Java für die Life Sciences Eine Einführung in die angewandte Bioinformatik
Long description: Lernen Sie grundlegende Java-Techniken, die für die Auswertung von Biodaten benötigt werden Eine Einführung in Java für Biowissenschaftler mit Programmiererfahrung Bietet biologische Hintergrundinformationen, soweit sie zum Verständnis des Problems hilfreich sind Mit zahlr...
| Autor principal: | |
|---|---|
| Otros Autores: | , |
| Formato: | Libro electrónico |
| Idioma: | Alemán |
| Publicado: |
Heidelberg :
o'Reilly
2020.
|
| Materias: | |
| Ver en Biblioteca Universitat Ramon Llull: | https://discovery.url.edu/permalink/34CSUC_URL/1im36ta/alma991009630845506719 |
Tabla de Contenidos:
- Intro
- Inhalt
- Einleitung
- Kapitel 1: Einführung in die Arbeit mit Java
- Die Umgebung einrichten
- JDK installieren
- Java in der Kommandozeile
- Eine IDE einrichten: Eclipse
- Die erste Java-Anwendung
- Versionsverwaltung Git
- Maven
- Abhängigkeiten definieren
- Übungsaufgaben
- Kapitel 2: Java zum Auffrischen
- Aufbau eines Java-Programms
- Variablen
- Vergleiche
- Arrays
- Schleifen
- Erweiterungen hinzufügen
- Exceptions
- Externe Bibliotheken hinzufügen
- JAR-Files hinzufügen
- Libraries bauen
- Grundlagen der Datenverarbeitung
- Datenarchitektur und Datenmodellierung
- Die Verwendung von Listen und anderen Datenstrukturen
- Der Umgang mit Parametern
- Das Lesen und Schreiben von Dateien und Daten
- Übungsaufgaben
- Kapitel 3: Data Engineering mit Java
- Grundlagen
- Daten, Informationen, Wissen und Weisheit
- Der Data Lifecycle
- Knowledge Representation und das Arbeiten mit externen Datenquellen
- XML
- JSON
- RDF und Semantic Web
- Verarbeiten und Parsen von (un-)formatiertem Text
- Arbeiten mit Datenbanken
- Relationale Datenbanken
- SQL mit Java
- Nicht relationale Datenbanken
- Arbeiten mit RESTful-APIs
- Analysepipelines mit BASH-Skripten bauen
- Parallel Environments
- Übungsaufgaben
- Kapitel 4: Data Mining
- Klassifizierung
- Binning
- Hashing
- Statistische Modelle
- Clustering
- Graph-basiertes Clustering
- K-Means
- Übungsaufgaben
- Kapitel 5: Netzwerkanalyse: Graphen mit Java
- JGraphT in der Netzwerkanalyse
- Gerichtete Graphen
- Nahrungsketten
- Soziale und Spezies-spezifische Relationen
- Ungerichtete Graphen
- Protein-Protein-Interaktionsnetzwerke
- Ähnlichkeitsgraphen
- Weitere Beispiele
- Substructure- und Maximal-Common-Substructure-Suche
- Zufallsgraphen
- Soziale Netzwerke
- Gerichtete Protein-Interaktionsnetzwerke
- Übungsaufgaben.
- Kapitel 6: Bildverarbeitung mit Java und ImageJ
- Einführung in ImageJ
- Lesen und Schreiben von Bildern
- ImageProcessor
- Elementare Bildbearbeitung
- Particle Analysis
- Objektklassifizierung
- Supervised Classification
- Unsupervised Classification
- Farbanalysen
- Praxisprojekte
- Tumorerkennung in CT-Scans der Lunge
- Pflanzenmorphologie
- Übungsaufgaben
- Kapitel 7: Sequenzanalyse mit BioJava
- Grundlagen der Sequenzanalyse
- Einführung in BioJava
- Datenbanksuche
- Lesen und Schreiben von Sequenzen
- Eigenschaften von Sequenzen in BioJava
- Sequence Alignment
- Multiple Sequence Alignment
- BLAST
- Next-Generation Sequencing Data Analysis
- Übungsaufgaben
- Index.
