Modul MA4666-KP05
Interpretierbares statistisches Lernen (IStLern)
Dauer
1 Semester
Angebotsturnus
Alle zwei Jahre
Leistungspunkte
5
Studiengang, Fachgebiet und Fachsemester:
- Bachelor Mathematik in Medizin und Lebenswissenschaften 2023, Wahlpflicht, Mathematik, 5. oder 6. Fachsemester
- Bachelor Mathematik in Medizin und Lebenswissenschaften 2016, Wahlpflicht, Mathematik, 5. oder 6. Fachsemester
- Master Mathematik in Medizin und Lebenswissenschaften 2023, Wahlpflicht, Mathematik, Beliebiges Fachsemester
- Master Mathematik in Medizin und Lebenswissenschaften 2016, Wahlpflicht, Mathematik, Beliebiges Fachsemester
- Master Medizinische Informatik 2019, Wahlpflicht, Medical Data Science / Künstliche Intelligenz, 1. oder 2. Fachsemester
Lehrveranstaltungen:
- Interpretierbares statistisches Lernen (Übung, 1 SWS)
- Interpretierbares statistisches Lernen (Vorlesung, 2 SWS)
Workload:
- 15 Stunden Prüfungsvorbereitung
- 30 Stunden Programmieren
- 45 Stunden Präsenzstudium
- 60 Stunden Selbststudium und Aufgabenbearbeitung
Lehrinhalte:
- Begriffsdefinition: Interpretierbares statistisches Lernen
- Interpretierbare Modelle
- Globale modellagnostische Methoden
- Partial Dependence Plots (PDP)
- Accumulated Local Effects (ALE)
- Variablenwichtigkeiten
- Lokale modellagnostische Methoden
- Individual Conditional Expectation (ICE)
- Lokale Surrogates (LIME)
- Counterfactional Explanations
- Shapley Werte, SHAP
Qualifikationsziele/Kompetenzen:
- Die Studierenden können die zentralen Ideen von interpretierbarem statistischem Lernen erklären.
- Sie kennen den Unterschied zwischen modellbasierten und modellagnostischen Verfahren.
- Sie können die Unterschiede zwischen den verschiedenen Verfahren zur Interpretation von Modellen erklären.
- Sie können geeignete Verfahren in einer Anwendungssituation auswählen.
- Sie können die Verfahren unter Verwendung von R implementieren und anwenden.
Vergabe von Leistungspunkten und Benotung durch:
- Mündliche Prüfung oder Klausur
Setzt voraus:
Lehrende:
- Institut für Medizinische Biometrie und Statistik
- Dr. rer. hum. biol. Björn-Hergen Laabs
Literatur:
- Molnar, C. : Interpretable Machine Learning: A Guide for Making Black Box Models Explainable Springer, New York 2022 (2nd ed.)
- Hastie, T., Tibshirani, R., Friedmann, J. : The Elements of Statistical Learning: Data Mining, Inference and Prediction Springer, New York 2009 (2nd ed.)
- Wu, X., Kumar, V. : The Top Ten Algorithms in Data Mining CRC Press, Boca Raton 2009
Sprache:
- Englisch, außer bei nur deutschsprachigen Teilnehmern
Bemerkungen:
Zulassungsvoraussetzungen zur Belegung des Moduls:- Keine (die Kompetenzen der unter 'Setzt voraus' genannten Module werden für dieses Modul benötigt, sind aber keine formale Voraussetzung)
Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Keine
Modulprüfung(en):
- MA4666-L1: Interpretierbares statistisches Lernen, Mündliche Prüfung (20 min) oder Klausur (60 min), 100% der Modulnote
Letzte Änderungen:
08.08.2023