William Henry „Bill“ Gates III, KBE (* 28. Oktober 1955 in Seattle, Washington) ist ein US-amerikanischer Unternehmer, Programmierer und Mäzen. Er gründete 1975 gemeinsam mit Paul Allen das Unternehmen Microsoft und gilt heute mit einem geschätzten Vermögen von 118 Milliarden US-Dollar als einer der weltweit reichsten Menschen.^[1]

2008 zog er sich aus dem operativen Geschäft zurück und ist seither über die von ihm und Melinda Gates gegründete wohltätige Gates Foundation hauptsächlich als Philanthrop aktiv.^[2] Stand 2018 hatte Gates über 36 Mrd. US-Dollar an seine Stiftung gespendet sowie angekündigt, bis zum Lebensende 95 Prozent seines Vermögens an sie abgeben zu wollen.

       William (Bill) H. Gates 是微软公司主席和首席软件设计师。微软公司是为个人计算和商业计算提供软件、服务和Internet技术的世界范围内的领导者。在截止于2000年6月的上个财年，微软公司收入达229.6亿美元，在60个国家的雇员总数超过了44,000人。

      盖茨出生于1955年10月28日，和两个姐姐一块在西雅图长大。他的父亲，William H. Gates II，是西雅图的律师。他过世的母亲，Mary Gates，是学校教师，华盛顿大学的董事以及United Way International的主席。

      盖茨曾就读于在西雅图的公立小学和私立的湖滨中学。在那里，他发现了他在软件方面的兴趣并且在13岁时开始了计算机编程。

      1973年, 盖茨考进了哈佛大学. 在那里他和现在微软的首席执行官史蒂夫·鲍尔默住在一起。 在哈佛的时候，盖茨为第一台微型计算机 – MITS Altair 开发了BASIC编程语言的一个版本。

      在大三的时候，盖茨离开了哈佛并把全部精力投入到他与孩提时代的好友Paul Allen在1975年创建的微软公司中。在计算机将成为每个家庭、每个办公室中最重要的工具这样信念的引导下，他们开始为个人计算机开发软件。盖茨的远 见卓识以及他对个人计算的先见之明成为微软和软件产业成功的关键。 (Quelle: www.microsoft.com/china/billgates/default.mspx)

威廉·亨利·盖茨三世，KBE（英语：William Henry Gates III，1955年10月28日—^[3]），常称比尔·盖茨（Bill Gates^{[注 1]}），是一名美国著名资本家、投资者、软件工程师、慈善家。他与保罗·艾伦一起创建微软公司，曾任微软董事长、CEO和首席软件设计师，并持有公司超过8%的普通股，也是公司最大的个人股东^[4][5]。

1995年到2007年的《福布斯》全球富豪榜中，盖茨曾经连续13年蝉联世界首富。2008年6月27日离开微软公司，并把580亿美元个人公司财产捐到比尔及梅琳达·盖茨基金会^[6]。《福布斯》杂志2014年美国富豪排名，盖茨以812亿美元资产重登榜首。盖茨在彭博亿万富翁指数和福布斯2019年亿万富翁排行榜中名列第2位，资产达到1,000亿美元^[7]，他在2019美国400富豪榜以1,060亿美元的资产排名第2^[8]。2020年4月，《福布斯》公布的全球富豪榜，盖茨以净资产980亿美元，排名第2名^[9]。他在《福布斯》2020年9月公布的美国前400大富豪排名榜排名第2名，资产达1,110亿美元^[10]。

盖茨在2000年1月辞去微软首席执行官。他仍然担任董事长，并为自己创立一个新职位“首席软件架构师”。2006年6月，盖茨宣布，他将在微软的全职工作转变为兼职工作，他渐渐的转移他的职责。他于2014年2月辞去微软的董事长，同时仍作为技术顾问，协助新任命的首席执行官纳德拉。

2017年11月当选为中国工程院外籍院士^[11]。2020年3月，盖茨离任微软及伯克希尔·哈撒韦的董事。此后他仅在微软内部担任CEO纳德拉和其他高管的“技术顾问”^[12]。

在计算机科学中，二叉树是每个节点最多有两个子树的树结构。通常子树被称作“左子树”（left subtree）和“右子树”（right subtree）。二叉树常被用于实现二叉查找树和二叉堆。

