Zertifikatskurs: Methoden und Techniken des Data Mining, Text Mining sowie Machine Learning

Die Kursteilnehmerinnen und Kursteilnehmer lernen die Grundbegriffe der Linguistik und der Terminologielehre kennen, welche für die Charakterisierung klinischer Texte notwendig sind. Sie setzten sich mit den Grundlagen der Verarbeitung natürlicher Sprache (Natural Language Processing) auseinander und befassen sich mit Terminologien und Ontologien. Des Weiteren erwerben sie Grundlagen und Verfahren des Maschinellen Lernens. Hierzu zählen u.a. das Clustering und die Dimensionsreduktion, Word Embeddings, neuronale Netze und generative Deep Learning Ansätze. Ferner befassen sich sich mit der Implementierung von Analysen mit der Sprache Julia.

Die Vermittlung des Lernstoffes erfolgt im Selbststudium mit Hilfe der bereitgestellten digitalen Selbstlernmaterialien. Zur Wissensanwendung werden wöchentlich Lernaufgaben bearbeitet. Die modulbegleitende Kommunikation und Interaktion erfolgt asynchron in Webforen. Zur eigenen Lernerfolgskontrolle werden Self-Assessments bereitgestellt. Die vertiefende Diskussion und Reflektion der Lerninhalte und -prozesse erfolgt in wöchentlich stattfindenden, ca. 1,5-stündigen Video-Konferenzen. Dieser Kurs wird tutoriell betreut und umfasst Präsenzanteile vor Ort.

Nach der Kursteilnahme...

  • kennen Sie die Grundlagen der Linguistik und der medizinischen Terminologie;
  • sind Sie in der Lage, beispielhaft den Aufbau medizinischer Terme zu beschreiben;
  • kennen Sie wichtige medizinische Ordnungssysteme und sind in der Lage, diese nach ihren Charakteristika zu unterscheiden (Klassifikationen, Thesauri, Ontologien; Referenz- vs. Interfaceterminologien);
  • kennen Sie die Eigenheiten der klinischen Sprache, im Gegensatz zur Allgemeinsprache und zur medizinischen Wissenschaftssprache;
  • können Sie wesentliche Szenarien natürlich-sprachlicher Systeme (NLP) anhand von Beispielen beschreiben und sind in der Lage, die typische Architektur eines NLP-Systems zu beschreiben;
  • kennen Sie unterschiedliche Ansätze zur Sprachmodellierung (probabilistisch, neuronal, regelbasiert);
  • kennen Sie die Grundlagen des Maschinellen Lernens, können zwischen Supervised / Unsupervised Learning unterscheiden und kennen tiefergehende Konzepte, Techniken und Ansätze des Unsupervised Learnings;
  • haben Sie sich eine differenzierte Meinung zu den Chancen und Grenzen des Maschinellen Lernens im Gesundheitswesen gebildet.

Dozent
Prof. Dr. Harald Binder

Direktor des Instituts für Medizinische Biometrie und Statistik an der Medizinischen Fakultät der Albert-Ludwigs-Universität Freiburg und des Universitätsklinikum Freiburg

Dozent
Prof. Dr. med. Stefan Schulz

Professur für Medizinische Informatik an der Medizinischen Universität Graz
Leiter Forschungsprojekte, Averbis GmbH (Freiburg)

ModulgruppeBiomedical Data Science
ModultypWahlpflicht
Studienabschnitt3. Fachsemester
Kursdauer6 Wochen
Online-Meetingswerden noch
bekannt gegeben
Präsenzterminewerden noch bekannt gegeben
KursformatBlended Learning
PrüfungsleistungKlausur
StudienleistungenSelbststudium,
Lernaufgaben,
Self-Assessments,
Online-Meetings
Kreditpunkte5 ECTS
Kosten1080,- Euro
nächster KursterminKalender