Schriftlicher Abschlussberict und mündliche Präsentation

In diesem Block-Praktikum wird zunächst das Thema Zeitreihen in der Biologie und der Medizin behandelt (Woche 1). In diesem Kontext werden die Studierenden Visualisierungen von Daten und klassiche Methoden der Zeitreihenanalyse sowie moderne Ansätze auf Grundlage maschineller Lernverfahren kennenlerne und erproben. In der 2. Woche werden die Studierenden dann an eigenen Projekten arbeiten und diese ihren Kommilitoninnen und Kommilitonen vorstellen.

Nach Absolvieren des Praktikums sind die Studierenden in der Lage, verschiedene Typen von Zeitreihendaten zu verstehen und zu definieren. Sie kennen klassische Vorhersagemethoden sowie einige Methoden auf Grundlage maschineller Lernverfahren und sie können die Ergebnisse von Zeitreihenanalysen beurteilen und interpretieren.

Voraussetzungen: Grundkenntnisse in der Programmierung mit Python, Grundkenntnisse in Statistik und maschinellem Lernen /
Prerequisites: Basic Python programming skills, basic concepts of statistics and machine learning

---

Literatur / Literature:
* Auffarth, Ben. Machine Learning for Time-Series with Python: Forecast, predict, and
detect anomalies with state-of-the-art machine learning methods. Packt Publishing Ltd,
2021. https://cdn.supo.vn/timsach/ebooks/9ecd381fcc7fc6a5abf1062fe950a83d/cc42ea53abd3a
b48f2bc5f54e6a29c23/machine-learning-time-series-python.pdf
* Huang, C., & Petukhina, A. (2022). Applied time series analysis and forecasting with
Python. Cham: Springer. https://link.springer.com/book/10.1007/978-3-031-13584-
2?source=shoppingads&locale=de&gad_source=5&gad_campaignid=18594249545&