|
|
Einrichtungen >> Technische Fakultät (TF) >> Department Artificial Intelligence in Biomedical Engineering (AIBE) >>
|
Lehrstuhl für Maschinelles Lernen und Datenanalytik
| |
A look inside the human body - gait analysis and simulation [GAS(A)] -
- Dozent/in:
- Anne Koelewijn
- Angaben:
- Vorlesung, 2 SWS, ECTS: 2,5, nur Fachstudium, Organisation and slides via StudOn. Grading: written or oral exam
- Termine:
- Do, 08:15 - 09:45, H15
Organisation and slides via StudOn.
- Studienrichtungen / Studienfächer:
- WPF INF-MA ab 1
WF EEI-MA ab 1
WF MT-MA-BDV ab 1
WF MT-MA-GPP ab 1
WF MT-MA-MEL ab 1
- Schlagwörter:
- gait analysis, trajectory optimization, gait simulation, inverse kinetic, inverse kinematics, muscle modelling, musculoskeletal models, metabolic energy
|
| |
Digital Psychology Lab -
- Dozentinnen/Dozenten:
- Robert Richer, Katharina Jäger, Veronika Ringgold, Björn Eskofier, Nicolas Rohleder
- Angaben:
- Seminar, 2 SWS, benoteter Schein, ECTS: 5, nur Fachstudium
- Termine:
- Mo, 14:15 - 15:45, 00.010
Die Lehrveranstaltung beginnt am Montag, 18.10. Bitte beachten Sie die Rahmenbedingungen für die Lehre (3G-Regeln!)
- Studienrichtungen / Studienfächer:
- WF MT-MA ab 1
- Voraussetzungen / Organisatorisches:
- Voraussetzungen: Im Vordergrund des Kurses steht die Verarbeitung und Analyse von biopsychologischen Daten in Python im Vordergrund. Daher sind (gute) Kenntnisse der Programmiersprache Python und damit verbundene Programmbibliotheken (NumPy, Pandas, SciPy, Matplotlib, etc.), bzw. das Interesse, sich diese Kenntnisse als Vorbereitung oder im Laufe des Kurses anzueignen, erwünscht.
Wenn Sie Ihr Wissen prüfen oder auffrischen wollen, empfehlen wir Ihnen die folgenden Vorlesungen und Online-Ressourcen: Beachten Sie jedoch, dass einige von ihnen bei vielen Themen über die Anforderungen dieses Kurses hinausgehen!
Anmeldung: Studierende der Medizintechnik melden sich bei Interesse an der Lehrveranstaltung bitte vorab per Email an mad-dipsylab@fau.de an.
|
| |
Innovationslabor für Wearable und Ubiquitous Computing [InnoLab(RZ)] -
- Dozentinnen/Dozenten:
- Björn Eskofier, Matthias Zürl, Michael Nissen, Marlies Nitschke, Nils Roth, Johannes Link, Mohamad Wehbi, Imrana Abdullahi Yari, Alzhraa Ahmed, Ann-Kristin Seifer, Misha Sadeghi
- Angaben:
- Praktikum, 4 SWS, benoteter Schein, geeignet als Schlüsselqualifikation, für FAU Scientia Gaststudierende zugelassen
- Termine:
- Di, 16:15 - 17:45, 00.010
Do, 12:15 - 13:45, 00.010
- Studienrichtungen / Studienfächer:
- WF INF-MA ab 1
WF MT-MA ab 1
WF MB-MA ab 1
WF ME-MA ab 1
WF WING-MA ab 1
WF CE-MA ab 1
WF IIS-MA ab 1
WF Ph-MA ab 1
WPF DS-MA ab 1
- Voraussetzungen / Organisatorisches:
- Themenvergabe und Terminfindung in der ersten Woche des Semesters. Die Vergabe der Plätze im Kurs erfolgt nach einem Aufnahmeantrag. In diesem sollen Studierende ihren Studiengang, ihr Fachsemester und den angestrebten Abschluss nennen (Bachelor/Master). Sind zu viele Anmeldungen eingegangen und der Kurs ist voll, 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 Matthias.Zuerl@fau.de nachfragen.
Weitere Informationen zu der Lehrveranstaltung können auch unserer Webseite entnommen werden: https://www.mad.tf.fau.de/teaching/innolab/ ,
Anmeldung: https://www.studon.fau.de/crs4362400.html
Die Anmeldung ist möglich ab dem 14.03.2022 bis einschließlich 15.04.2022
|
| |
Maschinelles Lernen und Datenanalytik für Industrie 4.0 -
- Dozentinnen/Dozenten:
- Björn Eskofier, Johannes Roider, Christoph Scholl, Lukas Schmidt
- Angaben:
- Seminar, 2 SWS, benoteter Schein, ECTS: 5, nur Fachstudium, für FAU Scientia Gaststudierende zugelassen, Registration via mail to johannes.roider@fau.de
- Termine:
- Mi, 16:15 - 18:00, 00.010
Starts April 27th 2022
- Studienrichtungen / Studienfächer:
- WPF MT-MA-BDV ab 1
WPF INF-MA ab 1
WPF CE-MA ab 1
WF ASC-MA ab 1
WF ICT-MA ab 1
WPF AI-MA ab 1
- Voraussetzungen / Organisatorisches:
- Registration via e-mail to johannes.roider@fau.de Registration period: 25.02.-04.05.2022
The seminar will be held face-to-face.
Requirements:
Prior knowledge of machine learning via courses like PA, IntroPR, PR, DL, MLTS, CVP or equivalent (ideally first project experiences) is expected! Motivation to explore scientific findings (e.g. via literature research) Motivation to code and analyze data
Please state your previous experience in machine learning (e. g. Which courses did you take? Which project experience do you have?) when registering for the course. Examination:
50% of grade: Presentation + demo (20 minutes)
50% of grade 4 pages IEEE standard paper (excluding references) (+ code submission)
Attendance of all meetings is required.
- Schlagwörter:
- Machine Learning, Data Analytics, Process Mining, Predictive Maintenance, Industry 4.0, Healthcare, Automotive
|
| |
The why and how of human gait simulations -
- Dozent/in:
- Anne Koelewijn
- Angaben:
- Seminar, 2 SWS, benoteter Schein, ECTS: 2,5, nur Fachstudium, Organisation and slides via StudOn.
- Termine:
- Di, 10:15 - 11:45, 00.010
- Studienrichtungen / Studienfächer:
- WF MT-MA-BDV ab 1
WF MT-MA-GPP ab 1
WPF INF-MA ab 1
WF EEI-MA ab 1
WF MT-MA-MEL ab 1
- Voraussetzungen / Organisatorisches:
- Assignment: Mail to mailto:anne.koelewijn@fau.de
The grade consists of a presentation and a report, both counting 50% of the final grade.
- Schlagwörter:
- trajectory optimization, optimal control, human locomotion, biomechanics
|
|
 |
|
|
UnivIS ist ein Produkt der Config eG, Buckenhof |
|
|