Lehrinhalte
  • Einführung, Begriffe und Abgrenzungen
  • Datenerfassung und Vorverarbeitung
  • Merkmalsextraktion und Visualisierungsmethoden
  • Statistische Grundlagen
  • Klassifikationsverfahren
  • Lineare Regression, Logistische Regression
  • Support Vector Machines
  • Entscheidungsbäume, Random Forest, XGBoost
  • Neuronale Netze
  • Über- und Unteranpassung bei medizinischen Daten
  • Einfluss von unausgewogenen Datensätzen
  • Bewertung von Algorithmen
  • Explainable AI
  • Regulatorische Anforderungen
Literatur
  • Friedman, Jerome, Trevor Hastie, and Robert Tibshirani. The elements of statistical learning. Vol. 1. No. 10. New York: Springer series in statistics, 2001.
  • Bishop, Christopher M. Pattern recognition and machine learning. Springer, 2006.

Voraussetzungen

  • 18-zo-1030 Grundlagen der Signalverarbeitung (empfohlen)

Online-Angebote
  • moodle
Semester: WiSe 2021/22