| Name des Moduls | [51770] Angewandte Statistik in der Medizin | Bezeichnung des Moduls | MED-MDS004 |
| Studiengang | [079] - Informatik | ECTS Punkte | 12 |
| Arbeitsaufwand für Selbststudium | 240 | Häufigkeit des Angebotes (Modulturnus) | jedes 2. Semester (ab Wintersemester) |
| Arbeitsaufwand in Präsenzstunden | 120 | Dauer des Moduls | 2 |
| Arbeitsaufwand Summe (Workload) | 360 | ||
| Modul-Verantwortliche/r | Prof. Andre Scherag, Prof. Peter Schlattmann, Prof. Cord Spreckelsen |
| Voraussetzung für die Vergabe von Leistungspunkten (Prüfungsform) | 1 mündliche Prüfung im Bereich Biometrie (50%), 1 Präsentation und Projektbericht im Bereich Statistisches Lernen (25%), 1 Projektbericht zum maschinellen Lernen (25%) Jede Teilleistung muss bestanden sein. |
| Empfohlene Literatur | k. A. |
| Unterrichtssprache | Deutsch |
| Voraussetzung für die Zulassung zum Modul | Keine |
| Art des Moduls (Pflicht-, Wahlpflicht- oder Wahlmodul) | - 079 B.Sc. Informatik: Wahlpflichtmodul (NF Medical Data Science) |
| Zusammensetzung des Moduls / Lehrformen (V, Ü, S, Praktikum, …) | 1 Vorlesung (2 SWS) und 1 Übung (2 SWS) Wintersemester 2 Vorlesungen mit integrierter Übung (je 2 SWS) Sommersemester |
| Inhalte | Die Vorlesungen/Übungen „Medizinische Biometrie und statistische Analyse mit R” sowie ”Einführung in das statistische Lernen mit Anwendungen aus der Klinischen Epidemiologie” geben einen breiten Überblick über Grundlagen der Methodenlehre und der biometrischen und algorithmischen Modelle und bringen das benötigte statistische Wissen in Verbindung mit medizinischen Fragestellungen. Wesentliche Grundbegriffe und Konzepte der Medizinischen Biometrie und Epidemiologie werden anhand von praktischen Anwendungen aus der Medizin vermittelt. Die Vorlesung/Übung „Prädiktive Analyse und maschinelles Lernen” ergänzt die Inhalte der beiden anderen Veranstaltungen um Trainingsalgorithmen für künstliche neuronale Netzte und medizinische Anwendungen dieser Ansätze. |
| Lern- und Qualifikationsziele | Ziel der Veranstaltungen ist es, Grundlagenwissen in den Teilbereichen Medizinische Biometrie und klinischer Epidemiologie in Theorie und Anwendung zu vermitteln. Hierzu gehören die Fähigkeit unterschiedliche medizinische Fragestellungen zu unterscheiden und diese mit adäquaten Studiendesigns zu operationalisieren. Neben grundlegenden modellübergreifenden Prinzipien und Theorien des Testens und der Konstruktion von Konfidenzintervallen, werden Kenntnisse zu statistischen Auswertungen in der Programmiersprache R und Python und zur Ergebnisinterpretation erworben. Zu den Zielen der Veranstaltung gehört auch die Fähigkeit, die für maschinelle Lernenverfahren nötige Datenqualität beurteilen und verbessern zu können. Zudem sollen die Teilnehmenden die Grenzen rein datengetriebener Lernverfahren einschätzen und Ansätze zu einer ergänzenden (u.a. kausalen) Modellierung darstellen können. |
| Voraussetzung für die Zulassung zur Modulprüfung | Keine |