Module

36 Treffer

Fokussierung36

Computing36

Bildgebende Verfahren17

Advanced Deep Learning for PhysicsNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenIn diesem Modul lernst Du Deep-Learning-Methoden und numerische Simulationsalgorithmen für physikalische Materialien wie Fluide und verformbare Körper. Am Ende kannst Du Konzepte wie generative Modelle, Zeitreihenvorhersage und numerische Verfahren für partielle Differentialgleichungen anwenden und passende Netzwerkarchitekturen und Solver für konkrete Aufgaben auswählen.6 ECTSkein Termin dieses SemesterIN2298Artificial Intelligence in MedicineNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst Grundlagen und aktuelle Methoden der Künstlichen Intelligenz im medizinischen Kontext kennen, von ML für medizinische Bildgebung über NLP für klinische Daten bis zu Datenschutz, Interpretierbarkeit und ethischen Aspekten. Am Ende kannst du die wichtigsten Themen einordnen, sie auf eigene Deep‑Learning‑Projekte anwenden und Strategien zur Bewertung und Umsetzung in der klinischen Praxis entwickeln.5 ECTSläuft dieses SemesterIN2403Artificial Intelligence in Medicine IINoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu erhältst einen Überblick über fortgeschrittene Vorhersage- und Klassifikationsaufgaben in der Medizin. Du lernst Methoden für Prognose und Diagnostik (z. B. Risikoscores, Survival-Modelle, Differenzialdiagnose, Populationsstratifizierung), spezialisierte ML-Techniken (geometrische Deep Learning-Methoden für Punktwolken/Netze, Transformer, Reinforcement Learning) sowie Themen zur Vertrauenswürdigkeit und klinischen Umsetzung von KI (Bias, Fairness, Generalisierbarkeit, Datenharmonisierung, Evaluation). Am Ende kannst Du die Konzepte in eigenen AI-Projekten anwenden und ihre sozialen und ethischen Implikationen einschätzen.5 ECTSkein Termin dieses SemesterIN2408Computational Physiology for Medical Image ComputingNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst, wie computational models genutzt werden, um aus klinischen Bilddaten physiologische und diagnostische Informationen zu gewinnen. Am Ende kannst du Modelle einsetzen und bewerten, die z. B. Blutfluss, Stoffwechsel, Gewebemikrostruktur oder Krankheitsprogression aus Modalitäten wie MR, CT oder PET extrahieren.6 ECTSkein Termin dieses SemesterIN2319Computer Architecture and NetworksNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst, wie ein Computer intern aufgebaut ist und wie die einzelnen Komponenten zusammenwirken. Am Ende kannst du zentrale Bauteile eines Mikroprozessors beschreiben, verschiedene Ebenen von Parallelität erkennen und beurteilen, wie Software diese Architekturaspekte für Leistungsausnutzung berücksichtigt.5 ECTSkein Termin dieses SemesterIN2189
12 weitere in Bildgebende VerfahrenComputer Vision III: Detection, Segmentation, and TrackingNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst moderne Methoden zur Objekterkennung, Segmentierung und Verfolgung in Bildern und Videos kennen. Am Ende verstehst du die zugrundeliegenden Deep-Learning-Konzepte und kannst reale Computer-Vision-Probleme mit state-of-the-art Modellen in PyTorch bearbeiten.6 ECTSläuft dieses SemesterIN2375Einführung in die digitale SignalverarbeitungNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst Grundlagen der digitalen Signalverarbeitung: Signale und Systeme im Zeit- und Frequenzbereich, Diskretisierung, Filteroperationen, Frequenztransformationen, Kompressionstechniken und erste Aspekte der digitalen Bildverarbeitung. Außerdem erfährst du, wie die Algorithmen auf einem digitalen Signalprozessor (DSP) realisiert werden und wendest diese Implementierungen in der Übung an. Am Ende kannst du theoretische Konzepte analysieren und geeignete Algorithmen praktisch umsetzen.7 ECTSkein Termin dieses SemesterIN2061Fundamentals of Artificial IntelligenceNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst die Grundlagen der künstlichen Intelligenz: von Suchverfahren und Constraint-Satisfaction über Logik und probabilistische Modelle bis zu Entscheidungsfindung, Lernen und einer Einführung in Robotik. Am Ende kannst du einfache KI-Systeme entwerfen und grundlegende Methoden aus Suche, Logik, Wahrscheinlichkeit und Entscheidungstheorie anwenden.6 ECTSläuft dieses SemesterIN2406Grundlagen des "Machine Learning" für die PhysikNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst grundlegende Konzepte und Methoden des Machine Learning mit Fokus auf Anwendungen in der Physik. Am Ende kannst du grundlegende Klassifikations- und Regressionsmodelle sowie Ensembleverfahren verstehen, einschätzen und einfache Beispielrechnungen dazu durchführen.5 ECTSläuft dieses SemesterNAT3009Grundlegende Algorithmen (CSE)Noch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu erhältst eine Einführung in grundlegende sequentielle und einfache parallele Algorithmen sowie in die Methoden zu ihrer Analyse. Am Ende kannst du typische Algorithmen (Sortieren, Suchen, Graphalgorithmen, einige parallele arithmetische Verfahren) anwenden, ihre Komplexität und Parallelität analysieren und Korrektheits- bzw. Leistungsbehauptungen formal begründen.5 ECTSläuft dieses SemesterIN2157Individuelles Anerkennungsmodul - Computing - Bildgebende Verfahren (außerhalb der TUM)Noch keine Bewertungen für dieses Modul.Computing › Bildgebende Verfahrenkein Termin dieses SemesterPH200014Individuelles Anerkennungsmodul - Computing - Bildgebende Verfahren (außerhalb der TUM)Noch keine Bewertungen für dieses Modul.Computing › Bildgebende Verfahrenkein Termin dieses SemesterPH200015Individuelles Anerkennungsmodul - Computing - Bildgebende Verfahren (außerhalb der TUM)Noch keine Bewertungen für dieses Modul.Computing › Bildgebende Verfahrenkein Termin dieses SemesterPH200013Inverse Problems in Medical ImagingNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst mathematische Werkzeuge und Lösungsstrategien für inverse Probleme in der medizinischen Bildgebung. Am Ende kannst du inverse Probleme theoretisch analysieren, experimentell entwerfen und praktisch implementieren sowie Algorithmen zur Rekonstruktion und Regularisierung beurteilen.5 ECTSkein Termin dieses SemesterIN2409Machine Learning for Graphs and Sequential DataNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst Methoden des Machine Learnings für Graphdaten und sequenzielle Daten (z. B. Text, Zeitreihen, Point Processes) kennen. Am Ende kannst du passende Modelle auswählen, anwenden und bewerten sowie spezielle Konzepte für nicht-unabhängige Daten wie Graphen oder zeitliche Abhängigkeiten verstehen und nutzen.5 ECTSkein Termin dieses SemesterIN2323Statistical Foundations of LearningNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst statistische Grundlagen der Machine-Learning-Theorie und mathematische Werkzeuge zur Analyse von Lernalgorithmen. Am Ende kannst du Generalisierungs- und Konsistenzfragen bewerten, Algorithmen wie k‑NN, SVM und einfache neuronale Netze theoretisch analysieren und neuere Entwicklungen wie Überparametrisierung und Trainingsdynamiken einordnen.8 ECTSläuft dieses SemesterCIT4230004Wissenschaftliches Maschinelles Lernen für IngenieureNoch keine Bewertungen für dieses Modul.Computing › Bildgebende VerfahrenDu lernst die Grundlagen des maschinellen Lernens mit Schwerpunkt auf überwachtem Lernen, Kernel-Methoden und neuronalen Netzen. Du verstehst Trainingsverfahren wie Backpropagation, kennst verschiedene Netzarchitekturen (RNN, CNN, GAN, Transformer) und grundlegende probabilistische Methoden wie Gaussian Processes und Variational Inference. Am Ende kannst du einschätzen, welche Modellklasse für ein konkretes Problem passt und einen einfachen ML-Workflow aufbauen.3 ECTSkein Termin dieses SemesterMW2435