二叉树的每个结点至多只有二棵子树(不存在度大于2的结点)，二叉树的子树有左右之分，次序不能颠倒。二叉树的第i层至多有个结点；深度为k的二叉树至多有个结点；对任何一棵二叉树T，如果其终端结点数为，度为2的结点数为，则。

一棵深度为k，且有个节点称之为满二叉树；深度为k，有n个节点的二叉树，当且仅当其每一个节点都与深度为k的满二叉树中，序号为1至n的节点对应时，称之为完全二叉树。

与树不同，树的结点个数至少为1，而二叉树的结点个数可以为0；树中结点的最大度数没有限制，而二叉树结点的最大度数为2；树的结点无左、右之分，而二叉树的结点有左、右之分。

Die Bioinformatik (englisch bioinformatics) ist eine interdisziplinäre Wissenschaft, die Probleme aus den Lebenswissenschaften mit theoretischen computergestützten Methoden löst. Sie hat zu grundlegenden Erkenntnissen der modernen Biologie und Medizin beigetragen. Bekanntheit in den Medien erreichte die Bioinformatik in erster Linie 2001 mit ihrem wesentlichen Beitrag zur Sequenzierung des menschlichen Genoms.

Bioinformatik ist ein weitgefächertes Forschungsgebiet, sowohl bei Problemstellungen als auch den angewandten Methoden. Wesentliche Gebiete der Bioinformatik sind die Verwaltung und Integration biologischer Daten, die Sequenzanalyse, die Strukturbioinformatik und die Analyse von Daten aus Hochdurchsatzmethoden (~omics). Da Bioinformatik unentbehrlich ist, um Daten in großem Maßstab zu analysieren, bildet sie einen wesentlichen Pfeiler der Systembiologie.

Der Bioinformatik wird im englischen Sprachraum oft die computational biology gegenübergestellt, die einen weiteren Bereich als die klassische Bioinformatik abdeckt, meist benutzt man beide Begriffe jedoch synonym.

生物信息学（英语：bioinformatics）利用应用数学、信息学、统计学和计算机科学的方法研究生物学的问题。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。目前主要的研究方向有：序列比对、序列组装、基因识别、基因重组、蛋白质结构预测、基因表达、蛋白质反应的预测，以及创建进化模型。

生物学技术往往生成大量的嘈杂数据。与数据挖掘类似，生物信息学利用数学工具从大量数据中提取有用的生物学信息。生物信息学所要处理的典型问题包括：重新组装在霰弹枪测序法测序过程中被打散的DNA序列，从蛋白质的氨基酸序列预测蛋白质结构，利用mRNA微阵列或质谱仪的数据检验基因调控的假说。

某些人将计算生物学作为生物信息学的同义词处理；但是另外一些人认为计算生物学和生物信息学应当被当作不同的条目处理，因为生物信息学更侧重于生物学领域中计算方法的使用和发展，而计算生物学强调应用信息学技术对生物学领域中的假说进行检验，并尝试发展新的理论。

Biomedizinische Datenwissenschaft ist ein multidisziplinäres Gebiet, das große Datenmengen nutzt, um biomedizinische Innovation und Entdeckung zu fördern. Biomedizinische Datenwissenschaft stützt sich auf verschiedene Bereiche, darunter Biostatistik, biomedizinische Informatik und maschinelles Lernen, mit dem Ziel, biologische und medizinische Daten zu verstehen. Sie kann als die Untersuchung und Anwendung der Datenwissenschaft zur Lösung biomedizinischer Probleme betrachtet werden. Moderne biomedizinische Datensätze weisen oft spezifische Merkmale auf, die ihre Analyse erschweren, darunter:

Große Anzahl von Merkmalen (manchmal Milliarden), die in der Regel viel größer sind als die Anzahl der Proben (in der Regel Dutzende oder Hunderte)
Verrauschte und fehlende Daten
Bedenken hinsichtlich des Datenschutzes (z. B. Vertraulichkeit elektronischer Gesundheitsdaten)
Erfordernis der Interpretierbarkeit durch Entscheidungsträger und Aufsichtsbehörden
Viele biomedizinische Datenforschungsprojekte wenden maschinelles Lernen auf solche Datensätze an, was die biomedizinische Datenforschung zu einem besonderen Bereich macht, auch wenn diese Merkmale auch in vielen anderen datenwissenschaftlichen Anwendungen zu finden sind.