Data Analytics (SoSe 2026)

Bachelor "KI in der Medizin" (2. Semester)

Ziele

Das Modul Data Analytics verfolgt das Ziel, den Studierenden ein fundiertes Basiswissen über die Aufbereitung, Analyse und Visualisierung von Daten zu vermitteln und sie in die Lage zu versetzen, statistische Modelle mit modernen Python-Tools auf reale Fragestellungen anzuwenden.

Nach erfolgreichem Abschluss des Moduls sollen die Studierenden: Im Rahmen der Vorlesung werden die wesentlichen Themengebiete behandelt, darunter u. a.:

  • die Phasen der Datenerhebung und Datenbereinigung beherrschen, um Rohdaten in ein analysierbares Format zu überführen,

  • effiziente Datenoperationen mittels Numerischem Python (NumPy) durchführen und die Vorteile vektorisierter Berechnungen nutzen,

  • Konzepte der deskriptiven und inferenziellen Statistik sicher anwenden, um Dateneigenschaften zu beschreiben und Hypothesen zu prüfen,

  • komplexe Sachverhalte durch Daten-Visualisierung (Matplotlib & Pandas) im Rahmen der explorativen Datenanalyse verständlich aufbereiten,

  • lineare Regressionsmodelle zur Vorhersage kontinuierlicher Werte entwickeln und deren Güte beurteilen,

  • Verfahren der logistischen Regression und Klassifikation einsetzen, um kategoriale Zielvariablen zu bestimmen und Entscheidungsgrundlagen zu schaffen.

Eckdaten

  • 4 SWS (2V + 2Ü)

  • Diese Veranstaltung wird von Prof. Detzner durchgeführt

  • Die Wahl der Programmiersprache ist Python

Zeitplan

More details will follow soon ;) 

Einführung in die Künstliche Intelligenz in der Medizin (WiSe 2025/26)

Ziele

Das Modul Einführung in die Künstliche Intelligenz in der Medizin verfolgt das Ziel, den Studierenden ein fundiertes Basiswissen über Künstliche Intelligenz (KI) im Kontext der Medizin zu vermitteln und sie in die Lage zu versetzen, technologische Konzepte mit praktischen Anwendungen und gesellschaftlichen Fragestellungen zu verknüpfen.

Nach erfolgreichem Abschluss des Moduls sollen die Studierenden:

Im Rahmen der Vorlesung werden die wesentlichen Themengebiete behandelt, darunter u. a.:

  • zentrale Begriffe, Konzepte und die historische Entwicklung der Künstlichen Intelligenz erklären können,

  • grundlegende Verfahren des Maschinellen Lernens verstehen und einfache Anwendungen im medizinischen Umfeld nachvollziehen,

  • Deep-Learning-Ansätze und neuronale Netze in Bild-, Text- und Sensordaten einordnen können,

  • verschiedene Quellen medizinischer Daten benennen und deren Qualität und Verfügbarkeit kritisch bewerten,

  • Unterschiede zwischen Edge AI und Cloud AI im Gesundheitswesen analysieren und deren Einsatzszenarien reflektieren,

  • aktuelle Entwicklungen wie Smart Hospitals, intelligente Assistenzsysteme und Robotik im Klinikalltag beschreiben und kritisch einschätzen.

Eckdaten

4 SWS (2V + 2Ü)

Diese Veranstaltung wird gemeinsam von Prof. Overhoff und Prof. Detzner durchgefuehrt. 

Zeitplan

Der zeitliche Ablauf ist nun Online. Dieser ist zu finden im Kurs. 

Embedded Systems 2 (SoSe 2026)

Ziele

Die Studierenden begreifen komplexe robotische Systeme, wie Roboterarme oder autonome mobile Roboter, als ganzheitliche Eingebettete Systeme und steuern die Interaktion zwischen Software und physischer Hardware durch den gezielten Einsatz leistungsfähiger Mikrocontroller-Plattformen. Im Fokus steht dabei die Implementierung robuster Steuerungs- und Regelungsmechanismen, bei denen die Studierenden spezifische Randbedingungen sowie die begrenzten Rechenressourcen der gewählten Hardwarearchitektur berücksichtigen. Sie wenden systematische Entwicklungsmethoden an, um von der mathematischen Kinematik zur praktischen Implementierung der Motorsteuerung zu gelangen, und validieren ihre Ergebnisse durch kritische Performance-Analysen.

Darüber hinaus stärkt das Projekt die Sozial- und Selbstkompetenz, indem die Studierenden technische Architekturentscheidungen und die Auswahl geeigneter Hardwarekomponenten fachgerecht begründen und im Team koordinieren. In dieser realitätsnahen Entwicklungsumgebung lernen sie, ihr theoretisches Wissen flexibel auf unvorhergesehene Herausforderungen an der Schnittstelle zur Mechanik zu übertragen. Dies fördert das Selbstbild, das sich an industriellen Standards orientiert und die Fähigkeit zur kontinuierlichen Aktualisierung des eigenen technischen Verständisses in den Vordergrund stellt.
 

Eckdaten

4 SWS (2V + 2P)

Zeitplan / Gruppeneinteilung / Kurseinschreibung

  • Gruppeneinteilung: Diese erfolgt in der Vorlesung
  • Kurseinschreibung: Bitte schreiben Sie sich selbstständig in den Kurs ein