MU Wien:Machine Learning in der Medizin VU (Dorffner, Seeböck, Widder)

Daten

Vortragende	Georg Dorffner, Philipp Seeböck, Stefanie Widder
ECTS	3
Sprache	Deutsch
Links	campus:840.042

Zuordnungen

Master Medizinische Informatik
Master Medizinische Informatik
Masterstudium Medizinische Informatik

Inhalt

• Crash Course: Neuronale Netze und Support Vector Machines
• Decision Trees, Random Forests
• Validierungsstrategien und Double Dipping
• Deep Learning
• advanced Deep Learning
• Prediction models
• Representation Learning / Graphs
• Unsicherheiten in der Modellschätzung; Bis, Varianz, Rauschen
• Missing Data und Imputation
• Zeitreihen und rekurrente Netze
• Klinische Anwendungen

Ablauf

noch offen

Benötigte/Empfehlenswerte Vorkenntnisse

Grundlagen des Machine Learnings werden vorausgesetzt. Dementsprechend sollten diese vorhanden sein. Mit einer informatischen Vorbildung ist die LVA auch ohne diese Vorkenntnisse schaffbar, jedoch deutlich anstrengender dann.

Vortrag

noch offen

Übungen

Übung 1 - Kreuzvalidierung und lineares Modell in Matlab

Übung 2 (optional) - a) nicht lineares Regressionsproblem, Bias, Varianz, Rauschen in Matlab. b) Gaussian Mixture Model in Matlab, c) Mixture Density Network

Übung 3 - Deep Learning;

Übung 4 - Deep Learning; Explainable AI, in Tensorflow

Übung 5 - RF in R

Prüfung, Benotung

noch offen

Dauer der Zeugnisausstellung

noch offen

Zeitaufwand

Wenn man die Übungen alle macht und in diesen auch viele Punkte sammeln möchte, ist der Aufwand eher hoch.

22WS: 3,5 ECTS

Unterlagen

noch offen

Tipps

Alle Übungen machen. Die Vorlesungsklausur nicht unterschätzen.

Verbesserungsvorschläge / Kritik

noch offen

Materialien

Neues Material hinzufügen

2

• 2021 Prüfung
• 2022 Prüfung