Was erwartet Dich in diesem Kurs?
In diesem Kurs wird erläutert, wie Künstliche Intelligenz in der Verarbeitung und Analyse von Bilddaten eingesetzt werden kann und warum die Verfahren gerade in diesem Fachbereich so herausragende Ergebnisse liefern.
Der Kurs bietet einen Einstieg in die Grundkonzepte der Bildverarbeitung mit Neuronalen Netzen, ohne auf die Mathematik oder die Implementierung einzugehen. Daher ist er für alle Interessierten, unabhängig vom individuellen Hintergrund, relevant.
Was kannst du in diesem Kurs lernen?
- Du kannst einen grundlegenden Überblick über Fachbereich und Anwendungsgebiete geben und eine erste Verknüpfung zu eigenen Problemstellungen herstellen
- Du kannst die grundlegende Funktionsweise des Maschinellen Lernens (ohne Mathematik) widergeben und kannst die Konzepte Merkmalsraum, Klassifikationsgerade und Training erläutern
- Du kannst die speziellen Probleme der Merkmalsbeschreibung bei der Arbeit mit Bilddaten benennen und verfügst über Grundkenntnisse zu Maschinellem Lernen mit Neuronalen Netzen.
- Du kannst grundlegend CNNS zur impliziten Merkmalsbeschreibung erläutern
- Du bist in der Lage, die theoretischen Kenntnisse auf praktische Anwendungsfälle zu übertragen und die gelernten Kursinhalte mit eigenen Problemstellungen zu verknüpfen. Du kannst das Konzept der Generalisierbarkeit und das Problem der Überanpassung darstellen
Wie ist der Kurs aufgebaut?
Kapitel 1: Einführung
- 1.1 Einführung
- 1.2 Anwendungsbeispiele
Kapitel 2: Grundkonzepte maschinellen Lernens
- 2.1 Einführung
- 2.2 Entscheidungsfindung und Klassifikation
- 2.3 Objekte und Merkmale
- 2.4 Merkmalsraum
- 2.5 Lernen auf Merkmalen
- 2.6 Relevanz von Merkmalsbeschreibung
Kapitel 3: Maschinelles Lernen auf Bildern
- 3.1 Einführung
- 3.2 Neuronale Netze
- 3.3 Convolutional Neural Networks (CNN)
Kapitel 4: Anwendungen und praktische Aspekte
- 4.1 Anwendungen von Bildklassifikation
- 4.2 Überanpassung und Generalisierbarkeit
Kapitel 5: Abschluss/Zertifikat
Autor
Prof. Dr. Jannis Hagenah
Prof. Dr. Jannis Hagenah ist Professor für Digitale und Robotische Chirurgie und leitet das Center for Digital Surgery an der Universitätsmedizin Göttingen. Er machte seinen Bachelor und Master in Medizinischer Ingenieurwissenschaft an der Universität Lübeck mit Schwerpunkten in angewandter Mathematik und Informatik. Seine Promotion erfolgte am Institut für Robotik und Kognitive Systeme der Universität Lübeck unter Prof. Floris Ernst, mit Fokus auf KI-basierte Planung zur Personalisierung herzchirurgischer Eingriffe. Nach seiner Promotion war Hagenah Postdoctoral Researcher u.a. an der University of Oxford – Forschungsgebiet: Analyse multimodaler klinischer Daten und kontinuierlich lernende KI‑Systeme. Vor dem Ruf nach Göttingen baute er am Fraunhofer IMTE den Bereich Surgical Data Science auf. Seine Forschung umfasst u.a. multimediale KI, personalisierte Medizin, medizinische Bild‑ und Signalverarbeitung sowie medizinische Robotik.