Karsten M. Borgwardt: Katalogdaten im Frühjahrssemester 2020

NameHerr Prof. Dr. Karsten M. Borgwardt
NamensvariantenKarsten Borgwardt
K. Borgwardt
K Borgwardt
Karsten M. Borgwardt
Karsten Michael Borgwardt
K.M. Borgwardt
KM Borgwardt
LehrgebietData-Mining
Adresse
Dep. Biosysteme
ETH Zürich, D-BSSE, BSD G 234
Mattenstrasse 26
4058 Basel
SWITZERLAND
Auszeichnung: Die Goldene Eule
Telefon+41 61 387 34 20
E-Mailkarsten.borgwardt@bsse.ethz.ch
URLhttps://bsse.ethz.ch/mlcb
DepartementBiosysteme
BeziehungOrdentlicher Professor

NummerTitelECTSUmfangDozierende
551-1174-00LSystembiologie4 KP2V + 2UU. Sauer, K. M. Borgwardt, J. Stelling, N. Zamboni
KurzbeschreibungAusgehend von biologischen Fragen und Phänomenen unterrichtet der Kurs zur Beantwortung notwendige Konzepte von Modellierungen und Datenanalysen. In den Übungen erhalten die Studenten erste praktische Erfahrungen in einfacher Programmierung eigener Modelle und Analysen.
LernzielWir unterrichten kein oder nur wenig neues biologisches Wissen oder experimentelle Analysemethoden, sondern nutzen aus dem Studium bekanntes Wissen (z. B. Enzymkinetik, Regulationsmechanismen oder analytische Methoden). Unser Ziel ist es biologische Probleme aufzuzeigen, die aus dynamischen Interaktionen molekularer Elemente entstehen und mit Hilfe von Computermethoden gelöst werden können. Spezifische Ziele sind:
- Verständnis der Limitationen intuitiver Argumentation in der Biologie
- Ein erster Überblick über Computermethoden in der Systembiologie
- Übersetzen biologischer Fragestellungen in computerlösbare Probleme
- Praktische Erfahrungen in Programmierung mit MATLAB
- Erste Erfahrungen in der Computerinterprätation von biologischen Daten
- Verständnis typischer Abstraktionen in der Modellierung molekularer Systeme
InhaltWährend der ersten 7 Wochen konzentrieren wir uns auf mechanistische Modellierungen. Ausgehend von einfachen Enzymkinetiken betrachten wir zunächst die Dynamik von kleinerer Stoffwechselwegen und enden mit stöchiometrischen Modellen mittlerer Netzwerke. In der zweiten Kurshälfte konzentrieren wir uns auf die Analyse von typischen biologischen Omics Datensätzen. Wir starten mit multivariaten statistischen Methoden wie z. B. Clustering und Principal Component Analysis und enden mit Methoden um Netzwerke aus Daten zu lernen.
SkriptSkripten zur Vorbereitung werden per Moodle zur Verfügung gestellt
LiteraturDer Kurs wird nicht mit einem bestimmten Lehrbuch unterrichtet, aber 2 Bücher werden zur Unterstützung empfohlen:
- Systems Biology (Klipp, Herwig, Kowald, Wierling und Lehrach) Wiley-VCH 2009
- A First Course in Systems Biology (Eberhardt O. Voight) Garland Science 2012
636-0019-00LData Mining II
Prerequisites: Basic understanding of mathematics, as taught in basic mathematics courses at the Bachelor`s level. Ideally, students will have attended Data Mining I before taking this class.
6 KP3G + 2AK. M. Borgwardt
KurzbeschreibungData Mining, the search for statistical dependencies in large databases, is of utmost important in modern society, in particular in biological and medical research. Building on the basic algorithms and concepts of data mining presented in the course "Data Mining I", this course presents advanced algorithms and concepts from data mining and the state-of-the-art in applications of data mining.
LernzielThe goal of this course is that the participants gain an advanced understanding of data mining problems and algorithms to solve these problems, in particular in biological and medical applications, and to enable them to conduct their own research projects in the domain of data mining.
InhaltThe goal of the field of data mining is to find patterns and statistical dependencies in large databases, to gain an understanding of the underlying system from which the data were obtained. In computational biology, data mining contributes to the analysis of vast experimental data generated by high-throughput technologies, and thereby enables the generation of new hypotheses.

In this course, we will present advanced topics in data mining and its applications in computational biology.

Tentative list of topics:

1. Dimensionality Reduction
2. Association Rule Mining
3. Text Mining
4. Graph Mining
SkriptCourse material will be provided in form of slides.
LiteraturWill be provided during the course.
636-0301-00LCurrent Topics in Biosystems Science and Engineering2 KP1SR. Platt, N. Beerenwinkel, Y. Benenson, K. M. Borgwardt, P. S. Dittrich, M. Fussenegger, A. Hierlemann, D. Iber, M. H. Khammash, D. J. Müller, S. Panke, S. Reddy, T. Schroeder, T. Stadler, J. Stelling, B. Treutlein, C. Uhler
KurzbeschreibungThis seminar will feature invited lectures about recent advances and developments in systems biology, including topics from biology, bioengineering, and computational biology.
LernzielTo provide an overview of current systems biology research.
InhaltThe final list of topics will be available at http://www.bsse.ethz.ch/education/.