300155 UE Introduction to Biological Data Science (2024W)
(Python and R)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Do 12.09.2024 14:00 bis Do 26.09.2024 18:00
- Abmeldung bis Di 15.10.2024 18:00
Details
max. 15 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Die Lehrveranstaltung findet im Raum 5.021 statt, UBB, Djerassiplatz 1, 1030 Wien, 5. OG
Bitte bringen Sie Ihre eigenen Laptops mit.
- Mittwoch 02.10. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 09.10. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 16.10. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 23.10. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 30.10. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 06.11. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 13.11. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 20.11. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 27.11. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 04.12. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 11.12. 13:00 - 15:00 Ort in u:find Details
- N Mittwoch 08.01. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 15.01. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 22.01. 13:00 - 15:00 Ort in u:find Details
- Mittwoch 29.01. 13:00 - 15:00 Ort in u:find Details
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Programmierung von Hausaufgaben, Abschlussprojekt und eine Abschlussprüfung.Die aktive Teilnahme am Unterricht wird von allen Studenten erwartet.
Mindestanforderungen und Beurteilungsmaßstab
Aktive Teilnahme am Unterricht und an den Programmierübungen.(Bewertungskriterien)
1: >87%
2: 76 - 87%
3: 64 - 75%
4: 51 - 63%
5: <=50%
1: >87%
2: 76 - 87%
3: 64 - 75%
4: 51 - 63%
5: <=50%
Prüfungsstoff
Fähigkeit, sowohl Python als auch R für grundlegende Datenanalyse- und Visualisierungsaufgaben zu verwendenVertrautheit mit den wichtigsten Konzepten der Datenmodellierung und des maschinellen Lernensvertieftes Verständnis mindestens eines komplexen biologischen Datensatzes (phylogenetische Bäume, Verhaltenszeitreihen, neuronale Daten), nachgewiesen im Abschlussprojekt.
Literatur
Zhang, N. (2020). A tour of data science: learn R and Python in parallel. CRC Press.Statistical Thinking for the 21st Century:
https://statsthinking21.org/
https://statsthinking21.github.io/statsthinking21-python/index.html
https://statsthinking21.github.io/statsthinking21-figures-R/intro.htmlRevell, L. J., & Harmon, L. J. (2022). Phylogenetic comparative methods in R. Princeton University Press.Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow. " O'Reilly Media, Inc.".
https://statsthinking21.org/
https://statsthinking21.github.io/statsthinking21-python/index.html
https://statsthinking21.github.io/statsthinking21-figures-R/intro.htmlRevell, L. J., & Harmon, L. J. (2022). Phylogenetic comparative methods in R. Princeton University Press.Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow. " O'Reilly Media, Inc.".
Zuordnung im Vorlesungsverzeichnis
CoBeNe 3
Letzte Änderung: Di 01.10.2024 17:46
Der Kurs beginnt mit einer Einführung in die Programmiersprachen R und Python, gefolgt von einigen einführenden Konzepten der Datenanalyse. Als nächstes werden wir uns auf Methoden der Datenvisualisierung konzentrieren, gefolgt von einer Einführung in das maschinelle Lernen.
Im letzten Teil des Kurses werden wir uns mit spezielleren Methoden für die Biologie befassen und uns dabei auf die Analyse von Verhaltens-, neuronalen und evolutionären Daten konzentrieren.