Suchergebnis: Katalogdaten im Frühjahrssemester 2012

Neural Systems and Computation Master Information
Kernfächer
Obligatorische Kernfächer
NummerTitelTypECTSUmfangDozierende
402-0790-00LJournal ClubO2 KP1SG. Indiveri
KurzbeschreibungForum für die Analyse und Evaluation aktueller Forschungspublikationen.
Lernziel
Wählbare Kernfächer
Systemneurowissenschaften
NummerTitelTypECTSUmfangDozierende
402-0806-00LComputational VisionW6 KP2V + 1UR. J. Douglas, D. Kiper, K. A. Martin
KurzbeschreibungIn diesem Kurs studieren wir die neuronalen Prozesse, welche die visuelle Wahrnehmung unterstützen. Wir lernen, wie visuelle Signale in der Netzhaut, dem CGN und im visuellen Kortex vearbeitet werden. Wir studieren die Morphologie und funktionelle Architektur der visuellen neuralen Netzwerke, die für Wahrnehmung von Form, Farbe, Bewegung, und Dreidimensionalität verantwortlich sind.
LernzielThis course considers the operation of circuits in the process of neural computations. The evolution of neural systems will be considered to demonstrate how neural structures and mechanisms are optimised for energy capture, transduction, transmission and representation of information. Canonical brain circuits will be described as models for the analysis of sensory information. The concept of receptive fields will be introduced and their role in coding spatial and temporal information will be considered. The constraints of the bandwidth of neural channels and the mechanisms of normalization by neural circuits will be discussed.
The visual system will form the basis of case studies in the computation of form, depth, and motion. The role of multiple channels and collective computations for object recognition will
be considered. Coordinate transformations of space and time by cortical and subcortical mechanisms will be analysed. The means by which sensory and motor systems are integrated to allow for adaptive behaviour will be considered.
InhaltThis course considers the operation of circuits in the process of neural computations. The evolution of neural systems will be considered to demonstrate how neural structures and mechanisms are optimised for energy capture, transduction, transmission and representation of information. Canonical brain circuits will be described as models for the analysis of sensory information. The concept of receptive fields will be introduced and their role in coding spatial and temporal information will be considered. The constraints of the bandwidth of neural channels and the mechanisms of normalization by neural circuits will be discussed.
The visual system will form the basis of case studies in the computation of form, depth, and motion. The role of multiple channels and collective computations for object recognition will
be considered. Coordinate transformations of space and time by cortical and subcortical mechanisms will be analysed. The means by which sensory and motor systems are integrated to allow for adaptive behaviour will be considered.
LiteraturBooks: (recommended references, not required)
1. An Introduction to Natural Computation, D. Ballard (Bradford Books, MIT Press) 1997.
2. The Handbook of Brain Theorie and Neural Networks, M. Arbib (editor), (MIT Press) 1995.
Theoretische Neurowissenschaften
NummerTitelTypECTSUmfangDozierende
402-0823-00LNeurophysicsW6 KP2V + 1UR. Hahnloser
KurzbeschreibungThe focus of this class is the neural code. The goal is to master computational solutions of the neural encoding and decoding problems. Students will develop and apply algorithms on spike data recorded in behaving zebra finches (birds).
LernzielThis course is an introduction to systems neuroscience research for students with a background in quantitative sciences such as physics, mathematics, or engineering sciences. Students who take this course learn about neurophysiology and state-of-art algorithms for analysis of high-resolution brain activity. Programming will be performed in Matlab (Mathworks Inc.).

We investigate how stimulus information is encoded in the spike trains of nerve cells by creating models that predict neural responses to sensory stimuli (encoding problem, sensory systems), as well as models that infer stimulus properties or behavioral features from neural data (decoding problem, motor systems).
InhaltDecoding Problem: We have one or more spike trains and want to predict features of the motor behavior that caused by these spikes. In general, predicting the motor output from only a small number of spike trains is very difficult.

Encoding Problem: Based on a sensory stimulus we want to predict the spike response to it, i.e., we want to derive generative models for neural responses.

