Nummer

MEDZXXXX
Titel

Practical Time Series Analysis in Medicine and Biology with Python
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Schriftlicher Abschlussberict und mündliche Präsentation

Inhalt

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.

Qualifikationsziele

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.

Vergabe von Leistungspunkten/Benotung
Lehrform
Status
SWS
LP
Prüfungsform
Prüfungsdauer
Benotung
Berechnung
Modulnote (%)
Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten der Medizininformatik, Pfeifer
Literatur / Sonstiges

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&

Zuletzt angeboten nicht bekannt
Geplant für Wintersemester 2025
Zugeordnete Studienbereiche