Ulteriori informazioni
Große Datenmengen lassen sich ohne den Einsatz von einschlägigen Softwareprodukten kaum bearbeiten. Mit den bereitgestellten Algorithmen können Daten statistisch ausgewertet und Optimierungsaufgaben oder kombinatorische Problemstellungen gelöst werden. Auch wenn dies zumeist im "Black Box"-Verfahren geschieht, ist es doch hilfreich, etwa bei der Auswahl der Algorithmen oder bei der Einschätzung der erforderlichen Zeit-Ressourcen, die hinter den Algorithmen steckenden mathematischen Ideen zu kennen.
Das Buch lädt Biologen und Mediziner ein, sich mit den mathematischen Grundlagen von ausgewählten Algorithmen der Bioinformatik vertraut zu machen. Es ist eine Einführung mit vielen durchgerechneten Beispielen und zahlreichen Aufgaben mit ausführlichen Lösungen zum Einüben der mathematischen Inhalte. Inhaltliche Schwerpunkte sind Matrizen, lineare Gleichungssysteme, Rekursionen, Abzähltechniken, diskrete dynamische Optimierung, Markov-Ketten, Hidden Markov-Modelle und distanzbasierte Klassifikationsverfahren.
Info autore
Werner Timischl ist Professsor an der TU Wien sowie an der FH Campus Wien und Autor der Springer-Lehrbücher
Angewandte Statistik
und
Mathematische Methoden in den Biowissenschaften
.
Riassunto
Große Datenmengen lassen sich ohne den Einsatz von einschlägigen Softwareprodukten kaum bearbeiten. Mit den bereitgestellten Algorithmen können Daten statistisch ausgewertet und Optimierungsaufgaben oder kombinatorische Problemstellungen gelöst werden. Auch wenn dies zumeist im „Black Box“-Verfahren geschieht, ist es doch hilfreich, etwa bei der Auswahl der Algorithmen oder bei der Einschätzung der erforderlichen Zeit-Ressourcen, die hinter den Algorithmen steckenden mathematischen Ideen zu kennen.
Das Buch lädt Biologen und Mediziner ein, sich mit den mathematischen Grundlagen von ausgewählten Algorithmen der Bioinformatik vertraut zu machen. Es ist eine Einführung mit vielen durchgerechneten Beispielen und zahlreichen Aufgaben mit ausführlichen Lösungen zum Einüben der mathematischen Inhalte. Inhaltliche Schwerpunkte sind Matrizen, lineare Gleichungssysteme, Rekursionen, Abzähltechniken, diskrete dynamische Optimierung, Markov-Ketten, Hidden Markov-Modelle und distanzbasierte Klassifikationsverfahren.
