Every summer semester
10 Credit points
For information on the duration of the modul, refer to the courses of study in which the module is used.
Die Studierenden werden an hochaktuelle Fragestellungen in der Bioinformatik herangeführt und erwerben tieferes Wissen über die aktuellen Trends in der Sequenziertechnologie im Bezug auf die sich daraus ergebenden Fragestellungen an die Bioinformatik. Darüber hinaus erwerben die Teilnehmer vertiefendes Wissen über einzelne Methoden der Datenanalytik (z.B. Visualisierung, Clustering, Data Mining, GPU Computing, High Performance Computing, ... ). Desweiteren gewinnen die Studierenden einen umfassenden und anwendungsnahen Erfahrungsschatz durch das Projekt, in dem zusammen mit Mitarbeitern der BRF anwendungs- und benutzerorientierte neue Tools entwickelt werden.
Durch die Einführung der so genannten ultrafast sequencing Technologien (Roche/454, Illumina/Solexa, ABI/Solid u.a.) ist in den Lebenswissenschaften ein starker Bedarf nach neuen algorithmischen Lösungsansätzen für deren Verarbeitung und Analyse entstanden. Ziel dieses Moduls ist die Entwicklung von neuen Analysetools, welche der neuen Dimensionierung der Datensätze aus der Metagenomik oder Metatranskriptomik Rechnung tragen. Dabei sollen mehrere Ansätze in Kleingruppen von 2-3 Studierenden realisiert und untersucht werden:
Literatur: Im Rahmen des Seminars wird wissenschaftlich-technischer Hintergrund über Artikel / Publikationen / Vorträge vermittelt.
Komptenzen, wie sie beispielsweise im Modul 39-Inf-1 Algorithmen und Datenstrukturen erworben werden können
Grundkenntnisse Mathematik
—
Unbenotete / benotete Modulprüfung:
Die Modul(teil)prüfung kann in einigen Studiengängen nach Wahl der Studierenden auch "unbenotet" erbracht werden. Vor Erbringung ist eine entsprechende Festlegung vorzunehmen, eine nachträgliche Änderung (benotet - unbenotet) ist ausgeschlossen. Wird diese Option gewählt, ist es nicht möglich, dieses Modul zu verwenden, um es in einen Studiengang einzubringen, in dem dieses Modul bei der Gesamtnotenberechnung berücksichtigt wird.
Begründung der Notwendigkeit von zwei Modulteilprüfungen:
In diesem Modul sollen die Studierenden moderne Methoden aus der aktuellen Forschung der Informatik anwendungsorientiert einsetzen. Es sind deswegen zwei Kompetenzerwerbe zu prüfen: das tiefe theoretische Verständnis der Methodik in der Datenanalyse und die erfolgreiche Implementierung des Verfahrens als ausführbares und dokumentiertes Programm.
Module structure: 0-1 bPr, 1-2 uPr 1
Die Implementierung eines neuen Verfahrens kann sowohl in Einzelarbeit als auch in Kleingruppen erfolgen. Ein ausgewählter Algorithmus wird von den Studierenden implementiert und mit echten Labordaten evaluiert. Abhängig von den Vorkenntnissen der Studierenden oder der algorithmischen Besonderheiten können/sollen die Studierenden selbstständig die technische Strategie der Umsetzung mitentscheiden (z. B. bei der Wahl der Programmiersprache: C++, Java, etc.), eventuelle externe Quellcodes (Libraries) suchen und einbinden und Evaluationskriterien entwickeln. Um das Modul erfolgreich abzuschließen, muss eine effizient arbeitende, wohl dokumentierte und evaluierte Version der Implementation vorliegen, zusammen mit einem Beispieldatensatz. Es wird erwartet, dass die Studierenden ihre Erfahrungen aus vorhergehenden Lehrveranstaltungen (Projektentwicklung u.ä.) effektiv nutzen. Die Umsetzung der Implementation sollte i.d.R. 70% des Aufwands des Moduls in Anspruch nehmen.
In einigen Studiengängen der Technischen Fakultät kann die Modulteilprüfung nach Wahl der Studierenden auch "unbenotet" erbracht werden (s. Erläuterungen zu den Modulelementen und die jeweilige FsB). Wird die unbenotete Option gewählt, ist es nicht möglich, dieses Modul zu verwenden, um es in einen Studiengang einzubringen, in dem dieses Modul bei der Gesamtnotenberechnung berücksichtigt wird.
Erläuterungen zu dieser Prüfung siehe unten (benotete Prüfungsvariante).
Referat (ca. 45-60 min.)
| Degree programme | Recommended start 3 | Duration | Mandatory option 4 |
|---|---|---|---|
| Informatics for the Natural Sciences / Master of Science [FsB vom 30.09.2016 mit Berichtigung vom 10.01.2017 und Änderungen vom 15.09.2017, 02.05.2018, 04.06.2020 und 31.03.2023] | 2. | one semester | Compulsory optional subject |
| Informatics for the Natural Sciences / Master of Science [FsB vom 17.12.2012 mit Änderungen vom 15.04.2013, 01.04.2014, 15.10.2014, 02.03.2015, 01.12.2015 und Berichtigungen vom 01.04.2014, 17.11.2014 und 12.07.2017] | 2. | one semester | Compulsory optional subject |
The system can perform an automatic check for completeness for this module.