ML4Omics
Vorlesung: ML4Omics
Titel:
Einführung in das Maschinelle Lernen für Omics Daten Analyse
Zeitraum:
Wintersemester 2026/2027
Beschreibung:
Ziel der Vorlesung, im Rahmen des RTG2978, ist es die Grundlagen des Machinellen Lernens zu verstehen, einfache Methoden auf OMICs Daten anzuwenden und die Ergebnisse zu Interpretieren. Dabei liegt ein Focus auf dem Verständnis darüber was maschinelles Lernen eigentlich ist, wie es funktioniert und wie es auf OMICs-Daten (z. B. Genomik, Proteomik, Metabolomik) angewendet werden kann.
Die Vorlesung zielt darauf ab, dass die Teilnehmer am Ende in der Lage sind:
Grundlagen des maschinellen Lernens zu verstehen, wie z. B.:
-
Was ist maschinelles Lernen?
-
Wie funktioniert maschinelles Lernen?
-
Welche Arten von maschinellem Lernen gibt es (z. B. überwachtes, unüberwachtes, tiefes Lernen)?
Einfache Methoden des maschinellen Lernens auf OMICs-Daten anzuwenden, wie z. B.:
-
Klassifikation von Genen oder Proteinen
-
Regression von Genexpressionsdaten
-
Clustering von Metabolomik-Daten
Ergebnisse des maschinellen Lernens zu interpretieren, wie z. B.:
-
Wie kann ich die Ergebnisse eines maschinellen Lernens modells interpretieren?
-
Wie kann ich die Güte eines maschinellen Lernens modells beurteilen und dessen Generalisierbarkeit und Aussagekraft kritisch zu hinterfragen?
-
Wie kann ich die Ergebnisse eines maschinellen Lernens modells in einem biologischen Kontext interpretieren?
Durch die Teilnahme an dieser Vorlesung sollen die Teilnehmer in der Lage sein, maschinelles Lernen auf OMICs-Daten anzuwenden und die Ergebnisse zu interpretieren, um so ihre Forschung und ihre Arbeit in den Bereichen Biologie, Medizin und Bioinformatik zu verbessern.