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.
Het eerste kwartaal van deze minor focust op het verkrijgen van begrip omtrent de theorie die aan diverse machine-learning methoden ten grondslag ligt en het opdoen van praktische ervaring met het werken met deze technieken.