Curriculum

External content

Actually, you are supposed to see a video here. To display this content (source: www.xyz.de), please click the "Accept" button below. Please note that by viewing the video, data might be transmitted to third parties or cookies may be stored.

For further information see our privacy policy.

Der Lehrplan von TüKITZMed zielt darauf ab, dass die Teilnehmer*innen die Terminologie und Methoden des maschinellen Lernens (ML) von Grund auf erlernen,

  • um Anwendungsmöglichkeiten in der Medizin zu verstehen,
  • um Ergebnisse von ML Methoden bewerten zu können,
  • oder um in Zukunft selbst ML Methoden anwenden zu können.

In den Bereichen der Mathematik und des maschinellen Lernens, können die Teilnehmer*innen, je nach individuellen Vorkenntnissen, Kurse mit unterschiedlichem Schwierigkeitsgrad belegen. Ein weiterer Schwerpunkt des Curriculums befasst sich mit der Frage, inwieweit Methoden des maschinellen Lernens bereits in der medizinischen Forschung und im klinischen Alltag eingesetzt werden.

Wir halten es für wichtig, Medizinstudierende über die sozialen und ethischen Implikationen der Anwendung von maschinellem Lernen auf medizinische Daten aufzuklären. Dazu gehört auch der professionelle Umgang mit medizinischen Daten (Data Literacy). 

Die Teilnehmer*innen werden auf ihrem Lernweg durch Übungen und praktische Einheiten unterstützt.

Mehr Details

Die nachstehende Tabelle gibt einen detaillierteren Überblick über die behandelten Themen aus den einzelnen Bereichen. Bitte beachten Sie, dass diese Liste nicht vollständig ist und aktualisiert wird, sobald weitere Lerninhalte erstellt werden.

Mathematics

Linear algebra

Analytic geometry

Vector calculus

Probability theory, statistics & distributions

Machine Learning (ML)

Unsupervised Learning

  • Clustering
  • k-Means algorithm
  • Dimensionality reduction
  • Principal component analysis

Supervised Learning

  • Classification & regression
  • Logistic regression
  • k-Nearest neighbors algorithm
  • Support vector machines
  • Decision trees

Deep Learning

  • Introduction to neural networks
  • Multilayer neural networks
  • How neural networks learn

Applications of ML to medical data

Medical image reconstruction

Medical image segmentation

Ethical and social implications & data literacy

Doctor - patient - AI: Implications for shared decision-making

Ethical aspects applying machine learning to clinical data

Information security of AI systems

Medical informatics initiative