Titel: ML Techniken für biologische Daten

DozentIn(en): Baum, Iversen, Hiort

Maximale Teilnehmerzahl: 10

Infotermin:

Projektvorstellung und Klären von Fragen: 17.01.24 um 17:45, remote unter diesem Webex-Link: https://fu-berlin.webex.com/fu-berlin/j.php?MTID=mb015bf546bc85904bc0932eb81af26e5

Kurze inhaltliche Beschreibung:

Im Softwarepraktikum werden wir verschiedene Machine-Learning (ML)-Methoden zur Analyse von biologischen Daten entwickeln, anwenden und evaluieren. Ziel ist es, verschiedene Datensätze aus der biologisch-medizinischen Forschung kennenzulernen und zu verarbeiten. Insbesondere werden wir uns mit großen Datensätzen beschäftigen, wie etwa aus dem Omics-Bereich, zum Beispiel Messungen von mRNA (Transcriptomics) oder Proteinen (Proteomics). Auf diese Daten sollen verschiedenen ML-Methoden angewendet werden, um biologische und medizinische Vorhersagen zu treffen. Die Qualität der Vorhersagen soll dann passend evaluiert werden. Wir planen im Projekt die Arbeit an konkreten, biomedizinisch und für unsere Forschung relevanten Fragestellungen. Diese können von uns bereitgestellt oder gemeinsam mit uns geplant werden. Eine konkrete Anwendung kann zum Beispiel die personalisierte Medizin sein. Hierbei geht es um die Vorhersage der Wirkung von Krebsmedikamenten anhand von umfassenden Daten von bestimmten Krebszellen. Wir setzen Vorkenntnisse in Python voraus. Wir werden im Projekt moderne Python-basierte Module für ML wie scikit-learn, TensorFlow oder PyTorch benutzen.

Quantitative Aufteilung: (in %)

Praktische Programmierarbeit: 50%
Soft Skills: 50%

Verwendete Programmiersprache(n): Python

Schwierigkeitsgrad (Acht Sterne verteilt auf drei Bereiche):

A Programmieren ****
B Biologie/Chemie *
C Projektmanagement ***

Erforderliche Vorkenntnisse: Python

Kontaktadresse, Webseite/Link:

Prof. Dr. Katharina Baum