Content:
-Introduction to sensory (auditory) and motor coding in single neurons
- probability and estimation theory
- generative and advanced statistical models of brain function (principal component analysis, Hidden Markov Models)
- correlation and spectral analysis
- forward and inverse models (control theory)
- Hebbian learning and reinforcement learning
SkriptExtensive lecture notes will be made available. Original research articles will be distributed.
Literatur- Theoretical Neuroscience by Peter Dayan and Larry Abbott.
- Biophysics of Computation by Chritoph Koch.
- Spikes: Exploring the neural code by Fred Rieke and David Warland et al.
- Spiking Neuron Models by Wulfram Gerstner and Werner Kistler.
- Original research articles, to be selected.
Voraussetzungen / BesonderesKnowledge of standard methods in analysis, algebra and probability theory are highly desirable but not necessary. Students should have programming experience.

Former course title: "Theoretical Neuroscience"
Computergestützte Wissenschaften
NummerTitelTypECTSUmfangDozierende
252-1424-00LModels of ComputationW6 KP2V + 2U + 1AM. Cook
KurzbeschreibungThis course will survey many different models of computation: Turing Machines, Cellular Automata, Finite State Machines, Stack Machines, Graph Automata, Lambda Calculus, Fractran, Tiling Systems, Chemical Reaction Systems, Hopfield Networks, Boltzmann Machines, Neural Networks, Circuits, Graphical Models, Boolean Algebra, String Rewriting Systems, Semigroups, Quantum Waves, etc.
Lernziel
InhaltThis course will survey many different models of computation: Turing Machines, Cellular Automata, Finite State Machines, Stack Machines, Graph Automata, Lambda Calculus, Fractran, Tiling Systems, Chemical Reaction Systems, Hopfield Networks, Boltzmann Machines, Neural Networks, Circuits, Graphical Models, Boolean Algebra, String Rewriting Systems, Semigroups, Quantum Waves, etc.
402-0824-00LTheorie, Programmierung und Simulation neuronaler NetzeW6 KP2V + 1UR. Stoop
KurzbeschreibungThemen sind: Graphische Methoden und Spieltheorie (Rückverfolgung, Verbreitung von Zwangsbedingungen), analytische Optimierung (multidimensionale Optimierung, Gleichgewichtspunkte, Gradientenabstieg), neuronale Netze (biologische und biologienahe Modellierung, Spin-System Analogien), evolutionäre Optimierung (genetische Algorithmen und Programmierung), Expertensysteme (Clustering Techniken)
LernzielIm Einführungsteil wird über Spiele das Konzept des gerichteten Graphen eingeführt. Dieses wird unser Leitbild für das Verständnis der verschiedenen Methoden, welche der Kurs behandelt, sein. Als Anwendungen für kontinuierliche Systeme werden die mehrdimensionale Optimierung, die Methode der Lagrange'schen Multiplikatoren und des Gradientenabstiegs und die Simplexoptimierung vorgestellt.
Iterierte Funktionensysteme geben eine Vorstellung davon, wie eine komplexe Energielandschaft aussieht.
Ausgehend von der Entwicklungsgeschichte und Physiologie biologischer neuronaler Netze werden die biophysiknahe Modellierung von Netzwerkelementen und ihre mathematische Idealisierungen verschiedener Grade behandelt.
Die Elemente werden dann zu Netzen zusammengebaut. Die Implementationen der verschiedenen gängigsten neuronalen Netzwerktypen (Perzeptronnetze, Kohonennetze, Hopfieldnetze) werden besprochen und ihre Leistungsfähigkeit untersucht.
Wir zeigen, dass man dieselben Konzepte benützen kann, um effizientes Datenclustering zu erreichen und besprechen die gängigsten Verfahren in diesem Gebiet.
Als Konkurrenzmodelle der neuronalen Netze stellen wir schliesslich genetische Algorithmen und die genetische Programmierung vor.

