Bioinformatik der Infektionsforschung

Die Arbeitsgruppe “Bioinformatik der Infektionsforschung” erforscht mit computergestützten Techniken das menschliche Mikrobiom, virale und bakterielle Pathogene sowie menschliche Zelllinien anhand von großen biologischen und epidemiologischen Datensätzen. Durch die Analyse von Metaom-, Populationsgenom- und Einzelzellgenomdaten erzeugen wir experimentell überprüfbare Hypothesen,  wie z.b. welche Veränderungen an Proteinen oder welche Gene assoziiert sind mit dem Auftreten einer Krankheit, von Antibiotikaresistenzen oder dem Ausweichen des Immunschutzes durch Pathogene. Wir arbeiten mit experimentellen Kollaborationspartnern zusammen, um unsere Erkenntnisse zu verifizieren und deren Translation in die medizinische Diagnostik und Behandlung zu fördern. Um die Forschungsziele zu erreichen, entwickelt die Arbeitsgruppe auch neue Algorithmen und Bioinformatik-Software.

Leitung

Fachseminar: Deep Learning

Das Fachseminar "Deep Learning" ist eine Veranstaltung der Abteilung "Bioinformatik der Infektionsforschung" am HZI unter der Leitung von Prof. Alice McHardy.

Kick-off Meeting: 12. Oktober 2018, 10 Uhr
Raum Kick-off Meeting: BRICS, Raum 207
Datum: ein Tag am Ende der Semesterferien
Raum Fachseminar: tba
Max. Anzahl an Teilnehmer: 10
Sprache: Englisch
Modus: 30 Minuten Vortrag (mit Diskussion) + 3-5 Seiten schriftliche Ausarbeitung
Für Bachelor- und Master-Studierende der Informatik

Bei Fragen zum Seminar kontaktieren Sie bitte Susanne Reimering.

Beschreibung: Tiefe neuronale Netzwerke haben kürzlich maschinelles Lernen revolutioniert und erreichen state-of-the-art Ergebnisse in fast allen zugehörigen Forschungsbereichen, einschließlich Computer Vision, maschinelle Sprachverarbeitung und Bioinformatik. Das Ziel dieses Seminars ist es, grundlegende Prinzipien von Deep Learning zusammen mit Implementierungen im Pytorch Framework zu behandeln. Wir werden die wichtigsten neuronalen Konstruktionen untersuchen, einschließlich Convolutional Neural Networks, rekurrente Neural Networks und Autoencoder, genauso wie sprachmodellbasierte Methoden zum Lernen von Repräsentationen.

Inhalte und Themen

•    Tiefe neuronale Netze und Backpropagation
•    Convolutional Networks (CNN)
•    Rekurrente Neural Networks (RNN)
•    Autoencoder
•    Lernen von Repräsentationen
•    Grundlagen von Pytorch

Video

  • Kann man die nächste Grippe-Epidemie vorhersagen?

    Es antwortet Dr. Andreas Bremges, stellv. Abteilungsleiter Bioinformatik der Infektionsforschung am HZI in Braunschweig.

Kontakt

DruckenPer Mail versendenTeilen