376-1723-00L  Big Data Analysis in Biomedical Research

SemesterFrühjahrssemester 2022
DozierendeE. Araldi, M. Ristow
Periodizitätjährlich wiederkehrende Veranstaltung
LehrspracheEnglisch



Lehrveranstaltungen

NummerTitelUmfangDozierende
376-1723-00 VBig Data Analysis in Biomedical Research Für Fachstudierende und Hörer/-innen ist eine Spezialbewilligung der Dozierenden notwendig.
This course normally takes place in autumn semester. Spring semester 2022 is an exception.
2 Std.
Fr08:15-10:00HG D 3.3 »
E. Araldi, M. Ristow
376-1723-00 UBig Data Analysis in Biomedical Research Für Fachstudierende und Hörer/-innen ist eine Spezialbewilligung der Dozierenden notwendig.
This course normally takes place in autumn semester. Spring semester 2022 is an exception.
2 Std.
Mi16:15-18:00HG D 3.3 »
E. Araldi, M. Ristow

Katalogdaten

KurzbeschreibungBiomedical datasets are increasing in size and complexity, and discoveries arising from their analysis have important implications in human health and biotechnological advances. While the potential of biomedical dataset analysis is considerable, preclinical researchers often lack the computational tools to analyze them. This course will provide the basis of data analysis of large biomedical data
LernzielThis course aims to provide practical tools to analyze large biomedical datasets, and it is tailored towards experimental researchers in the life sciences with minimal prior programming experience, but with a strong interest in exploring big data to solve own research problems. Through theoretical classes, practical demonstrations, in class exercises and homework, the participants will master computational methods to independently manipulate large datasets, effectively visualize big data, and analyze it with appropriate statistical tools and machine learning approaches. For the final assessment, students will conduct an independent data analysis project based on a biomedical problem of their choosing and using publicly available population-based biomedical datasets.
InhaltWhile learning the programming skills needed to manipulate and visualize the data, participants will learn the statistical and modeling approaches for big data analysis. The course will cover:
•Basis of Python programming and UNIX;
•High performance computing;
•Manipulation and cleaning of large datasets with Pandas;
•Visualization tools (Matplotlib, Seaborn);
•Machine learning and numerical libraries (SciPy, NumPy, Statsmodels, Scikit-Learn).
•Statistical analysis and modeling of big data, and applications to biomedical datasets (statistical learning, distributions, linear and logistic regressions, principal component analysis, clustering, classification, time series analysis, tree-based methods, predictive models).
Voraussetzungen / BesonderesBasic understanding of mathematics and statistics, as taught in basic courses at the Bachelor`s level.

Leistungskontrolle

Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Leistungskontrolle als Semesterkurs
ECTS Kreditpunkte4 KP
PrüfendeE. Araldi, M. Ristow
Formbenotete Semesterleistung
PrüfungsspracheEnglisch
RepetitionRepetition ohne erneute Belegung der Lerneinheit möglich.

Lernmaterialien

Keine öffentlichen Lernmaterialien verfügbar.
Es werden nur die öffentlichen Lernmaterialien aufgeführt.

Gruppen

Keine Informationen zu Gruppen vorhanden.

Einschränkungen

Allgemein : Für Fachstudierende und Hörer/-innen ist eine Spezialbewilligung der Dozierenden notwendig
PlätzeMaximal 20
WartelisteBis 07.03.2022

Angeboten in

StudiengangBereichTyp
Gesundheitswissenschaften und Technologie MasterWahlfächerWInformation
Gesundheitswissenschaften und Technologie MasterWahlfächerWInformation
Gesundheitswissenschaften und Technologie MasterWahlfächerWInformation
Gesundheitswissenschaften und Technologie MasterWahlfächer IIWInformation