienleistung: 50% of exercises must be passed

QUALIFIKATIONSZIELE:
(DE)
Nach erfolgreichem Abschluss dieses Moduls besitzen die
Studierenden ein Grundlegendes Verständnis der Graphentheorie und ihren
Anwendungen bei der Auswertung biomedizinischer Daten. Sie können Werkzeuge der
Netzwerkbiologie verwenden sowie Netzwerkanalysen fundiert bewerten und sind
prinzipiell in der Lage neue Graph-basierte Methoden zur Auswertung
biomedizinischer Daten zu entwickeln.
(EN)
After successful completion of this module, students will
have a basic understanding of graph theory and its applications for the
analysis of biomedical data. They will be able to use network biology tools and
critically assess network analyses. They will be capable to devise new
graph-based strategies for the analysis of biomedical data.

INHALTE:
(DE)

Literatur: wird noch bekanntgegeben