Prof. Dr. Mehmet Gültas
FORSCHUNGSSCHWERPUNKT
1. Algorithmische Methoden
- Maschinelles Lernen und Deep Learning
- Informationstheorie
- Probabilistische Datenmodelle
- Algorithmische Methoden des statistischen Lernens
2. Datenmanagement und Datenanalyse
- Statistische Analyse und Interpretation großer Datenmengen (Big Data) im Bereich der Tier-/Pflanzenzüchtung, Bioinformatik und Nutztierhaltung
- Big-Data-Analysen in der Landwirtschaft im Allgemeinen
- Entwicklung der Algorithmen aus dem Maschinellen Lernen für die automatisierte Erfassung und Klassifizierung spezifischer Verhaltensmuster von Nutztieren
- Entwicklung neuer Datenmanagementsysteme zur Erfassung, Speicherung und Verwaltung von landwirtschaftlich relevanten Daten
- Etablierung der unsupervised Maschinellen Lernen Algorithmen, wie z.B. Clustering-Methoden zur landwirtschaftlichen Datenanalyse
- Entwicklung statistischer Datenmodelle und Maschinelles Lernen Methoden zur Etablierung digitaler Technologien in der Landwirtschaft
- Aufklärung komplexer biologischer Vorgänge, wie z. B. die Untersuchung von epistatischen Interaktionen zwischen genotypischen Markern unter Verwendung statistischer Methoden
3. Bioinformatik und Züchtungsinformatik
- Analyse und Interpretation von Multi-omics-Daten (Next Generation Sequencing (NGS), RNA-seq, usw.)
- Aufklärung komplexer biologischer Vorgänge und Netzwerke, wie z. B. die Untersuchung von epistatischen Interaktionen zwischen genotypischen Markern
- Analysen von Transkriptionsfaktoren bezüglich ihrer Funktionen sowie Interaktionen
- Pathwayanalyse (Upstream- , Downstream- und Masterregulator-Analyse) für die Aufklärung biologischer Aktivitäten von regulatorischen Prozessen auf mehreren Ebenen (RNA, Proteine, Metabolite usw.)
- Informationstheoriebasierte Methoden in der Bioinformatik
- Maschinelles Lernen und Evolutionäre Algorithmen in der Bioinformatik
- Analyse genregulatorischer Netzwerke
- Clustering-Ansätze in der Bioinformatik (Markov-Clustering-Algorithmus)
Aktuelle Lehre
Wintersemester
- Applied Machine Learning in Agriculture with R (MSc)
- Data Analysis with R (MSc)
- Applied Bioinformatics with R (MSc)
- Scientific Project: scientific methods, procedures and practical skills in animal and plant breeding (MSc)
- Forschungspraktikum Biometrie mit R (BSc)
Sommersemester
- Data Analysis with R (MSc)
- Forschungspraktikum Biometrie mit R (BSc)
- Anwendungsgebiete der Data Science (BSc)
- Bioinformatik (BSc)
- Scientific Project: scientific methods, procedures and practical skills in animal and plant breeding (MSc)
Aktuelle und vergangene Projekte, studentische Arbeiten und Abschlussarbeiten
- Data Analysis with R (MSc)
- Forschungspraktikum Biometrie mit R (BSc)
- Anwendungsgebiete der Data Science (BSc)
- Bioinformatik (BSc)
- Scientific Project: scientific methods, procedures and practical skills in animal and plant breeding (MSc)
Aktuelle und vergangene Projekte, studentische Arbeiten und Abschlussarbeiten
Semester | Thema |
---|---|
SoSe 2020 | Betreuung der Masterarbeit: Development of an Automatic Pig Detection and Tracking System Using Machine Learning |
SoSe 2020 | Betreuung der Bachelorarbeit: Identifikation regulatorischer SNPs in Brassica napus durch Analyse von Multi-Omics-Daten |
SoSe 2020 | Betreuung der Bachelorarbeit: Die Entschlüsselung der spezifischen transkriptionellen Genregulation in Bezug auf den Krankheitsverlauf der Hühnerpest bei Stockente und Huhn |
WiSe 2019/2020 | Betreuung der Masterarbeit: Genomic Prediction of Economically Relevant Traits in Livestock using Machine Learning |
WiSe 2019/2020 | Betreuung der Bachelorarbeit: Vorhersage von regulatorischen SNPs und deren Einfluss auf die Bindeaffinität von TFs in Pflanzen |
WiSe 2019/2020 | Betreuung der Bachelorarbeit: Analyse von Markerkandidaten und ihren assoziierten Genen in Vicia faba mittels bioinformatischer Methoden |
SoSe 2019 | Betreuung der Masterarbeit: Automatic distinction of behaviour patterns in pigs using anomaly detection techniques with a predictive convolutional network |
SoSe 2019 | Betreuung der Masterarbeit: Development of a database of predicted regulatory SNPs and their impact on the binding propensity of transcription factors |
SoSe 2019 | Betreuung der Masterarbeit: Random forest feature selection for MI epistatic networks |
SoSe 2019 | Betreuung der Forschungsorientierten Projektarbeit: Comparison on genomic predictions using different statistical methods in a simulated cattle population |
WiSe 2018/2019 | Betreuung der Forschungsorientierten Projektarbeit: Prediction of eukaryotic promoters using next generation sequencing data |
WiSe 2018/2019 | Betreuung der Forschungsorientierten Projektarbeit: Prediction of epistatic interactions using information theory |
SoSe 2018 | Betreuung der Masterarbeit: Assoziationsstudie zum Vicingehalt bei Vicia faba basierend auf Genotyping by Sequencing-Daten |
SoSe 2018 | Betreuung der Masterarbeit: Genome wide association analysis for identification of markers associated with eggshell thickness using reverse regression based methods |
SoSe 2018 | Betreuung der Masterarbeit: Identification of bovine tissue- and population specific transcription factor cooperations using next generation sequencing data and genome-wide variant calling |
Publikationen
Für Publikationen siehe ResearchGate oder Google Scholar.