In diesem Hauptseminar besprechen wir verschiedenste Methoden für maschinelles Lernen. Im Fokus stehen dabei Ansätze des aktiven Lernens, Abschätzungen von Unsicherheit und ihre Nutzung, sowie Methoden für Erklärungen von Modellen. Die Anwendung und Entwicklung dieser Methoden für biomedizinische Fragestellungen wird anhand aktueller Forschungsarbeiten betrachtet.
Wir werden das Seminar vornehmlich auf Englisch durchführen, natürlich können Sie Fragen auch auf Deutsch stellen.
Treffpunkt: 14:00 c.t., T9, R. 051
Falls wir hybrid unterwegs sind (auf frühzeitige Anfrage per Email), nutzen wir diesen Link: https://fu-berlin.webex.com/fu-berlin/j.php?MTID=m95a13469d9a4dabdd3fc53144cdfe6f1
Peer feedback & report submission: There are two rounds for that, you have to join exactly one of them. Final report date is the same for all, August 28, you will get your grades by Sep 15. If you need your grade earlier than that, please send me an email explaining your case along with your (earlier) report submission.
Round 1 (early): Handing in your report by July 15 (1 pm) for peer feedback, providing peer feedback for two reports between July 15 and July 22, handing in the final report by August 28 (or earlier).
Round 2 (normal): Handing in your report by August 8 (end of day) for peer feedback, providing peer feedback on two reports between August 11 and August 18, handing in the final report by August 28.
Please note that submitting your final report without taking valid feedback from your peers into account is not acceptable.
Bachelorstudierende können an diesem Seminar teilnehmen und es als Proseminar verwenden, aber Inhalte sind sehr fortgeschritten und stammen weitestgehend aus aktueller Forschung. Grundlegende Literatur ist auf Englisch, daher sind gute Englischkenntnise erforderlich.
Bitte melden Sie sich gern bei Fragen persönlich (im Seminar, oder (oft) im T9, R. 161), per Mail (katharina.baum@fu-berlin.de), oder buchen Sie einen Sprechstundentermin hier!
Terminplanung
| Datum | Thema | Vortragende Person |
|---|---|---|
| 15.4.2025 | Introduction to the seminar topic, expectations, assignment of topics | Katharina Baum |
| 22.4.2025 | self-study: machine learning basics | video provided by K. Baum |
| 29.4.2025 | X1 - explainability with LR and RF and patient outcome prediction | Nomesh (45 + 10) |
| 6.5.2025 |
X2a - SHAP intro, types of visualizations and small application Guidelines on reports |
Lennard (30 + 10) [hybrid] K. Baum (20 + 10) |
| 13.5.2025 | X2b - comparing SHAP versions for drug activity prediction | Julian (45 + 10) |
| 20.5.2025 | X3 - LRP and feature relevance in breast cancer prediction with GCNs | Michael (45 + 10) |
| 27.5.2025 | X4 - Integrated gradients and patient outcome prediction | Xenia Krotov (45 + 10) |
| 3.6.2025 | U1 - aleatoric vs. epistemic uncertainty for coronary heart disease prediction |
Tanya Toluay (45 + 10) |
| 10.6.2025 | U3 - Bayesian CNN for patient outcome prediction | Matteo (30 + 10) |
| 17.6.2025 |
"U4 - Batch ensemble models" |
all, moderated by K. Baum |
| 24.6.2025 | A1 - active learning basics: selective sampling | Sunwoo Gim (30 + 10) |
| 1.7.2025 | A2 - margin sample selection and gene-variant prediction in text | Catarina (45 + 10) |
| 8.7.2025 | A4 - BALD and drug discovery in chemical space | Jueun Lee (30 + 10) |
| 15.7.2025 | Seminar contents in our research, wrap-up and feedback | K. Baum (30 +10) + all (15) |