Lehrstuhl für Informatik 14 (Maschinelles Lernen und Datenanalytik)
Biomedizinische Signalanalyse [BioSig] -
- Lecturer:
- Björn Eskofier
- Details:
- Vorlesung, 2 cred.h, ECTS: 2,5
- Dates:
- Tue, 12:15 - 13:45, H6
- Fields of study:
- WF EEI-BA ab 5
WF EEI-MA ab 1
WF IuK-BA ab 5
WF CE-MA-TA-MT ab 1
WPF INF-MA ab 1
WF INF-BA ab 5
WF INF-BA-V-ME ab 5
WF INF-BA-V-MI ab 5
WPF MT-BA 5
WPF MT-MA-BDV ab 1
WPF MT-MA-MEL ab 1
WPF I2F-BA ab 4
WF CE-BA-TW ab 5
WF IuK-MA ab 1
- Contents:
- Im Rahmen der Vorlesung werden (a) die Grundlagen der Generation von wichtigen Biosignalen im menschlichen Körper (b) die Messung von Biosignalen und (c) Methoden zur Analyse von Biosignalen erläutert und dargestellt.
|
Biomedizinische Signalanalyse Übung [BioSig-UE] -
- Lecturer:
- Stefan Gradl
- Details:
- Übung, 2 cred.h, ECTS: 2,5
- Dates:
- Fri, 10:15 - 11:45, CIP-Pool MB Konrad-Zuse-Str. 3
Please organise a login for the CIP-Maschinenbau to participate in this exercise: http://www.cip.mb.uni-erlangen.de/main.phtml?standort=pgs&sub=pgs&page=inside
- Fields of study:
- WPF INF-MA ab 1
WPF INF-BA ab 5
WF INF-BA-V-ME ab 5
WF INF-BA-V-MI ab 5
WPF I2F-BA ab 4
WF IuK-BA ab 5
WF IuK-MA ab 1
WF EEI-BA ab 5
WF EEI-MA ab 1
WPF MT-BA 5
WPF MT-MA-BDV ab 1
WPF MT-MA-MEL ab 1
WPF CE-MA-TA-MT ab 5
WPF CE-BA-TW ab 5
- Contents:
- Im Rahmen der Vorlesung werden (a) die Grundlagen der Generation von
wichtigen Biosignalen im menschlichen Körper (b) die Messung von Biosignalen und (c) Methoden zur Analyse von Biosignalen erläutert und dargestellt.
|
Innovationslabor für Wearable und Ubiquitous Computing [InnoLab] -
- Lecturers:
- Björn Eskofier, Markus Zrenner, Philipp Dumbach, Malte Ollenschläger, Nils Roth, Martin Ullrich, Maike Stöve, Marlies Nitschke
- Details:
- Praktikum, 4 cred.h, graded certificate, geeignet als Schlüsselqualifikation
- Dates:
- Tue, 16:15 - 17:45, 00.010
Thu, 12:15 - 13:45, 00.010
- Fields of study:
- WF MB-MA ab 1
WF ME-MA ab 1
WF WING-MA ab 1
- Prerequisites / Organisational information:
- Themenvergabe und Terminfindung in der ersten Woche des Semesters.
Anmeldung bis 16.10.2018 über Studon.
Über die Vergabe der Seminarplätze entscheidet die Reihenfolge der Anmeldungen. Danach gibt es eine Warteliste.
Das Praktikum steht Studierenden der genannten Studienrichtungen ab dem 5. Bachelorsemester (und aller Mastersemester) ebenfalls offen. Für weitere Studiengänge und ECTS-Verteilungen bitte unter markus.zrenner@fau.de nachfragen.
Weitere Informationen zu der Lehrveranstaltung können auch unserer Webseite entnommen werden:
https://www.mad.tf.fau.de/research/projects/innovation-lab-for-wearable-and-ubiquitous-computing/
Wichtig: Jeder, der das Innovationslabor als Forschungspraktikum nutzen möchte, muss neben der Anmeldung via Studon eine Mail an markus.zrenner@fau.de schicken und die Organisatoren wissen lassen, dass sie das Innovationslabor als Forschungspraktikum nutzen wollen. Es gibt nur eine bestimmte Anzahl an Forschungspraktika.
- Contents:
- Mini-Computer, die unseren Lebensrhythmus dokumentieren, EKG-Sensoren, die jedes Detail aufzeichnen, Brillen, die uns in eine andere Realität versetzen – diesen Technologien begegnen wir mittlerweile ständig im Alltag. Im Innovationslabor für Wearable und Ubiquitous Computing werden solche Technologien von Studierenden entwickelt und gleichzeitig aufgezeigt, wie man mit diesen ein eigenes Startup gründen könnte. Gefördert wird das Labor vom Zentrum Digitalisierung Bayern (ZD.B).
Die innovativen Technologien werden dabei prototypisch in Gruppenarbeit (5-8 Studierende) unter Nutzung von agilen Entwicklungsmethoden (Scrum) geschaffen. Den Studierenden steht dabei der Zugang zum Innovationslabor offen, welches mit der nötigen Infrastruktur für die Entwicklung der Prototypen ausgestattet ist. Die Ideen für die Projekte stammen dabei entweder von kooperierenden Firmen oder von den Studierenden selbst.
