Navigation

Kompaktkurs "Einführung in die biologische Datenanalyse und Simulation mit Matlab"

SS 2005: 18.7.-29.7.2005, jeweils 9.30-16.30 Uhr
Seminar in W1-0-012, Übungen in W1-0-009

(Vorläufige) Liste der Kursinhalte:

Tag 1:

Benutzung von Matlab

  • Aufrufen
  • Bedeutung der Fenster
  • Benutzung Kommandozeile (Tab, Semikolon, ctrl-C)
  • Definitionen von Programm, Kontrollfluss, Variable
  • Tipps für Bildung von Variablennamen
  • Benutzung der Hilfe (Kommandozeile und Helpdesk)
  • Benutzung des Editors
  • Benutzung von Skripten
  • Diary
  • Suchpfad ändern
  • Definition und Matlabsyntax von Vektor und Matrix
  • Darstellung von z.B. Messwerten als Matrix
  • Zugriff auf einzelne Elemente, Doppelpunktoperator, Transponieren
  • Definition, Initialisierung, Zuweisung, Auslesen von Variablen
  • Definition Operator
  • Arithmetische und logische und Relationsoperatoren in Matlab
  • Anwendung von Operatoren auf Matrizen
  • Zeichenketten
  • Verschiedene Datentypen
  • Debugging

Tag 2:

Grafik:

  • Erzeugen von Vektoren mit Funktionswerten
  • Einlesen von Matlab-Daten
  • Erzeugen von 2D Graphik
  • Grafische Darstellung von Vektoren
  • Plotten mehrerer Kurven in ein Diagramm
  • Nutzung Programmzeile für Zeichenattribute, Achsenskalierung und -beschriftung
  • Darstellung in Farbwerten
  • Colorbar
  • Mehrere Grafikfenster
  • Nutzung von Subplots
  • Exportieren von Grafik
  • Nutzung des Graphikeditors

Tag 3:

Kontrollstrukturen:

  • Prinzip Fallunterscheidungen
  • Darstellung Fallunterscheidung im Struktogramm
  • Matlabsyntax für Fallunterscheidungen (if, else, elseif)
  • Prinzip Iteration
  • Darstellung Iteration im Struktogramm
  • Matlabsyntax für Iteration (while, for)

Tag 4:

Funktionen:

  • Definitionen von Funktion, Argument
  • Sinn von Eingabe- und Ausgabeargumenten
  • Prinzip Modularisierung
  • Syntax von Matlabfunktionen
  • Kommentare in Matlabfunktionen
  • Hilfetext in Matlabfunktionen
  • lokale Variable
  • globale Variable
  • Umwandlung von Zeichen in Zahlen und zurück
  • Rekursive Programmierung
  • Beispiel Fibonacci – verschiedene Implementierungen

Tag 5:

Datenverwaltung:

  • Speichern und Laden von Matrizen in Matlab
  • Speichern und Laden von Textfiles
  • Herausgreifen von Bereichen
  • Konvertieren anderer Dateiformate(z.B. GIF, RAW, Excel)
  • Probleme mit anderem Header
  • Tipps gegen den Datenwust
  • Automatisches Generieren von Filenamen
  • Erzeugen von 3D Graphik
  • Zeichenattribute für 3D Graphik

Tag 6:

Einführung in den Umgang mit Messdaten:

  • Diskrete und kontinuierliche Daten
  • Zeitreihen
  • Präzision und Zuverlässigkeit von Messdaten
  • Stichprobengröße
  • Umwandlung analoger in digitale Daten
  • Abtastraten und Abtasttheorem
  • Umgang mit Geräterauschen etc
  • Grafische Darstellung von Rohdaten
  • Gerätetests
  • Genauigkeit von Zahlen
  • Bildung und Darstellung von Mittelwert, Varianz Standardabweichung
  • Mittelung über die Zeit und Mittelung über Reizpräsentationen
  • Bestimmen von Maximum und Minimum
  • Benutzung von Schwellwertfunktionen
  • Bildung und Darstellung von Histogrammen
  • Auswertung von Prozentanteilen und Darstellung als Kuchengrafik

Tag 7:

Erzeugen von Daten zur Stimulation oder Simulation:

  • Erzeugen von Tönen
  • Sampleraten bei akustischer Stimulation
  • Erzeugen von visuellen Stimuli
  • Erzeugen von Zufallszahlen verschiedener Statistik
  • Zeitmessung
  • Programmieren mit Strukturen

Tag 8:

Einführung in Simulation:

  • Definition von Modell und Simulation
  • Relevanz biologischer Simulationen
  • Wichtige Schritte bei der Modellbildung
  • Bedeutung und Wahl von Parametern
  • Zustandsmodelle
  • Analytische Modelle
  • Spikegenerationsmodelle verschiedener Komplexität
  • Integrate and Fire Neuronenmodell
  • Hodgkin Huxley Neuronenmodell

Tag 9:

Techniken zur Datenauswertung:

  • Kurvenanpassung:
    • Zusammenhang von Messdaten, Modellen und Kurvenanpassung
    • Interpolation und Extrapolation
    • Least Squares Methode
    • Lineare Interpolation
    • Datenanpassung mit Polynomen
  • Signalverarbeitung
    • Fast Fourrier Transformation
  • Beispiel Proteinsequenzen:
    • Arbeiten mit Text
    • Durchsuchen der Daten nach bestimmten Kriterien
    • Finden von Mustern

Tag 10:

Vorstellung der Einzelprojekte

  • Handle Graphics: Möglichkeiten, wie man seine Abbildungen verschönert
  • Game of life: Einfache Simulation einer Bakterienpopulation (aufbauend auf Demo)
  • Einlesen von Messdaten: Kompliziertes Dateiformat für Matlab aufbereiten (Programm erklären bzw modifizieren)
  • Zeitmessung und -steuerung: Nutzung der timer-funktion
  • Synchronisieren von Messdaten
  • Berechnung von Signal-Rauschverhältnis
  • Regelbasiertes Sortieren von Daten
  • Statistik für die Zellbiologie
  • Modellierung von Gefiederfarbe
  • Mischen von Daten
  • Psychophysikalisches Experiment mit zwei Reizen

 

Abschlussaufgabe:

Durchführung und Auswertung eines psychophysikalischen Experiments

 

 

Webm2zwplast6aeriuk+c: Jutt6oba +ilcKrecu+tzberg3x (jutt4pvg/a.kretzberg@uo+6xl.de4hzw) (Stand: 07.11.2019)