Modul CS3350-KP06

Dauer

1 Semester

Angebotsturnus

Jedes Wintersemester

Leistungspunkte

6

Studiengang, Fachgebiet und Fachsemester:

• Bachelor Medizinische Informatik 2014, Wahlpflicht, Medizinische Informatik
• Bachelor Medizinische Informatik 2019, Pflicht, Medical Data Science / Künstliche Intelligenz

Lehrveranstaltungen:

• CS3350-Ü: Medical Data Science und Künstliche Intelligenz (Übung, 2 SWS)
• CS3350-P: Medical Data Science und Künstliche Intelligenz (Praktikum, 1 SWS)
• CS3350-V: Medical Data Science und Künstliche Intelligenz (Vorlesung, 2 SWS)

Workload:

• 40 Stunden Prüfungsvorbereitung
• 65 Stunden Selbststudium
• 75 Stunden Präsenzstudium

Lehrinhalte:

• Einführung
• Generelle Vorgehensweise in der Informationssuche (Szenario 1: medizinische Informationssuche)
• Beschreibungsbasierter Ansatz zur Informationssuche (Szenario 1: medizinische Informationssuche)
• Inhaltsbasierter Ansatz zur Informationssuche (Szenario 1: medizinische Informationssuche)
• Performanz der Systeme zur Informationssuche (Szenario 1: medizinische Informationssuche)
• Generelle Vorgehensweise in der überwachten Klassifikation (Szenario 2: stimmbasierte Frühdiagnostik)
• Extraktion, Auswahl und Transformation von Merkmalen (Szenario 2: stimmbasierte Frühdiagnostik)
• Lineare Klassifikation (Szenario 2: stimmbasierte Frühdiagnostik)
• Statistische Klassifikation (Szenario 2: stimmbasierte Frühdiagnostik)
• Generelle Vorgehensweise in der unüberwachten Klassifikation (Szenario 3: Bevölkerungsmedizin)
• Sequenzieller Ansatz zur unüberwachten Klassifikation (Szenario 3: Bevölkerungsmedizin)
• Hierarchischer Ansatz zur unüberwachten Klassifikation (Szenario 3: Bevölkerungsmedizin)
• Unscharfer Ansatz zur unüberwachten Klassifikation (Szenario 3: Bevölkerungsmedizin)
• Demonstratoren aus den aktuellen Forschungsprojekten
• Zusammenfassung und Schlussfolgerungen

Qualifikationsziele/Kompetenzen:

• Die Studierenden kennen den Begriff Medical Data Science, können es definieren und thematisch eingrenzen.
• Die Studierenden kennen das Konzept der automatischen Informationssuche.
• Die Studierenden kennen den beschreibungsbasierten Ansatz zur Informationssuche und können ihn im medizinischen Kontext in einer Programmiersprache umsetzen.
• Die Studierenden kennen den inhaltsbasierten Ansatz zur Informationssuche und können ihn im medizinischen Kontext in einer Programmiersprache umsetzen.
• Die Studierenden können die Performanz von Systemen zur Informationssuche bewerten.
• Die Studierenden kennen das Konzept der überwachten Klassifikation.
• Die Studierenden kennen ausgewählte Verfahren zur Extraktion, Auswahl und Transformation von Merkmalen und können sie im medizinischen Kontext in einer Programmiersprache umsetzen.
• Die Studierenden kennen den Ansatz zur linearen Klassifikation und können ihn im medizinischen Kontext in einer Programmiersprache umsetzen.
• Die Studierenden kennen den Ansatz zur statistischen Klassifikation und können ihn im medizinischen Kontext in einer Programmiersprache umsetzen.
• Die Studierenden kennen das Konzept der unüberwachten Klassifikation.
• Die Studierenden kennen den sequentiellen Ansatz zur unüberwachten Klassifikation und können ihn im medizinischen Kontext in einer Programmiersprache umsetzen.
• Die Studierenden kennen den hierarchischen Ansatz zur unüberwachten Klassifikation und können ihn im medizinischen Kontext in einer Programmiersprache umsetzen.
• Die Studierenden kennen den unscharfen Ansatz zur unüberwachten Klassifikation und können ihn im medizinischen Kontext in einer Programmiersprache umsetzen.
• Die Studierenden kennen die Zielsetzung und Funktionsweise von Softwaresystemen aus ausgewählten, aktuellen Forschungsprojekten im Bereich Medical Data Science.
• Die Studierenden kennen die gesellschaftliche Relevanz von automatischen Methoden zur automatischen Datenanalyse in der Medizin.

Vergabe von Leistungspunkten und Benotung durch:

• Klausur oder mündliche Prüfung nach Maßgabe des Dozenten

Modulverantwortliche:

• Prof. Dr.-Ing. Marcin Grzegorzek

Lehrende:

• Institut für Medizinische Informatik
• Prof. Dr.-Ing. Marcin Grzegorzek
• Prof. Dr. rer. nat. habil. Sebastian Fudickar

Literatur:

• Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze : Introduction to Information Retrieval ISBN: 9780521865715
• Sergios Theodoridis and Konstantinos Koutroumbas : Pattern Recognition ISBN: 9781597492720

Sprache:

• Sowohl Deutsch- wie Englischkenntnisse nötig

Bemerkungen:

Letzte Änderungen:

19.09.2024