Die Vorlesung umfasst gleichermassen analytische wie auch simulationstechnische Gesichtspunkte. Unterlegt wird die Vorlesung in allen wesentlichen Aspekten durch abgegebene Programme, verfasst in der Programmierumgebung Mathematica, zu der eine Kurzeinführung abgegeben wird.
Nach der Vorlesung sind Wirkungsweise, Möglichkeiten, Grenzen und bevorzugte Anwendungen von neuronalen Netzen und verwandter Verfahren aus der theoretischen und der praktischen Sicht verstanden. Man ist in der Lage, die Verfahren mit Hilfe der Vorlesungsunterlagen und der verteilten Programme auf neue Probleme, wie sie besonders in Anwendungen in allen Bereichen der heutigen Wissenschaft und Technologie auftreten, erfolgreich anzuwenden.
InhaltBei den neuronalen Netzen handelt es sich um eine wichtige Teilmenge der Methoden der künstlichen Intelligenz. Diese erschliesst zunehmend Gebiete, die mit Methoden der ,,herkömmlichen'' Informatik schlecht fassbar sind und daher bisher weit gehend dem Menschen vorbehalten geblieben sind. Zusätzlich zum Wert solcher Verfahren dadurch, dass sie menschliche Arbeit zu einem gewissen Grad zu ersetzen vermögen, liefern die entwickelten Lösungsansätze und Methoden auch Einsichten in die Hintergründe und Mechanismen des menschlichen Denkens an sich.
Nach Themengebieten geordnet sind dieses die hauptsächlichsten aktuellen Anwendungen:

- Spiele spielen,
- Robotersteuerungen, welche erlauben, Umgebungen wahrzunehmen, um daraus angemessene Aktionen einzuleiten,
- Expertensysteme, welche Spezialwissen und Schlussfolgerungsfähigkeit qualifizierter Fachleute auf einem begrenzten Anwendungsgebiet im Computer
nachbilden,
- maschinelles Lernen, bei dem durch die Benutzung von Eingabeinformationen neues Wissen konstruiert oder vorhandenes Wissen verbessert wird,
- automatisches Programmieren, wo ausgehend von formalen Spezifikationen Programme automatisiert erstellt werden,
- Wahrnehmungsnachbildung, in der menschliche Sinne am Computer nachgebildet werden (insbesondere Sehen (Bilderkennung) und Hören (Spracherkennung)),
- Computerbeweise, in deren Umfeld die automatisierte Herleitung und Verifikation von mathematisch-logischen Formeln und Sätzen behandelt wird.

Der Aufbau der Vorlesung ist wie folgt:

Einleitende Themen sind:
- Graphische Methoden und Spieltheorie (Rückverfolgung, Bedingungsfortpflanzung)
- Analytische Optimierung: Mehrdimensionale Extremalprobleme, Lagrange Multiplikatoren, Gleichgewichte, Gradientenabstieg
Schwergewichtige Themen sind:
- Neuronale Netze aller Art (biologische und biologienahe Modellierung, Spinsystem-Analogien)
- Expertensysteme (Clusteringverfahren)
- Evolutionäre Optimierung (genetische Algorithmen und genetische Programmierung)
SkriptEs wird ein ausführliches Skript abgegeben.
LiteraturZusatzliteratur:

- B. Müller, J. Reinhardt and M.T. Strickland, Neural networks, Springer 1995
- W.-H. Steeb, A. Hardy, and R. Stoop, Problems and Solutions in Scientific Computing, World Scientific 2005
Neuromorphe Ingenieurwissenschaften
NummerTitelTypECTSUmfangDozierende
402-0804-00LNeuromorphic Engineering II Information W6 KP5GT. Delbrück, G. Indiveri, S.‑C. Liu
KurzbeschreibungDiese Vorlesung lehrt die Basis des analogen Chip-Design und Chip-Layout mit Betonung auf Neuromorphe Schaltungen, welche im Herbstsemester in der Vorlesung "Neuromorphic Engineering I" eingeführt werden.
LernzielDiese Vorlesung mit Übungen ermöglicht den Teilnehmern, selbst neuromorphe Schaltungen zu entwerfen und herstellen zu lassen.
InhaltEs werden verschiedene Computerprogramme vorgestellt und benutzt, die zur Simulation, zum Entwurf und zur Entwurfsverifikation von neuromorphen Schaltungen geeignet sind. Anhand von Beispielen wird aufgezeigt, worauf beim Schaltungsentwurf zu achten ist. Nützliche und notwendige Schaltungen werden erklärt und zur Verfügung gestellt. Es werden verschiedenen CMOS-Prozesse erläutert und gezeigt, wie man sie benutzen kann. Gegen Ende des Semesters kann jeder Student eine eigene Schaltung konzipieren und herstellen lassen.
LiteraturS.-C. Liu et al.: Analog VLSI Circuits and Principles; Software-Dokumentation.
Voraussetzungen / BesonderesVoraussetzungen: dass die Studenten bereits über die Grundkenntnisse der neuromorphen Schaltungstechnik verfügen, die sie sich am besten in der Vorlesung "Neuromorphic Engineering I" im vorangehenden Herbstsemester erwerben.
Wahlfächer
NummerTitelTypECTSUmfangDozierende
402-0804-00LNeuromorphic Engineering II Information W6 KP5GT. Delbrück, G. Indiveri, S.‑C. Liu
KurzbeschreibungDiese Vorlesung lehrt die Basis des analogen Chip-Design und Chip-Layout mit Betonung auf Neuromorphe Schaltungen, welche im Herbstsemester in der Vorlesung "Neuromorphic Engineering I" eingeführt werden.
LernzielDiese Vorlesung mit Übungen ermöglicht den Teilnehmern, selbst neuromorphe Schaltungen zu entwerfen und herstellen zu lassen.
InhaltEs werden verschiedene Computerprogramme vorgestellt und benutzt, die zur Simulation, zum Entwurf und zur Entwurfsverifikation von neuromorphen Schaltungen geeignet sind. Anhand von Beispielen wird aufgezeigt, worauf beim Schaltungsentwurf zu achten ist. Nützliche und notwendige Schaltungen werden erklärt und zur Verfügung gestellt. Es werden verschiedenen CMOS-Prozesse erläutert und gezeigt, wie man sie benutzen kann. Gegen Ende des Semesters kann jeder Student eine eigene Schaltung konzipieren und herstellen lassen.
LiteraturS.-C. Liu et al.: Analog VLSI Circuits and Principles; Software-Dokumentation.
Voraussetzungen / BesonderesVoraussetzungen: dass die Studenten bereits über die Grundkenntnisse der neuromorphen Schaltungstechnik verfügen, die sie sich am besten in der Vorlesung "Neuromorphic Engineering I" im vorangehenden Herbstsemester erwerben.
402-0826-00LAuditory InformaticsW2 KP1SR. Stoop
KurzbeschreibungEingeladene Referate zu aktuellen Forschungsthemen aus den Gebieten: Auditorische Informationsverarbeitung, auditorische Sensoren (biologisch und elektronisch), Informationskodierung, Perzeption, Szenen-Segmentation.
LernzielWir führen ein in aktuelle Forschungsthemen der Informationsverarbeitung auditorischer und damit verwandter Systeme.
InhaltEin aktuelles Semesterprogramm findet sich unter: stoop.net/group ->teaching -> auditory informatics
Voraussetzungen / BesonderesAuf Wunsch kann die Lehrsprache auf Deutsch gewechselt werden.
402-0588-00LComplex Systems: Berechenbares Chaos in dynamischen SystemenW6 KP2V + 1UR. Stoop
KurzbeschreibungEinführung in die Theorie diskreter und kontinuierlicher ein- und mehrdimensionaler dynamischer Systeme: Ausführliche Beschreibung der theoretischen Konzepte, Simulationen in Mathematica, Anwendungen von der Elektronik bis zur Himmelsmechanik.
LernzielChaos in dynamischen Systemen ist untrennbar verbunden mit einer Nichtlinearität in diesen Systemen. Dies beschränkt die Möglichkeiten einer Voraussage des Systemverhaltens mit Mitteln der linearen Analyse erheblich. In der Vorlesung werden die handwerklichen mathematischen Hilfsmittel eingeführt, die erlauben, trotz des chaotischen Verhaltens Aussagen über das Systemverhalten zu machen. Mit Hilfe der Konzepte Lyapunov Exponent, Fraktale Dimension, Invariante Dichte, Frobenius-Perron Gleichung werden Aussagen erreicht über den Horizont der Voraussagbarkeit, die Verteilung der Zustände, die Möglichkeit, solche Systeme mit dem Computer zu simulieren und die Veränderungen, denen solche Systeme unterliegen, wenn man Systemparameter ändert.
Die Vorlesung umfasst gleichermassen analytische wie auch simulationstechnische Gesichtspunkte. Unterlegt wird die Vorlesung in allen wesentlichen Aspekten durch abgegebene Programme, verfasst in der Programmierumgebung Mathematica, zu der eine Kurzeinführung abgegeben wird.
Nach der Vorlesung sollte der Ursprung des komplexen Verhaltens einer Grundmenge von charakteristischen Systemen aus einer theoretischen und praktischen Sicht verstanden sein. Man wird in der Lage sein, neue Systeme, wie sie in allen Bereichen der heutigen Wissenschaft und Technologie auftreten, entsprechend zu analysieren.
InhaltDie Vorlesung bietet eine grundlegende Einführung in chaotische Systeme, welche keinerlei Abstriche an mathematischer Exaktheit macht. Sie umfasst einerseits in ansprechender Tiefe die klassischen theoretischen Gesichtspunkte der dynamischen Systeme, wobei alle wesentlichen Beispiele der Literatur ausführlich behandelt werden. Daneben werden modernere Fragestellungen behandelt, etwa nach der Natur der Berechenbarkeit oder der Verlässlichkeit des Computers.

