Einem wichtigen Feld der biomedizinischen Forschung und biomedizinischen Datenanalyse - dem maschinellen Lernen und der Optimierung widmet sich diese Habilitationsschrift. Aufgrund der stetigen Weiterentwicklung der Hochdurchsatzmethoden, wie z.B. das next-generation sequencing, aber auch aus anderem biomedizinischen Bereichen, wie z.B. dem Magnetic Resonance Imaging (MRI), ist es immer wichtiger geworden, akkurate und effiziente Algorithmen aus dem Bereich des maschinellen Lernens, des Data Minings und der Optimierung zu entwickeln und zu nutzen. In dieser Arbeit wurden verschiedene biomedizinische Fragestellungen bearbeitet und neue Methoden zur Auswertung der biomedizinischen Daten entwickelt und evaluiert, wie z.B. aus dem Bereich der Pathogenresistenzen, der Krebsvorhersage, sowie der Proteinklassifikation. Als kumulative Habilitationsschrift fasst die Arbeit die Ergebnisse aus 13 wissenschaftlichen Publikationen zusammen und diskutiert diese im Gesamtkontext.     «

Einem wichtigen Feld der biomedizinischen Forschung und biomedizinischen Datenanalyse - dem maschinellen Lernen und der Optimierung widmet sich diese Habilitationsschrift. Aufgrund der stetigen Weiterentwicklung der Hochdurchsatzmethoden, wie z.B. das next-generation sequencing, aber auch aus anderem biomedizinischen Bereichen, wie z.B. dem Magnetic Resonance Imaging (MRI), ist es immer wichtiger geworden, akkurate und effiziente Algorithmen aus dem Bereich des maschinellen Lernens, des Data Min...     »