Karsten M. Borgwardt: Katalogdaten im Frühjahrssemester 2018 |  |
| Name | Herr Prof. Dr. Karsten M. Borgwardt |
| Namensvarianten | Karsten Borgwardt K. Borgwardt K Borgwardt Karsten M. Borgwardt Karsten Michael Borgwardt K.M. Borgwardt KM Borgwardt |
| Lehrgebiet | Data-Mining |
| Adresse | Dep. Biosysteme ETH Zürich, D-BSSE, BSD G 234 Mattenstrasse 26 4058 Basel SWITZERLAND |
| Telefon | +41 61 387 34 20 |
| karsten.borgwardt@bsse.ethz.ch | |
| URL | https://bsse.ethz.ch/mlcb |
| Departement | Biosysteme |
| Beziehung | Ordentlicher Professor |
| Nummer | Titel | ECTS | Umfang | Dozierende | |
|---|---|---|---|---|---|
| 551-1174-00L | Systembiologie | 4 KP | 2V + 2U | U. Sauer, K. M. Borgwardt, J. Stelling, N. Zamboni | |
| Kurzbeschreibung | Ausgehend von biologischen Fragen und Phänomenen unterrichtet der Kurs zur Beantwortung notwendige Konzepte von Modellierungen und Datenanalysen. In den Übungen erhalten die Studenten erste praktische Erfahrungen in einfacher Programmierung eigener Modelle und Analysen. | ||||
| Lernziel | Wir unterrichten kein oder nur wenig neues biologisches Wissen oder experimentelle Analysemethoden, sondern nutzen aus dem Studium bekanntes Wissen (z. B. Enzymkinetik, Regulationsmechanismen oder analytische Methoden). Unser Ziel ist es biologische Probleme aufzuzeigen, die aus dynamischen Interaktionen molekularer Elemente entstehen und mit Hilfe von Computermethoden gelöst werden können. Spezifische Ziele sind: - Verständnis der Limitationen intuitiver Argumentation in der Biologie - Ein erster Überblick über Computermethoden in der Systembiologie - Übersetzen biologischer Fragestellungen in computerlösbare Probleme - Praktische Erfahrungen in Programmierung mit MATLAB - Erste Erfahrungen in der Computerinterprätation von biologischen Daten - Verständnis typischer Abstraktionen in der Modellierung molekularer Systeme | ||||
| Inhalt | Während der ersten 7 Wochen konzentrieren wir uns auf mechanistische Modellierungen. Ausgehend von einfachen Enzymkinetiken betrachten wir zunächst die Dynamik von kleinerer Stoffwechselwegen und enden mit stöchiometrischen Modellen mittlerer Netzwerke. In der zweiten Kurshälfte konzentrieren wir uns auf die Analyse von typischen biologischen Omics Datensätzen. Wir starten mit multivariaten statistischen Methoden wie z. B. Clustering und Principal Component Analysis und enden mit Methoden um Netzwerke aus Daten zu lernen. | ||||
| Skript | No script | ||||
| Literatur | Der Kurs wird nicht mit einem bestimmten Lehrbuch unterrichtet, aber 2 Bücher werden zur Unterstützung empfohlen: - Systems Biology (Klipp, Herwig, Kowald, Wierling und Lehrach) Wiley-VCH 2009 - A First Course in Systems Biology (Eberhardt O. Voight) Garland Science 2012 | ||||
| 636-0019-00L | Data Mining II Prerequisites: Basic understanding of mathematics, as taught in basic mathematics courses at the Bachelor`s level. Ideally, students will have attended Data Mining I before taking this class. | 6 KP | 3G + 2A | K. M. Borgwardt | |
| Kurzbeschreibung | Data Mining, the search for statistical dependencies in large databases, is of utmost important in modern society, in particular in biological and medical research. Building on the basic algorithms and concepts of data mining presented in the course "Data Mining I", this course presents advanced algorithms and concepts from data mining and the state-of-the-art in applications of data mining. | ||||
| Lernziel | The goal of this course is that the participants gain an advanced understanding of data mining problems and algorithms to solve these problems, in particular in biological and medical applications, and to enable them to conduct their own research projects in the domain of data mining. | ||||
| Inhalt | The goal of the field of data mining is to find patterns and statistical dependencies in large databases, to gain an understanding of the underlying system from which the data were obtained. In computational biology, data mining contributes to the analysis of vast experimental data generated by high-throughput technologies, and thereby enables the generation of new hypotheses. In this course, we will present advanced topics in data mining and its applications in computational biology. Tentative list of topics: 1. Dimensionality Reduction 2. Association Rule Mining 3. Text Mining 4. Graph Mining | ||||
| Skript | Course material will be provided in form of slides. | ||||
| Literatur | Will be provided during the course. | ||||
| 636-0301-00L | Current Topics in Biosystems Science and Engineering | 2 KP | 1S | T. Stadler, N. Beerenwinkel, Y. Benenson, K. M. Borgwardt, P. S. Dittrich, M. Fussenegger, A. Hierlemann, D. Iber, M. H. Khammash, D. J. Müller, S. Panke, R. Paro, R. Platt, S. Reddy, T. Schroeder, J. Stelling | |
| Kurzbeschreibung | This seminar will feature invited lectures about recent advances and developments in systems biology, including topics from biology, bioengineering, and computational biology. | ||||
| Lernziel | To provide an overview of current systems biology research. | ||||
| Inhalt | The final list of topics will be available at http://www.bsse.ethz.ch/education/. | ||||