Zu den Kernphänomenen werden kurze, aber vollständige Programme in der Programmiersprache Mathematica abgegeben, welche leicht zu verstehen und für das individuelle Experimentieren übernehmbar sind. Biographien von historischen Schlüsselpersönlichkeiten bereichern die Vorlesung.
SkriptEs wird ein ausführliches Skript abgegeben.
LiteraturZusätzliche und weiterführende Literatur:

R. Stoop und W.H. Steeb, Berechenbares Chaos in Dynamischen Systemen, Birkhäuser 2006.
A. Lasota and M.C. Mackey, Chaos, fractals, and noise : stochastic aspects of dynamics, Springer 1995
402-0981-00LComputer Simulations of Sensory SystemsW3 KP2V + 1UT. Haslwanter
KurzbeschreibungDie Lehrveranstaltung behandelt Computersimulationen vom menschlichen Gehör, Auge, und Gleichgewichtssystem. In der Vorlesung werden die biologisch/mechanischen Grundlagen dieser sensorischen Systeme behandelt. In den Übungen werden diese Simulationen mit MATLAB so umgesetzt, dass der Output der Programme für die Kontrolle echter neuro-sensorischer Prothesen verwendet werden könnte.
LernzielUnsere sensorischen Systeme liefern uns die nötigen Informationen darüber, was „um uns herum“ gerade geschieht. Dazu werden einlaufende mechanische, elektromagnetische, und chemische Signale in die Sprache unseres zentralen Nervensystems, in „Aktionspotentiale“, umgewandelt.
Das Ziel dieser Vorlesung ist die Beschreibung dieser Transformationen, und wie sie mit programmiertechnischen Methoden reproduziert werden können.
So führt unser Gehör zum Beispiel eine „Fourier Transformation“ der einlaufenden Schallwellen durch; das visuelle System ist spezialisiert auf das Auffinden von Kanten in den Bildern, welche von unserer Umgebung auf die Retina projiziert werden; und bei unserem Gleichgewichtssystem kann unter Verwendung von „Steuerungssystemen“ die Umwandlung von linearen und rotatorischen Beschleunigungen in Nervenimpulse elegant beschrieben werden.
In den begleitenden Übungen sollen – unter Zuhilfenahme von MATLAB-Toolboxen – die Funktionsweise von Augen, Ohren, und vom Gleichgewichtssystem so reproduziert werden, dass der Output der Programme als Input für neuro-sensorische Prothesen verwendet werden kann. Solche Prothesen sind im Bereich des auditorischen Systems bereits Routine; beim visuellen System und beim Gleichgewichtssystem sind sie noch in Entwicklung.
Für die Übungen ist ist eine wenigstens rudimentäre Programmiererfahrung-Erfahrung Voraussetzung. Erfahrung mit MATLAB erleichtert die Aufgaben, ist aber nicht unbeding nötig.
InhaltDie folgenden Themen werden in der Vorlesung behandelt:
• Einführung in die Funktionsweise von Nervenzellen.
• Einführung in MATLAB.
•Vereinfachte Simulation von Nervenzellen (Hodgkins-Huxley Modell).
• Beschreibung des menschlichen Gehörs, sowie eine Einführung in die Anwendung von Fourier-Transformationen auf aufgezeichnete Sprachbeispiele.
• Beschreibung des visuellen Systems, wobei sowohl die Funktionsweise der Retina erklärt wird, als auch die Informationsverarbeitung im visuellen Cortex. Die entsprechenden Übungen werden eine Einführung in die Anwendung von digitaler Bildverarbeitung liefern.
• Beschreibung der Funktionsweise unseres Gleichgewichtssystems, und der „Steuerungstheorie“, mit der dieses System elegant beschrieben werden kann. (Dies umfasst die Anwendung von Laplace Transformationen, und die Verwendung des Matlab-Moduls „Simulink“.)
