Module 39-Inf-MLMA Machine Learning Methods and Applications

Faculty

Person responsible for module

Regular cycle (beginning)

Every winter semester

Credit points and duration

5 Credit points

For information on the duration of the modul, refer to the courses of study in which the module is used.

Competencies

Nach Abschluss des Moduls sind Studierende in der Lage, praktische Fragstellungen der Molekularbiologie als Problem des maschinellen Lernens einzuordnen, typische Pipelines aus dem maschinellen Lernen in konkreten Problemstellungen anzuwenden, sowie Ergebnisse korrekt zu interpretieren und zu validieren.

After completing the module, students are capable of formalizing practical questions from molecular biology as machine learning problems, implementing typical pipelines from machine learning and applying them in concrete problems, and correctly interpreting and validating results.

Content of teaching

Die in diesem Modul vermittelten Inhalte und Methoden umfassen folgende Aspekte: Einführung in tiefe Netze, Klassifikation am Beispiel Toxizität, Datenrepräsentation am Beispiel von Molekülen, Strukturprognose, Lernen für DNA/RNA Strukturen, Umgang mit Mikroskopiebildern, generative Modelle, Erklärbarkeit, ethische Aspekte beim Umgang mit medizinischen Daten.

Material and methods covered in the course are the following:
Introduction to deep networks, classification using toxicity as an example, data representation using molecules as an example, structure prediction, learning for DNA/RNA structures, handling microscopy images, generative models, explainability, ethical aspects of handling medical data.

Recommended previous knowledge

Grundlagen aus dem Bereich der Programmierung, insbesondere Python; Grundlagen aus der Mathematik

Basic programming, especially Python; basic mathematics

Necessary requirements

Explanation regarding the elements of the module

Begleitend zur Vorlesung gibt es verpflichtende Übungen, in denen die Konzepte angewandt werden. In der Klausur, mündlichen Prüfung oder in einem durch Studierende vorgestellten Projekt wird die Fähigkeit zur Verallgemeinerung und Einordnung in das Zusammenhangswissen geprüft. Abschlussprüfung und Übungen stellen ein Portfolio mit Abschlussprüfung dar.

Accompanying the lecture there are obligatory exercises in which the concepts are applied. In the written exam, oral exam or in a project presented by students, the ability to generalize and place the concepts in contextual knowledge is tested. Final examination and exercises constitute a portfolio.

Module structure: 1 uPr 1

Courses

Machine Learning Methods and Applications
Type tutorial (in connection with lecture/seminar)
Regular cycle WiSe
Workload5 60 h (15 + 45)
LP 2
Machine Learning Methods and Applications
Type lecture
Regular cycle WiSe
Workload5 60 h (30 + 30)
LP 2 [Pr]

Examinations

portfolio with final examination
Allocated examiner Teaching staff of the course Machine Learning Methods and Applications (lecture)
Weighting without grades
Workload 30h
LP2 1

Portfolio aus begleitenden Übungen und einer Abschlussprüfung (Klausur oder mündlicher Prüfung oder Referat mit Ausarbeitung)

Portfolio mit Abschlussprüfung bestehend aus:
1) Portfolio von Übungen zu Inhalten der Vorlesung
Übungsaufgaben oder Programmieraufgaben, die veranstaltungsbezogen gestellt werden (Bestehensgrenze 50% der erzielbaren Punkte). Die Kontrolle der Übungsaufgaben umfasst auch direkte Fragen zu den Lösungsansätzen, die von den Studierenden in den Übungen beantwortet werden müssen. Der*die Lehrende kann ein individuelles Erläutern und Vorführen von Aufgaben verlangen sowie einen Teil der Übungsaufgaben durch Präsenzübungen ersetzen. Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben und dienen dem begleitenden Erlernen selbständiger Umsetzungen der in der Vorlesung vorgestellten Lerninhalte.

2) einer Abschlussprüfung zur Vorlesung
Abschlussklausur (im Umfang von 90-180 Minuten) oder mündliche Abschlussprüfung (im Umfang von 20-40 Minuten) zu den in der Vorlesung vermittelten und in den Übungen erarbeiteten Inhalten oder Referat mit Ausarbeitung zu einem individuellen Projekt auf Grundlage aktueller Forschung unter Nutzung der Fähigkeiten, die im Modul erlernt wurden.

Die Klausur kann alternativ als eKlausur, Open Book Klausur oder eOpen Book Klausur geprüft werden. Im Falle von Open Book Klausur und eOpen Book Klausur beträgt der Umfang 120-180 Minuten.

Im Falle des Referats mit Ausarbeitung wird die Ausarbeitung mit der Struktur einer wissenschaftlichen Veröffentlichung (Abstract, Einleitung, Modellbeschreibung, Ergebnisse, Diskussion, Literatur) erstellt und in einem Referat von 20-30 Minuten Dauer vorgestellt.
Die Abschlussprüfung zu den Inhalten der Vorlesung nimmt Bezug auf die Übungs- oder Programmieraufgaben oder entwickelt sich aus den in den Übungen erlernten Kompetenzen.
Eine weitergehende Konkretisierung insbesondere zum zeitlichen Umfang der Abschlussprüfung erfolgt in der Beschreibung der Veranstaltung.
Beide Portfolioelemente werden durch eine*n Prüfer*in geprüft. Es erfolgt eine abschließende Gesamtbewertung.

The module is used in these degree programmes:

Degree programme Version Recom­mended start 3 Duration Manda­tory option 4
Bioinformatic Genome Research / Bachelor of Science [FsB vom 28.03.2024] Bachelor with One Core Subject (Academic) 3. one semester Obli­gation

Automatic check for completeness

The system can perform an automatic check for completeness for this module.


Legend

1
The module structure displays the required number of study requirements and examinations.
2
LP is the short form for credit points.
3
The figures in this column are the specialist semesters in which it is recommended to start the module. Depending on the individual study schedule, entirely different courses of study are possible and advisable.
4
Explanations on mandatory option: "Obligation" means: This module is mandatory for the course of the studies; "Optional obligation" means: This module belongs to a number of modules available for selection under certain circumstances. This is more precisely regulated by the "Subject-related regulations" (see navigation).
5
Workload (contact time + self-study)
SL
Study requirement
Pr
Examination
bPr
Number of examinations with grades
uPr
Number of examinations without grades
Diese Leistung kann gemeldet und verbucht werden.