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
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!
Link für die Evaluation: https://lehrevaluation.fu-berlin.de/productive/de/sl/NgK22c6uvwDP
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 |
tbd |
tbd |
| 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) |
| Course No | Course Type | Hours |
|---|---|---|
| 19336717 | Seminar/Proseminar | 2 |
| Time Span | 15.04.2025 - 15.07.2025 |
|---|---|
| Instructors |
Katharina Baum
|
| 0086c_k150 | 2014, BSc Informatik (Mono), 150 LPs |
| 0086d_k135 | 2014, BSc Informatik (Mono), 135 LPs |
| 0086e_k150 | 2023, BSc Informatik (Mono), 150 LP |
| 0087d_k90 | 2015, BSc Informatik (Kombi), 90 LPs |
| 0088d_m60 | 2015, MSc Informatik (Kombi), 60 LPs |
| 0089c_MA120 | 2014, MSc Informatik (Mono), 120 LPs |
| 0207b_m37 | 2015, MSc Informatik (Lehramt), 37 LPs |
| 0208b_m42 | 2015, MSc Informatik (Lehramt), 42 LPs |
| 0262c_MA120 | 2019 (ÄO 2021), MA Bioninformatik (Mono), 120 LP |
| 0458a_m37 | 2015, MSc Informatik (Lehramt), 37 LPs |
| 0471a_m42 | 2015, MSc Informatik (Lehramt), 42 LPs |
| 0556a_m37 | 2018, M-Ed Fach 1 Informatik (Lehramt an Integrierten Sekundarschulen und Gymnasien), 37 LPs |
| 0556b_m37 | 2023, M-Ed Informatik Fach 1 (Lehramt an Integrierten Sekundarschulen und Gymnasien), 37 LP |
| 0557a_m42 | 2018, M-Ed Fach 2 Informatik (Lehramt an Integrierten Sekundarschulen und Gymnasien), 42 LPs |
| 0557b_m42 | 2023, M-Ed Informatik Fach 2 Informatik (Lehramt an Integrierten Sekundarschulen und Gymnasien), 42 LPs |
| 0590b_MA120 | 2021, MSc Data Science, 120 LP |
| Day | Time | Location | Details |
|---|---|---|---|
| Tuesday | 14-16 | T9/051 Seminarraum | 2025-04-15 - 2025-07-15 |