SkriptFür jedes Modul wird ein englisches Skript auf der E-learning Plattform"moodle" zur Verfügung gestellt. Zusaetzlich werden sind Hauptinhalte der Lehrveranstaltung als Wikibook zugaenglich, unter Link
LiteraturFrei zugänglich ist das Wikibook Link

Folgende Bücher sind sehr empfehlenswert:
• L. R. Squire, D. Berg, F. E. Bloom, Lac S. du, A. Ghosh, and N. C. Spitzer. Fundamental Neuroscience, Academic Press - Elsevier, 2008 [ISBN: 978-0-12-374019-9].
Dieses Buch bietet einen ausgezeichneten Gesamtüberblick, von der Funktionsweise von Ionenkanälen bis hin zur neurowissenschaftlichen Beschreibung von Bewusstsein. Zwar wird die Informatik-Seite nicht behandelt; aber das Buch bietet einen sehr guten Überblick über die Funktionsweise unserer sensorischen Systeme. Etwas technischer/schwieriger zu lesen als „Kandel/Schwartz – Principles of Neural Sciences“, aber dafür viel aktueller.
• P Wallisch, M Lusignan, M. Benayoun, T. I. Baker, A. S. Dickey, and N. G. Hatsopoulos. MATLAB for Neuroscientists, Academic Press, 2009.
Kompakt geschrieben; eine kurze Einführung, und ein sehr guter Gesamtüberblick über MATLAB, mit Schwerpunkt auf Anwendungen im Bereich der Neurowissenschaften.
• G. Mather. Foundations of Perception, Psychology Press, 2006 [ISBN: 0-86377-834-8 (hardcover), oder 0-86377-835-6 (paperback)]
Eine gute, allgemeine Einführung in die physiologischen und theoretischen Grundlagen sensorischer Wahrnehmungen.
Voraussetzungen / BesonderesDa ich zur Veranstaltung dieser Vorlesung/Übungen jeweils aus Linz (Österreich) anreisen muss, plane ich die Veranstaltung im Rahmen der vorhandenen Möglichkeiten geblockt (vermutlich jede 2. Woche) durchzuführen.
402-0577-00LQuantum Systems for Information TechnologyW8 KP2V + 2US. Filipp
KurzbeschreibungIntroduction to experimental quantum information processing (QIP). Quantum bits. Coherent Control. Quantum Measurement. Decoherence. Microscopic and macroscopic quantum systems. Nuclear magnetic resonance (NMR) in molecules and solids. Ions and neutral atoms in electromagnetic traps. Charges and spins in quantum dots. Charges and flux quanta in superconducting circuits. Novel hybrid systems.
LernzielIn recent years the realm of quantum mechanics has entered the domain of information technology. Enormous progress in the physical sciences and in engineering and technology has allowed us to envisage building novel types of information processors based on the concepts of quantum physics. In these processors information is stored in the quantum state of physical systems forming quantum bits (qubits). The interaction between qubits is controlled and the resulting states are read out on the level of single quanta in order to process information. Realizing such challenging tasks may allow constructing an information processor much more powerful than a classical computer. The aim of this class is to give a thorough introduction to physical implementations pursued in current research for realizing quantum information processors. The field of quantum information science is one of the fastest growing and most active domains of research in modern physics.
InhaltA syllabus will be provided on the class web server at the beginning of the term (see section 'Besonderes'/'Notice').
SkriptElectronically available lecture notes will be published on the class web server (see section 'Besonderes'/'Notice').
LiteraturQuantum computation and quantum information / Michael A. Nielsen & Isaac L. Chuang. Reprinted. Cambridge : Cambridge University Press ; 2001.. 676 p. : ill.. [004153791].