Neben dem Prototyping erlernen die Teilnehmer in Tutorials die Grundlagen für innovatives Arbeiten wie Design Thinking und Patentrecherche. Zudem wird ihnen beigebracht, wie sie nach der Entwicklung ihre Ideen schützen und gegebenenfalls an den Markt bringen können.Lernziele und Kompetenzen:
• Ideation, Design Thinking
• Patentrecherche, Marktanalysetechniken
• Agile Entwicklungsmethoden (Scrum)
• Prototyping
• Sicherung geistigen Eigentums
• Einführung in Entrepreneurship, Startup Finanzierung
|
Kolloquium im Bereich Maschinelles Lernen und Datenanalytik [KoMAD] -
- Lecturer:
- Björn Eskofier
- Details:
- Kolloquium, 2 cred.h
- Dates:
- Wed, 12:30 - 14:00, 00.010
- Fields of study:
- WPF INF-MA ab 1
- Contents:
- The colloquium provides a platform for the exchange of the researchers
of the MaD-Lab. It focuses on scientific education via the
discussion of seminal papers and recent developments, improvement of
presentation skills and other aspects like for example grant writing.
The colloquium is open to all interested researchers and students.
The colloquium is organized in the following StudOn group:
http://www.studon.uni-erlangen.de/studon/goto.php?target=crs_387333
Please join the group if you participate in the colloquium.
|
Lecture Machine Learning for Time Series [MLTS] -
- Lecturers:
- Björn Eskofier, Oliver Amft, Christopher Mutschler
- Details:
- Vorlesung, 2 cred.h, graded certificate, ECTS: 2,5
- Dates:
- Wed, 8:15 - 9:45, 00.010
- Fields of study:
- WF ASC-MA ab 1
WF INF-MA ab 1
WF CE-MA-TA-MT ab 1
WF MT-MA ab 1
- Contents:
- Die Vorlesung vermittelt Konzepte des Maschinellen Lernens speziell im Hinblick auf Anwendungen bei Zeitreihen. Es handelt sich hier um eine Spezialisierungsvorlesung, eine erfolgreiche Absolvierung der Vorlesungen „IntroPR“ und/oder „Pattern Recognition“/“Pattern Analysis“ wird empfohlen. Konzepte, die in „IntroPR“ vermittelt werden, werden hier als Grundwissen vorausgesetzt.
Die folgenden Themen werden in der Vorlesung behandelt:
Ein Überblick über die Anwendungsgebiete der Zeitreihenanalyse
Methodische Grundlagen des Maschinellen Lernens (ML) für die Analyse von Zeitreihen, beispielsweise Gauß-Prozesse, Monte-Carlo Sampling und Deep Learning
Design, Implementierung und Evaluation von ML Methoden, um Probleme in Zeitreihen zu adressieren
Arbeitstechniken in bekannten Toolboxen zur Implementierung von relevanten Methoden, beispielsweise Tensorflow/Keras
- Recommended literature:
- Machine Learning: A Probabilistic Perspective, Kevin Murphy, MIT press, 2012
The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert Tibshirani, Jerome Friedman, Springer, 2009
Deep Learning, Ian Goodfellow and Yoshua Bengio and Aaron Courville, MIT Press, 2016
Reinforcement Learning: An Introduction, Richard S. Sutton and Andrew G. Barto, MIT press, 1998
|
Lab project Machine Learning for Time Series [MLTS-L] -
- Lecturer:
- Nooshin Haji Ghassemi
- Details:
- Praktikum, 2 cred.h, ECTS: 2,5
- Dates:
- to be determined
- Fields of study:
- WF ASC-MA ab 1
WF INF-MA ab 1
WF CE-MA-TA-MT ab 1
WF MT-MA ab 1
|
Maschinelles Lernen für Zeitreihen Übung [MLTS-UE] -
- Lecturers:
- Nooshin Haji Ghassemi, Ivanna Timotius, Stefan Gradl
- Details:
- Übung, 2 cred.h, ECTS: 2,5
- Dates:
- Tue, 10:15 - 11:45, CIP-Pool MB Konrad-Zuse-Str. 3
Please organise a login for the CIP-Maschinenbau to participate in this exercise: http://www.cip.mb.uni-erlangen.de/main.phtml?standort=pgs&sub=pgs&page=inside
- Fields of study:
- WF ASC-MA ab 1
WF CE-MA-TA-MT ab 1
WF MT-MA ab 1
WF INF-MA ab 1
|
Project Machine Learning and Data Analytics [ProjMAD] -
- Lecturer:
- Björn Eskofier
- Details:
- Sonstige Lehrveranstaltung, graded certificate, ECTS: 10
- Dates:
- to be determined
- Fields of study:
- WPF INF-MA 1
- Prerequisites / Organisational information:
- Master Studium Informatik
- Contents:
- Es werden mehrere verschiedene Aufgabenstellungen angeboten. Die Aufgabenstellungen können bei Stefan Gradl angefragt werden. Bei Interesse an spezifischen Themen können auch die anderen Mitarbeiter des Machine Learning and Data Analytics Lab kontaktiert werden.
Email: stefan.gradl@fau.de
- Keywords:
- Master Projekt Project
|
|
|