Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Data-driven statistical learning to model cellular heterogeneity
Übersetzter Titel:
Daten-getriebene Modellierung von Heterogenität zwischen Zellen mittels Methoden aus der Statistik und dem maschinellen Lernen
Autor:
Blasi, Thomas
Jahr:
2016
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Mathematik
Betreuer:
Theis, Fabian J. (Prof. Dr. Dr.)
Gutachter:
Theis, Fabian J. (Prof. Dr. Dr.); Gagneur, Julien (Prof. Dr.); Marioni, John (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
MAT Mathematik
TU-Systematik:
BIO 110d; MAT 022d
Kurzfassung:
In the last decades the advent of new experimental techniques has lead to a drastic increase of available data in biology. As a consequence the importance of mathematical methods to deduct scientifically relevant hypothesis from this big amount of data is steadily growing. A major challenge for bio-mathematics and bio-statistics therefore lies in both the adaption of existing methods to the, often very specific, properties of the measured data, and in the development of new methods to model thes...     »
Übersetzte Kurzfassung:
Das Auftreten neuer experimenteller Methoden führte in den letzten Jahren zu einer drastischen Zunahme verfügbarer, biologischer Daten geführt. Um aus dieser Datenmenge wissenschaftlich relevante Ergebnisse abzuleiten, wird es daher immer wichtiger geeignete mathematische und rechnergestützte Methoden zu finden. Eine der größten Herausforderungen im Bereich der Biomathematik und Biostatistik ist es daher, bestehende Methoden an die oft sehr spezifischen Eigenschaften der Daten anzupassen und zus...     »
WWW:
https://mediatum.ub.tum.de/?id=1296117
Eingereicht am:
22.03.2016
Mündliche Prüfung:
21.09.2016
Dateigröße:
25228082 bytes
Seiten:
178
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20160921-1296117-1-9
Letzte Änderung:
29.09.2016
 BibTeX