Additional literature and reading material will be provided on the class web server (see section 'Besonderes'/'Notice').
Voraussetzungen / BesonderesThe class will be taught in English language.

Basic knowledge of quantum mechanics is required, prior knowledge in atomic physics, quantum electronics, and solid state physics is advantageous.

More information on this class can be found on the web site: Link
701-1418-00LModelling Course in Population and Evolutionary BiologyW4 KP6PS. Bonhoeffer, V. Müller
KurzbeschreibungDieser Kurs ist eine praktische Einfuehrung in die mathematische/computerorientierte Modellierung biologischer Prozesse mit Schwerpunkt auf evolutionsbiologischen und populationsbiologischen Fragestellungen. Die Modelle werden in der Open Source software R entwickelt.
LernzielDen Teilnehmern soll der Nutzen der Modellierung als ein Hilfsmittel zur Untersuchung biologischer Fragestellungen vermittelt werden. Die einfacheren Module orientieren sich mehrheitlich an Beispielen aus der Vorlesung "Oekologie und Evolution: Populationen" (Vorlesungsnr: 701-1415-00 V (D-UWIS) oder 551-0303-00L (D-BIOL)). Die fortgeschrittenen Module orientieren sich an aktuellen Forschungsthemen. Hierbei werden auch Fragestellungen untersucht, die zwar konzeptionell und methodisch auf Evolutions- und Populations-biologischen Ansaetzen beruhen, aber sich mit anderen Bereichen der Biologie befassen.
Inhaltsiehe Link
SkriptFuer Teilnehmer des Kurses die die Vorlesung "Oekologie und Evolution: Populationen" (Vorlesungsnr: 701-1415-00 V (D-UWIS) oder 551-0303-00L (D-BIOL))" nicht besucht haben, ist ein vorbereitendes Skript auf Anfrage erhaeltlich
Voraussetzungen / BesonderesDieser Kurs baut auf der Vorlesung "Oekologie und Evolution: Populationen" (Vorlesungsnr: 701-1415-00 V (D-UWIS) oder 551-0303-00L (D-BIOL)) auf. Von Teilnehmern des Kurses, die diese Vorlesung nicht besucht haben, wird erwartet, dass sie vorbereitend ein Skript durcharbeiten, erhältlich auf Link.

