Modul CS4353-KP07

Dauer:

Angebotsturnus:

Studiengang, Fachgebiet und Fachsemester:

• Master Hörakustik und Audiologische Technik 2022 (Vorkenntnisabhängiges Pflichtmodul), Vorkenntnisabhängiges Pflichtmodul, 1. und 2. Fachsemester

Qualifikationsziele/Kompetenzen:

• Studierende kennen die Grundlagen von Python und können Data Science-Algorithmen in dieser Programmiersprache zu implementieren.
• Studierende kennen den Begriff Medical Data Science, können ihn definieren und thematisch eingrenzen.
• Studierende kennen das Konzept der überwachten Klassifikation.
• Studierende kennen ausgewählte Verfahren zur Extraktion, Auswahl und Transformation von Merkmalen und können sie im medizinischen Kontext in einer Programmiersprache umsetzen.
• Studierende kennen den Ansatz zur linearen Klassifikation und können ihn im medizinischen Kontext in einer Programmiersprache umsetzen.
• Studierende kennen den Ansatz zur statistischen Klassifikation und können ihn im medizinischen Kontext in einer Programmiersprache umsetzen.
• Studierende haben einen Überblick über bekannte, assistive Gesundheitstechnologien und können ihren Einsatz medizinisch motivieren.
• Studierende kennen die generelle Vorgehensweise beim sensorbasierten Monitoring von Menschen.
• Studierende kennen die Software-Architektur fürs sensorbasierte Monitoring von Menschen.
• Studierende kennen ausgewählte Verfahren zum Merkmalslernen und können sie in einer Programmiersprache umsetzen.
• Studierende kennen den Klassifikationsalgorithmus Support Vector Machine und können ihn in einer Programmiersprache umsetzen.
• Studierende kennen die generelle Vorgehensweise bei der Interpretation von Schlaflabordaten.
• Studierende kennen ausgewählte Verfahren zur Vorverarbeitung und Fusion von Zeitreihen und können sie in einer Programmiersprache umsetzen.
• Studierende kennen das Verfahren der neuronalen Netze zur Repräsentation und Klassifikation von Zeitreihen und können es in einer Programmiersprache umsetzen.
• Studierende können qualitative und quantitative Aussagen zur Nachvollziehbarkeit von komplexen, neuronalen Netzen machen.
• 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:

• Klausur oder mündliche Prüfung nach Maßgabe des Dozenten

Modulverantwortlicher:

• Prof. Dr.-Ing. Marcin Grzegorzek

Lehrende:

• Institut für Medizinische Informatik

• Prof. Dr.-Ing. Marcin Grzegorzek

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

Sprache:

• Deutsch oder Englisch

Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungsaufgaben

Modulprüfung(en):
- CS4353-L1: Medical Data Science, Klausur, 90min, 100% der Modulnote

Letzte Änderung: