Module

17 Treffer

Fokussierung17

Computing17

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