Biosensorik19

Advanced Course on 3D Computational Modelling for Biomedical ApplicationsNoch keine Bewertungen für dieses Modul.Computing › BiosensorikDu lernst, wie man 3D-Computermodelle für verschiedene biomedizinische Anwendungen aufbaut, numerisch löst und auswertet. Nach dem Kurs kannst du grundlegende Modellierungsverfahren anwenden, Modelle in Python und COMSOL implementieren und Ergebnisse für Anwendungen in Elektromagnetismus, Stoff- und Wärmetransport, Strukturmechanik und Fluiddynamik interpretieren.5 ECTSläuft dieses SemesterCIT433048Advanced Deep Learning for RoboticsNoch keine Bewertungen für dieses Modul.Computing › BiosensorikIn diesem Modul vertiefst Du fortgeschrittene Deep-Learning-Methoden mit Schwerpunkt auf robotischen Anwendungen und Deep Reinforcement Learning. Du lernst sowohl theoretische Grundlagen zu modernen Netzarchitekturen und probabilistischen Methoden als auch deren praktische Umsetzung in Simulationen und Projekten für Robotik-Tasks.8 ECTSläuft dieses SemesterCIT433027Advanced ProgrammingNoch keine Bewertungen für dieses Modul.Computing › BiosensorikDu lernst, wissenschaftliche Software in C++ zu entwickeln und dabei Performance und Wartbarkeit auszubalancieren. Am Ende kannst du passende Datentypen und Programmstrukturen wählen, C++-Sprachmittel für Ressourcenmanagement, Objekt- und generische Programmierung anwenden sowie Performance analysieren und optimieren.5 ECTSläuft dieses SemesterIN1503Computational NeuroscienceNoch keine Bewertungen für dieses Modul.Computing › BiosensorikDu lernst Konzepte und Implementationen zentraler Modelle und Methoden der Computational Neuroscience in Python. Am Ende kannst du neuronale Einzelzell- und Netzwerkmodelle implementieren, deren Eigenschaften analysieren und Modelle auf neue Fragestellungen übertragen sowie grundlegende Methoden des Machine Learning und der Informationsanalyse anwenden.5 ECTSläuft dieses SemesterLS20056Digital Signal ProcessingNoch keine Bewertungen für dieses Modul.Computing › BiosensorikDu lernst fortgeschrittene Konzepte der digitalen Signalverarbeitung für ein- und mehrdimensionale Signale kennen und anzuwenden. Themenschwerpunkte sind 2D-/multidimensionale Signale und Systeme, Filterentwurf, lineare Blocktransformen, Wavelets/Filterbänke sowie inverse Probleme und Anwendungen in der Medienverarbeitung. Am Ende kannst du zwischen Raum- und Frequenzdarstellung wechseln, geeignete Repräsentationen wählen und Probleme sowohl analytisch als auch mit Matlab lösen.5 ECTSläuft dieses SemesterEI70220
14 weitere in BiosensorikIndividuelles Anerkennungsmodul - Computing - Biosensorik (außerhalb der TUM)Noch keine Bewertungen für dieses Modul.Computing › Biosensorikkein Termin dieses SemesterPH200016Individuelles Anerkennungsmodul - Computing - Biosensorik (außerhalb der TUM)Noch keine Bewertungen für dieses Modul.Computing › Biosensorikkein Termin dieses SemesterPH200018Individuelles Anerkennungsmodul - Computing - Biosensorik (außerhalb der TUM)Noch keine Bewertungen für dieses Modul.Computing › Biosensorikkein Termin dieses SemesterPH200017Introduction to Deep LearningNoch keine Bewertungen für dieses Modul.Computing › BiosensorikIn diesem Modul lernst du die Grundlagen und aktuelle Methoden des Deep Learning kennen, mit besonderem Schwerpunkt auf neuronalen Netzen und Convolutional Neural Networks. Du verstehst Theorie (z. B. Backpropagation, SGD, Regularisierung) und erwirbst praktische Erfahrung beim Trainieren und Optimieren von Netzarchitekturen, sodass du einfache Anwendungen wie Ziffernerkennung oder Bildklassifikation lösen kannst.6 ECTSläuft dieses SemesterIN2346Machine Learning for Regulatory GenomicsNoch keine Bewertungen für dieses Modul.Computing › BiosensorikIn diesem Modul lernst du biologische Grundlagen der Genregulation und moderne Deep-Learning-Methoden zur Modellierung sequenzbasierter Regulationsprozesse. Nach Abschluss kannst du genomweite experimentelle Verfahren und Deep-Learning-Modelle für verschiedene Stufen der Genexpression