Ziele:
Studierende lernen zentrale statistische und algoritmische Konzepte im Feld des Maschinellen Lernens kennen, insbesondere im Kontext aktueller Forschung in Bioinformatik, Biologie und Biotechnologie. Dabei werden verschiedene praktische Probleme bearbeitet und Methoden aus der Vorlesung angewandt und implementiert, um relevante Information mit HIlfe von R aus biologischen Datensätzen zu extrahieren. Insbesondere werden Studierende dabei lernen, wie große Datenmenge prozessiert werden können, wie für spezifische Fragestellungen passende Modelle ausgewählt werden und wie Resultate evaluiert und kommuniziert werden können. Studierende vertiefen in wöchentlichen Übungsaufgaben das Gelernte. Die wöchentliche Präsentation der Ergebnisse der Übungen stellen dabei genauso wie eine abschließene mündliche Prüfung Voraussetzungen für das Bestehen des Kurses dar.
Inhalte:
- Vorverarbeitung biologischer Daten und Modell-Implementierung in R
- Klassifikationsansätze und Permutationsmetriken
- Lineare Modelle für Regression und Klassification
- Kernel Methoden für Regression und Klassification - Variablenselektion
- halbüberwachtes und aktives Lernen
- Classification trees und Random Forests
- Graphische Modelle
Weitere Informationen: http://www.molgen.mpg.de/3434810/Applied-Machine-Learning