Website
Modulhandbuch ab 2016

Modul MA4665-KP05

Statistisches Lernen (StaLerKP05)

Dauer:


1 Semester
Angebotsturnus:


Alle zwei Jahre
Leistungspunkte:


5
Studiengang, Fachgebiet und Fachsemester:
  • Master Medizinische Informatik 2019 (Wahlpflicht), Medical Data Science / Künstliche Intelligenz, 1. oder 2. Fachsemester
  • Master Mathematik in Medizin und Lebenswissenschaften 2023 (Wahlpflicht), Mathematik, 1., 2. oder 3. Fachsemester
  • Bachelor Mathematik in Medizin und Lebenswissenschaften 2023 (Wahlpflicht), Mathematik, 5. oder 6. Fachsemester
  • Master Mathematik in Medizin und Lebenswissenschaften 2016 (Wahlpflicht), Mathematik, 1., 2. oder 3. Fachsemester
  • Bachelor Mathematik in Medizin und Lebenswissenschaften 2016 (Wahlpflicht), Mathematik, 5. oder 6. Fachsemester
Lehrveranstaltungen:
  • MA4665-Ü: Statistisches Lernen (Übung, 1 SWS)
  • MA4665-V: Statistisches Lernen (Vorlesung, 2 SWS)
Workload:
  • 30 Stunden Eigenständige Projektarbeit
  • 60 Stunden Selbststudium
  • 15 Stunden Prüfungsvorbereitung
  • 45 Stunden Präsenzstudium
Lehrinhalte:
  • Anwendungsszenarien und Fragestellungen für Vorhersagemodelle (Schwerpunkt: Risikovorhersage)
  • Studiendesign und Datenvorverarbeitung
  • Übersicht verschiedener maschineller Lernverfahren (Konzepte, Vor- und Nachteile)
  • Entwicklung von Vorhersagemodellen
  • Bewertung der Vorhersagegüte
  • Vergleich von Vorhersagemodellen
  • Variablenauswahl
  • Erweiterung auf Ereigniszeiten mit Zensierung
Qualifikationsziele/Kompetenzen:
  • Die Studierenden können Fragestellungen definieren, zu deren Beantwortung Vorhersagemodelle geeignet sind
  • Sie können die einzelnen Schritte bei der Entwicklung und der Bewertung von Vorhersagemodellen erläutern
  • Sie können dabei häufig auftretende Fehler und Probleme sowie Lösungsmöglichkeiten beschreiben
  • Sie können zentrale Ideen verschiedener maschineller Lernverfahren beschreiben und geeignete Verfahren in Anwendungssituationen auswählen
  • Sie können Modelle in der Programmiersprache R entwickeln und bewerten
Vergabe von Leistungspunkten und Benotung durch:
  • Projektarbeit
  • Mündliche Prüfung oder Klausur
Setzt voraus:
Modulverantwortlicher:
  • Prof. Dr. Silke Szymczak
Lehrende:
  • Prof. Dr. Silke Szymczak
  • MitarbeiterInnen des Instituts
Literatur:
  • Thomas Gerds und Michael Kattan: Medical Risk Prediction Models: With Ties to Machine Learning - CRC Press: Bota Raton, FL (2022)
Sprache:
  • Deutsch oder Englisch
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):
- MA4665-L1: Statistisches Lernen, Mündliche Prüfung (20 min) oder Klausur (60 min), 50 % der Modulnote
- MA4665-L2:Forschungsprojekt inkl. Vortrag und Code-Dokumentation, 50 % der Modulnote

Letzte Änderung:
6.6.2023