anwenden und die Modellvorhersagen biologisch interpretieren.6 ECTSkein Termin dieses SemesterIN2393Methoden und Datenanalyse in der Biophysik 1Noch keine Bewertungen für dieses Modul.Computing › BiosensorikIn diesem Modul lernst Du Methoden der Datenanalyse und typische Messprozesse in der Biophysik kennen. Du übst Statistik, Fehleranalyse, Rauschbetrachtung, Datensampling und -filterung sowie Grundlagen der Rasterkraftmikroskopie (AFM) und einfache Bayes-Statistik, so dass Du Messdaten kritisch bewerten und grundlegende Analyseaufgaben selbstständig durchführen kannst.5 ECTSkein Termin dieses SemesterPH2251Methoden und Datenanalyse in der Biophysik 2Noch keine Bewertungen für dieses Modul.Computing › Biosensorik5 ECTSkein Termin dieses SemesterPH2257Modernes Deep Learning in der PhysikNoch keine Bewertungen für dieses Modul.Computing › Biosensorik5 ECTSkein Termin dieses SemesterNAT3008NeuroAI and Machine Learning in NeuroscienceNoch keine Bewertungen für dieses Modul.Computing › BiosensorikDu lernst moderne Methoden der Computational Neuroscience und NeuroAI: von modellbasierten Ansätzen (Dendritenmodelle, mean-field, Fokker‑Planck, lineare Antwort) über Plastizität und stochastische Prozesse bis zu Trainingsmethoden für RNNs und SNNs sowie Reinforcement Learning und Predictive Coding. Am Ende kannst du Modelle auf verschiedenen Ebenen implementieren, RNNs/SNNs trainieren und NeuroAI-Paper fachgerecht analysieren und reproduzieren.7 ECTSkein Termin dieses SemesterLS20057NeuroprostheticsNoch keine Bewertungen für dieses Modul.Computing › BiosensorikDu erhältst die theoretischen Grundlagen der Neuroprothetik und setzt diese in einer begleitenden Computerübung numerisch um. Schwerpunkt ist die elektrische Stimulation von Neuronen am Beispiel von Cochlea‑Implantaten; Ziel ist die Entwicklung und Simulation eines virtuellen Innenohrimplantat‑Modells inklusive Antwort des auditorischen Nervs.5 ECTSläuft dieses SemesterEI70270Physikbasiertes Machine LearningNoch keine Bewertungen für dieses Modul.Computing › BiosensorikDu lernst ausgewählte Methoden des maschinellen Lernens von Grundkonzepten bis zum Stand der Technik kennen. Im Fokus stehen Klassifikation und Regression, Clustering und Dimensionsreduktion sowie generative Modelle; am Ende kannst du die Methoden verstehen, implementieren und auf reale Probleme anwenden sowie physikalische Randbedingungen und Invarianzen berücksichtigen.5 ECTSkein Termin dieses SemesterMW2450Process Modeling and ControlNoch keine Bewertungen für dieses Modul.Computing › BiosensorikDu lernst, wie chemische und thermische Prozesse modelliert und geregelt werden. Das Modul vermittelt Grundlagen zu bilanziellen Modellen (Masse, Stoffmenge, Energie, Impuls), zu stationärem und dynamischem Verhalten sowie zu Regelungstechnik (P, I, D, PID, Kaskaden). Am Ende kannst du Systeme mathematisch beschreiben, ODEs numerisch lösen und Regelkreise mit MATLAB/Simulink entwerfen und analysieren — unter Berücksichtigung ökologischer und ökonomischer Auswirkungen.5 ECTSläuft dieses SemesterED180022Protein Prediction I for BioinformaticiansNoch keine Bewertungen für dieses Modul.Computing › BiosensorikDu erhältst einen Überblick zur Proteinstruktur und zur Vorhersage von Protein-Eigenschaften und -Struktur in 1D, 2D und 3D. Du lernst moderne Methoden der Sequenzanalyse, Kontaktvorhersage, vergleichenden Modellierung und den Umgang mit ML-/KI-basierten Ansätzen wie Protein-Sprachmodellen kennen sowie deren Stärken und Grenzen einzuschätzen.8 ECTSkein Termin dieses SemesterIN2221Visual Data AnalyticsNoch keine Bewertungen für dieses Modul.Computing › BiosensorikDu lernst Methoden und Algorithmen zur Visualisierung von Daten, von der Datenaufnahme über Filterung und Interpolation bis hin zur Darstellung. Am Ende kannst du Verfahren für Informations- und wissenschaftliche Visualisierung auswählen, bewerten und praktisch anwenden, z. B. Isoflächen, Volumenrendering, Flussvisualisierung und Terrain-Rendering.5 ECTSläuft dieses SemesterIN2026