Wie können wir feststellen, welche Gene die verschiedenen Prozesse in der Zelle steuern? Wie sind die Menschen aus Afrika ausgewandert und haben sich auf der ganzen Welt ausgebreitet? In diesem Kurs werden wir sehen, dass diese beiden scheinbar unterschiedlichen Fragen mit ähnlichen Algorithmen und Techniken des maschinellen Lernens angegangen werden können, die sich aus dem allgemeinen Problem der Einteilung von Datenpunkten in verschiedene Cluster ergeben. In der ersten Hälfte des Kurses werden wir Algorithmen für das Clustern einer Gruppe von Objekten in eine Sammlung von Clustern auf der Grundlage ihrer Ähnlichkeit vorstellen, ein klassisches Problem der Datenwissenschaft, und sehen, wie diese Algorithmen auf Genexpressionsdaten angewendet werden können.

In der zweiten Hälfte des Kurses werden wir ein weiteres klassisches Werkzeug der Datenwissenschaft, die Hauptkomponentenanalyse, vorstellen, mit der mehrdimensionale Daten vor dem Clustering vorverarbeitet werden können, um die Anzahl der Dimensionen stark zu reduzieren, ohne dass ein Großteil des "Signals" in den Daten verloren geht. Schließlich werden Sie lernen, wie man gängige Bioinformatik-Softwaretools anwendet, um ein reales Problem beim Clustering zu lösen.