Werner Timischl

Mathematische Methoden der Bioinformatik - Eine Einführung (eBook, PDF)

• Format: PDF

Produktbeschreibung

Große Datenmengen, wie sie im Besonderen auch in der Molekularbiologie auftreten, lassen sich ohne den Einsatz von einschlägigen Softwareprodukten (wie z.B. R) kaum bearbeiten. Mit den bereitgestellten Algorithmen können nicht nur Daten statistisch ausgewertet, sondern auch 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 ist eine Einladung an Biologen und Mediziner, 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. Zu den inhaltlichen Schwerpunkten gehören Matrizen, lineare Gleichungssysteme, Rekursionen, Abzähltechniken, diskrete dynamische Optimierung, Markov-Ketten, Hidden Markov-Modelle und distanzbasierte Klassifikationsverfahren.

Der Autor

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.

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Springer Berlin Heidelberg
• Seitenzahl: 294
• Erscheinungstermin: 26. Februar 2024
• Deutsch
• ISBN-13: 9783662674581
• Artikelnr.: 70127128

Autorenporträt

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.

Inhaltsangabe

Matrizen und Vektoren.- Lineare Gleichungssysteme.- Hauptkomponentenanalyse.- Rekursionsgleichungen.- Abzählprobleme.- Diskrete dynamische Optimierung.- Markov-Ketten und Hidden Markov-Modelle.- Distanzbasierte Klassifikationsverfahren.- Lösungen der Aufgaben.