252-0868-00L  Data Science for Medicine

SemesterFrühjahrssemester 2022
DozierendeJ. Vogt, V. Boeva, G. Rätsch
Periodizitätjährlich wiederkehrende Veranstaltung
LehrspracheEnglisch
KommentarNur für Humanmedizin BSc



Lehrveranstaltungen

NummerTitelUmfangDozierende
252-0868-00 VData Science for Medicine4 Std.
04.04. - 13.04.08-18HG D 1.2 »
05.04.13-17LFW B 3 »
13-17ML H 37.1 »
13-17NO E 39 »
06.04.13-17CLA E 4 »
13-17HG E 23 »
13-17ML H 37.1 »
07.04.13-17CHN G 46 »
13-17HG D 3.1 »
13-17HG D 5.3 »
08.04.13-17HG F 26.1 »
13-17HG F 26.3 »
13-17LFW B 2 »
11.04.13-17HG F 26.1 »
13-17LFW B 3 »
13-17ML H 37.1 »
12.04.13-17HG E 22 »
13-17ML E 12 »
13-17ML F 39 »
13.04.13-17CLA E 4 »
13-17LFW B 3 »
13-17ML H 37.1 »
J. Vogt, V. Boeva, G. Rätsch

Katalogdaten

KurzbeschreibungMachine Learning (ML) methods have shown to have a profound impact in medical applications, where the great variety of tasks and data types enables us to get benefit of ML algorithms in many different ways. In this course we will review the most relevant methods and applications of ML in medicine, and work on practical projects to solve medical problems with the help of ML.
LernzielThe course will start with a general introduction to ML, where we will cover supervised and unsupervised learning techniques, as for example classification and regression models, feature selection and preprocessing of data, clustering and dimensionality reduction techniques. After the introduction of the basic methodologies, we will continue with the most relevant applications of ML in medicine, as for example dealing with time series, medical notes and medical images.
InhaltDuring the last few years, we have observed a rapid growth of Machine Learning (ML) in Medicine. ML methods have shown to have a profound impact in medical applications, where the great variety of tasks and data types enables us to get benefit of ML algorithms in many different ways. In this course we will review the most relevant methods and applications of ML in medicine, discuss the main challenges they present and their current technical solutions, and work on practical projects to solve medical problems with the help of ML.
Voraussetzungen / BesonderesPrerequisite:
Attendance/exam of 252-0866-00 Digital Medicine I

Leistungskontrolle

Information zur Leistungskontrolle (gültig bis die Lerneinheit neu gelesen wird)
Leistungskontrolle als Semesterkurs
ECTS Kreditpunkte4 KP
PrüfendeJ. Vogt, V. Boeva, G. Rätsch
Formunbenotete Semesterleistung
PrüfungsspracheEnglisch
RepetitionRepetition ohne erneute Belegung der Lerneinheit möglich.
Zusatzinformation zum PrüfungsmodusAbsences must be approved in advance by the Director of Studies. The written request must be submitted to the principal lecturer and the Director of Studies at least 1 week in advance. The request will be examined with reservations.

Lernmaterialien

 
HauptlinkInformation
Es werden nur die öffentlichen Lernmaterialien aufgeführt.

Gruppen

Keine Informationen zu Gruppen vorhanden.

Einschränkungen

VorrangDie Belegung der Lerneinheit ist nur durch die primäre Zielgruppe möglich
Primäre ZielgruppeHumanmedizin BSc (377000)

Angeboten in

StudiengangBereichTyp
Humanmedizin BachelorKernfächer 3. StudienjahrOInformation