Modul CS4352-KP06

Dauer:

Angebotsturnus:

Studiengang, Fachgebiet und Fachsemester:

• Master Medizinische Informatik 2014 (Wahlpflicht), Medical Data Science / Künstliche Intelligenz, 1. oder 2. Fachsemester
• Master Medizinische Informatik 2019 (Pflicht), Medical Data Science / Künstliche Intelligenz, 1. oder 2. Fachsemester

Qualifikationsziele/Kompetenzen:

• Studierende haben einen Überblick über bekannte, assistive Gesundheitstechnologien und können ihren Einsatz medizinisch motivieren.
• Studierende kennen die generelle Vorgehensweise bei der Erkennung menschlicher Aktivitäten.
• Studierende kennen ausgewählte Verfahren für die Integration und Synchronisation von multiplen Sensoren.
• Studierende kennen ausgewählte Verfahren zum Merkmalslernen und können sie in einer Programmiersprache umsetzen.
• Studierende kennen ausgewählte Klassifikationsverfahren für multimodale Sensordaten und können sie in einer Programmiersprache umsetzen.
• Studierende kennen die generelle Vorgehensweise bei der sensorbasierten Innenlokalisierung.
• Studierende kennen ausgewählte Modelle zur statistischen Repräsentation von multimodalen Sensordaten und können sie in einer Programmiersprache umsetzen.
• Studierende kennen die Theorie der rekursiven Schätzung einer Wahrscheinlichkeitsdichte.
• Studierende kennen das Verfahren Particle Filtering und können es in einer Programmiersprache umsetzen.
• Studierende kennen die generelle Vorgehensweise bei der Analyse von Schlaflabordaten.
• Studierende kennen ausgewählte Ansätze zur Erweiterung von multimodalen Zeitreihen und können sie in einer Programmiersprache umsetzen.
• Studierende kennen ausgewählte Transferlernverfahren für die Klassifikation von Zeitreihen.
• Studierende kennen ausgewählte Methoden des erklärbaren, maschinellen Lernens.
• Studierende kennen die Zielsetzung und Funktionsweise von Softwaresystemen aus ausgewählten, aktuellen Forschungsprojekten.
• Studierende kennen die gesellschaftliche Relevanz von assistiven Gesundheitstechnologien.

Vergabe von Leistungspunkten und Benotung durch:

• Mündliche Prüfung

Modulverantwortlicher:

• Prof. Dr.-Ing. Marcin Grzegorzek

Lehrende:

• Institut für Medizinische Informatik

• Prof. Dr.-Ing. Marcin Grzegorzek
• Dr. Sebastian Fudickar

Literatur:

• Peter J. Brockwell and Richard A. Davis: Introduction to Time Series and Forecasting - ISBN: 978-3-319-29852-8
• Marcin Grzegorzek: Sensor Data Understanding - ISBN: 978-3-8325-4633-5
• Andrew R. Webb: Statistical Pattern Recognition - ISBN: 978-0-470-68228-9
• Sergios Theodoridis and Konstantinos Koutroumbas: Pattern Recognition - ISBN: 978-1-597-49272-0
• Heinrich Niemann: Klassifikation von Mustern - ISBN: 978-3-642-47517-7
• Marcin Grzegorzek: Appearance-Based Statistical Object Recognition Including Color and Context Modeling - ISBN: 978-3-8325-1588-1
• Muhammad Adeel Nisar: Sensor-Based Human Activity Recognition for Assistive Health Technologies - ISBN: 978-3-8325-5571-9
• Frédéric Li: Deep Learning for Time-series Classification Enhanced by Transfer Learning Based on Sensor Modality Discrimination - ISBN: 978-3-8325-5396-8
• Frank Ebner: Smartphone-Based 3D Indoor Localization and Navigation - ISBN: 978-3-8325-5232-9
• Xinyu Huang: Sensor-Based Sleep Stage Classification Using Deep Learning - ISBN: 978-3-8325-5617-4

Sprache:

• Sowohl Deutsch- wie Englischkenntnisse nötig

Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungs- und Praktikumsaufgaben gemäß Vorgabe am Semesteranfang

Modulprüfung(en):
- CS4352-L1: Medical Data Science für Assistive Gesundheitstechnologien, Mündliche Prüfung, 100% der Modulnote

Letzte Änderung: