Website
Modulhandbuch ab 2016

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:
Modulverantwortlicher:
  • Prof. Dr. Silke Szymczak
Lehrende:
  • 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 Änderung:
8.8.2023