A look inside the human body - gait analysis and simulation [GAS]

Dozent/in:

Anne Koelewijn

Angaben:

Vorlesung, 2 SWS, ECTS: 2,5, nur Fachstudium, Organisation and slides via StudOn. Grading: written exam

Termine:

Mo, 8:15 - 9:45, H10
Organisation and slides via StudOn.
ab 21.10.2019

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

Algorithmen und Datenstrukturen (für Medizintechnik) Rechnerübung [AuD-MT-RUE]

Dozentinnen/Dozenten:

Robert Richer, René Raab

Angaben:

Übung, 2 SWS, ECTS: 2,5, für Anfänger geeignet, Frühstudium, Der Übungsbetrieb beginnt in der zweiten Vorlesungswoche!

Studienrichtungen / Studienfächer:

PF MT-BA 1
WF MT-MA 1-2
PF WINF-BA 1

Schlagwörter:

Java, Objektorientierte Programmierung, Algorithmen, Datenstrukturen

Algorithmen und Datenstrukturen (für Medizintechnik) Tafelübung [AuD-MT-TUE]

Dozentinnen/Dozenten:

Robert Richer, René Raab

Angaben:

Übung, 2 SWS, Schein, ECTS: 2,5, für Anfänger geeignet, Frühstudium, Der Übungsbetrieb beginnt in der zweiten Vorlesungswoche!

Studienrichtungen / Studienfächer:

PF MT-BA 1
WF MT-MA 1-2
PF WINF-BA 1

Schlagwörter:

Java, Objektorientierte Programmierung, Algorithmen, Datenstrukturen

Algorithmen und Datenstrukturen (für Medizintechnik) Tutorenbesprechung [AuD-MT-TUT]

Dozentinnen/Dozenten:

Robert Richer, René Raab, Tutoren

Angaben:

Übung

Termine:

Do, 18:00 - 20:00, Raum n.V.

Bewegungsanalyse und biomechanische Grenzgebiete [BABG]

Dozent/in:

N.N.

Angaben:

Vorlesung, 2 SWS, ECTS: 2,5

Termine:

Zeit/Ort n.V.

Studienrichtungen / Studienfächer:

WF MT-BA ab 4
WF MT-MA ab 1
WF MT-MA-BDV ab 1
WF MT-BA-BV ab 4
WF MT-MA-MEL ab 1
WF MT-MA-IDP ab 1
WF MT-BA-GP ab 4

Voraussetzungen / Organisatorisches:

Für diese Lehrveranstaltung ist eine Anmeldung erforderlich. Die Anmeldung erfolgt über: https://www.vhb.org/

Biomedizinische Signalanalyse [BioSig]

Dozentinnen/Dozenten:

Felix Kluge, Björn Eskofier

Angaben:

Vorlesung, 2 SWS, ECTS: 2,5

Termine:

Di, 8:30 - 10:00, H16

Studienrichtungen / Studienfächer:

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 ICT-MA ab 1

Biomedizinische Signalanalyse Übung [BioSig-UE]

Angaben:

Übung, 2 SWS, ECTS: 2,5

Studienrichtungen / Studienfächer:

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 ICT-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

Innovationslabor für Wearable und Ubiquitous Computing [InnoLab]

Dozentinnen/Dozenten:

Björn Eskofier, Matthias Zürl, Philipp Dumbach, Marlies Nitschke, Malte Ollenschläger, Nils Roth, Philipp Schlieper, Maike Stöve, Martin Ullrich, Markus Zrenner

Angaben:

Praktikum, 4 SWS, benoteter Schein, geeignet als Schlüsselqualifikation

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

Voraussetzungen / Organisatorisches:

Themenvergabe und Terminfindung in der ersten Woche des Semesters. Anmeldung bis 15.10.2019 unter Studon. 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/research/projects/innovation-lab-for-wearable-and-ubiquitous-computing ,
Anmeldung: https://www.studon.fau.de/crs2654537.html
Die Anmeldung ist möglich ab dem 09.09.2019 bis einschließlich 15.10.2019

Kolloquium im Bereich Maschinelles Lernen und Datenanalytik [KoMAD]

Dozent/in:

Björn Eskofier

Angaben:

Kolloquium, 2 SWS

Termine:

Mi, 12:30 - 14:00, 00.010

Studienrichtungen / Studienfächer:

WPF INF-MA ab 1

Maschinelles Lernen für Zeitreihen [MLTS]

Dozentinnen/Dozenten:

Björn Eskofier, Oliver Amft, Christopher Mutschler

Angaben:

Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5

Termine:

Mi, 8:15 - 9:45, 00.010

Studienrichtungen / Studienfächer:

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 Laborprojekt [MLTS-L]

Dozent/in:

Nooshin Haji Ghassemi

Angaben:

Praktikum, 2 SWS, ECTS: 2,5

Termine:

Zeit/Ort n.V.

Studienrichtungen / Studienfächer:

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]

Dozentinnen/Dozenten:

Nooshin Haji Ghassemi, Ivanna Timotius, Stefan Gradl

Angaben:

Übung, 2 SWS, ECTS: 2,5

Termine:

Di, 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

Studienrichtungen / Studienfächer:

WF ASC-MA ab 1
WF CE-MA-TA-MT ab 1
WF MT-MA ab 1
WF INF-MA ab 1
WF CME-MA ab 1

Maschinelles Lernen und Datenanalytik für Industrie 4.0 [MADI40]

Dozentinnen/Dozenten:

Björn Eskofier, An Nguyen, Franz Köferl, Philipp Schlieper

Angaben:

Seminar, 2 SWS, benoteter Schein, ECTS: 5, nur Fachstudium, Registration via mail to an.nguyen@fau.de

Termine:

Mi, 16:00 - 18:00, 00.010
Starts on 16.10.2019

Studienrichtungen / Studienfächer:

WPF MT-MA-BDV ab 1
WPF INF-MA ab 1
WPF CE-MA ab 1
WF EEI-MA ab 1
WPF ASC-MA ab 1
WF ICT-MA ab 1

Voraussetzungen / Organisatorisches:

Prerequisites Registration via e-mail to an.nguyen@fau.de Registration period: 15.07.2019 - 07.10.2019

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

Examination:
50% of grade: Presentation + demo (25 minutes)
50% of grade 4 pages IEEE standard paper (excluding references) + code submission
Attending the presentations of other students

Schlagwörter:

Machine Learning, Data Analytics, Process Mining, Predictive Maintenance, Industry 4.0, Healthcare

Projekt Maschinelles Lernen und Datenanalytik [ProjMAD]

Dozent/in:

Björn Eskofier

Angaben:

Sonstige Lehrveranstaltung, benoteter Schein, ECTS: 10

Termine:

Zeit/Ort n.V.

Studienrichtungen / Studienfächer:

WPF INF-MA 1

Voraussetzungen / Organisatorisches:

Master Studium Informatik

Schlagwörter:

Master Projekt Project

The why and how of human gait simulations [HGS]

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