Der Kurs basiert auf der Open Source Software R. Programmiererfahrung in R ist nuetzlich, aber keine Voraussetzung. Eine Einführung in R und Biologische Datenanalyse wird in dem Kurs 551-0321-00 "Biological Data Analysis" von Dr. S. Güsewell gegeben.
252-5251-00LComputational ScienceW2 KP2SP. Arbenz, I. Sbalzarini
KurzbeschreibungSeminarteilnehmer studieren grundlegende Papiere aus der Computational Science und halten in einem 40-min. Vortrag (auf Englisch). Der Vortrag (Struktur, Inhalt, Darstellung) ist mit dem verantw. Professor vorzubesprechen. Der Vortrag muss so gehalten werden, dass ihn die anderen Seminarteilnehmer verstehen und etwas lernen können. Teilnahme während des ganzen Semesters ist
vorgeschrieben.
LernzielStudieren und präsentieren einer grundlegenden Arbeit aus dem Bereich der Computational Science. Lernen, über ein wissenschaftliches Thema vorzutragen.
InhaltTeilnehmer am Seminar studieren grundlegende Papiere aus dem Bereich Computational Science und tragen darüber (auf Englisch) in einem 40-minütigen Vortrag vor. Vor der Präsentation soll der Vortrag (bzgl. Struktur, Inhalt, Darstellung) mit dem verantwortlichen Professor besprochen werden. Der Vortrag muss in einer Weise gegeben werden, dass ihn die anderen Seminarteilnehmer verstehen können und etwas lernen können. Teilnahme während des ganzen Semesters ist vorgeschrieben.
Skriptkeines
LiteraturPapiere werden in der ersten Semesterwoche verteilt.
Pflichtwahlfach Geistes-, Sozial- und Staatswissenschaften
» siehe Studiengang Pflichtwahlfach GESS
Master-Arbeit und Seminararbeiten/Seminare
Option 1: lange Master-Arbeit
NummerTitelTypECTSUmfangDozierende
402-0900-01LNSC Master Thesis and Exam Belegung eingeschränkt - Details anzeigen
Zur Master-Arbeit wird nur zugelassen, wer:
a. das Bachelor-Studium erfolgreich abgeschlossen hat;
b. allfällige Auflagen für die Zulassung zum Master-Studiengang erfüllt hat.

Bitte geben Sie das ausgefüllte Anmelde-Formular im Studiensekretariat vor Beginn der Arbeit ab. Die entsprechenden Formulare befinden sich in der Fächliwand vor dem Büro HG G 33.1.
Weitere Informationen Link
W45 KP90DR. Hahnloser
KurzbeschreibungThe Master thesis concludes the study programme. Thesis work should prove the students' ability to independent, structured and scientific working.
Lernziel
Voraussetzungen / BesonderesApplication forms can be downloaded at Link. Note: the oral part of the exam must be completed before the written part.
Option 2: kurze Master-Arbeit und Semesterarbeiten/Seminare
Kurze Master-Arbeit
NummerTitelTypECTSUmfangDozierende
402-0900-02LNSC Master Thesis and Exam Belegung eingeschränkt - Details anzeigen
Zur Master-Arbeit wird nur zugelassen, wer:
a. das Bachelor-Studium erfolgreich abgeschlossen hat;
b. allfällige Auflagen für die Zulassung zum Master-Studiengang erfüllt hat.

Bitte geben Sie das ausgefüllte Anmelde-Formular im Studiensekretariat vor Beginn der Arbeit ab. Die entsprechenden Formulare befinden sich in der Fächliwand vor dem Büro HG G 33.1.
Weitere Informationen Link
W29 KP58DR. Hahnloser
KurzbeschreibungThe Master thesis concludes the study programme. Thesis work should prove the students' ability to independent, structured and scientific working.
Lernziel
Voraussetzungen / BesonderesApplication forms can be downloaded at Link. Note: the oral part of the exam must be completed before the written part.
Semesterarbeiten/Seminare
NummerTitelTypECTSUmfangDozierende
402-0820-01LNSC Master Short Project I Belegung eingeschränkt - Details anzeigen W8 KP16AR. Hahnloser
KurzbeschreibungUsually a student selects the topic of a Master Short Project in consultation with his or her mentor.
Lernziel
402-0820-02LNSC Master Short Project II Belegung eingeschränkt - Details anzeigen W8 KP16AR. Hahnloser
KurzbeschreibungUsually a student selects the topic of a Master Short Project in consultation with his or her mentor.
Lernziel
  •  Seite  1  von  1