Website
Modulhandbuch Bachelor Medizinische Informatik ab WS 2014/15

Modul CS3350-KP06

Medical Data Science und Künstliche Intelligenz (MDS)

Dauer:


1 Semester
Angebotsturnus:


Jedes Wintersemester
Leistungspunkte:


6
Studiengang, Fachgebiet und Fachsemester:
  • Bachelor Medizinische Informatik 2014 (Wahlpflicht), Medizinische Informatik, 5. oder 6. Fachsemester
  • Bachelor Medizinische Informatik 2019 (Pflicht), Medical Data Science / Künstliche Intelligenz, 5. Fachsemester
Lehrveranstaltungen:
  • CS3350-V: Medical Data Science und Künstliche Intelligenz (Vorlesung, 2 SWS)
  • CS3350-P: Medical Data Science und Künstliche Intelligenz (Praktikum, 1 SWS)
  • CS3350-Ü: Medical Data Science und Künstliche Intelligenz (Übung, 2 SWS)
Workload:
  • 75 Stunden Präsenzstudium
  • 65 Stunden Selbststudium
  • 40 Stunden Prüfungsvorbereitung
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:
  • Mündliche Prüfung
Modulverantwortlicher:
Lehrende:
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:

Zulassungsvoraussetzungen zum Modul:
- Keine

Zulassungsvoraussetzungen zur Prüfung:
- Prüfungsvorleistungen können zu Beginn des Semesters festgelegt werden. Sind Vorleistungen definiert, müssen diese vor der Erstprüfung erbracht und positiv bewertet worden sein.

Letzte Änderung:
29.11.2019