Inhalte der Vorlesung Algorithmische Bioinformatik: Netzwerke, Graphen und Systeme sind unter anderem:
Einführung in Graphtheorie und -algorithmen, komplexe Netzwerke und Netzwerkeigenschaften
(scale-free nets, network modules), Petrinetze, Bayes'sche und Boolsche Netzwerke.
Content of the lecture Algorithmic Bioinformatics: Networks, graphs, and systems contains:
Introduction to graph theory and graph algorithms, complex networks and network properties
(scale free networks, network modules), Petri nets, Bayes networks, Boolean networks.
LernzieleLearning goals
Hörer der Vorlesung sollen einen guten Überblick über
Algorithmen, Verfahren und Anwendungen von Grahen und Netzwerken in der
Bioinformatik bekommen und diese auch konkret umsetzen und für neue
Fragestellungen anpassen können. Insbesondere verstehen die Studenten
den Unterschied zwischen einfachen Graphen/Netzwerken und Systemen
(Graphen mit Semantik) in der Bioinformatik. Hörer sollen auch hier
Konzepte praktisch umsetzen, anwenden und anpassen können.
Participants should get a good overview of algorithms, approaches, and applications of graphs and networks in bioinformatics. Students can implement them and apply them to actual reserach quetsions. In particular students should understand the difference between simple graphs/networks and systems (graphs with a semantic) in bioinformatics. Again students will be able to practically implement, apply, and adapt these concepts.
EinordnungBackground
Die Vorlesung gehört zum Grundkanon des Bioinformatikstudiums (ab 6. Fachsemester) und behandelt algorithmische Ansätze der Bioinformatik.
Grundlegende Techniken des Algorithmenentwurfs, der Algorithmik, der Graphentheorie, der mathematischen Optimierung und Datenanalyse,
sowie probabilistische Modelle und maschinelles Lernen werden eingeführt und auf Bioinformatikprobleme angewendet.
Die Vorlesung ist der dritte Teil eines dreisemestrigen Zyklus. Teil I konzentriert sich auf Algorithmenanalyse sowie diskrete und kombinatorische Techniken, Teil II auf speziellere Methoden der kombinatorischen Optimierung und probabilistische Verfahren, und Teil III auf Netzwerk-Theorie und Graphalgorithmen.
The lecture is part of the basic lecture series of the bioinformatics programme (semester 6 and above) and trets algorithmic aspects of bioinformatics.
Fundamental techniques of algorithm design, algorithmics, graph theory, mathematical optimization and data analysis
as well as probabilistic models and machine learning will be introduced and applied to bioinformatics problems.
The lecture is the third part of a three semester cycle. Part I focusses on analysis of algorithms and discrete and combinatorial techniques, Part II on special methods of combinatorial optimization and approximation as well as on probabilistic models and algorithms. Part II on graph algorithms and and network and systems theory.
