Minor High-throughput / High-performance Biocomputing

Thema-coordinator: Michiel Noback [NOMI]

De toenemende hoeveelheid aan onoverzichtelijk grote datastromen ("Big Data") in de biologie maakt een traditionele beoordeling en duiding door menselijke onderzoekers steeds vaker niet meer haalbaar. Daarom worden tegenwoordig "machine learning" technieken gebruikt ten behoeve van data-mining, d.w.z. het (semi-)automatisch opsporen en karakteriseren van patronen en relaties tussen meetvariabelen die niet noodzakelijk van tevoren bekend zijn. Deze verdiepende minor heeft tot doel om bestaande technieken voor het verwerken van grote datasets en datastromen aan te leren en om tevens een solide basis te geven om ontwikkelingen omtrent nieuw opkomende technieken in dit dynamische werkveld te kunnen volgen.

Kwartaal 3.3: Application Design

Dit kwartaal gaat simpelweg verder met de projecten die in het eerste kwartaal opgestart zijn. De nadruk ligt nog meer op het "simuleren" van een stage; de studenten worden geacht zich het project eigen gemaakt te hebben en nu grotendeels zelfstandig de ingeslagen weg af te maken. Belangrijke aspecten ter verzelfstandiging zijn hierbij het onderhouden van het contact met de opdrachtgever en het verzamelen van resultaten voor de eindrapportage (verslag).