Robust Data Science With Biomedical Applications

Robuste Data Science für die Signalverarbeitung Grundlagen des robusten statistischen Lernens Robuste Regressionsmodelle Robuste Clusteranalyse und Klassifizierung Robuste Zeitreihen und Spektralanalyse Hochdimensionale Data Science Biomedizinische Anwendungen Body-worn und radarbasiertes Sensing von Vitalparametern Electrocardiogram (ECG) und Photoplethysmogram (PPG) Augenforschung Intrakranieller Druck (ICP) Genomik Die Vorlesung behandelt sowohl die Grundlagen, als auch neuste Entwicklungen im Bereich Robust Data Science. Im Gegensatz zum klassischen statistischen Lernen und der klassischen Signalverarbeitung, die stark auf der Normalverteilung (Gaußverteilung) beruhen, können robuste Methoden mit impulsivem Rauschen, Ausreißern und Artefakten umgehen, die häufig in biomedizinischen Anwendungen auftreten. Die Vorlesungen über Robust Data Science und biomedizinische Anwendungen finden im Wechsel statt. Die Übungen wiederholen die Theorie und wenden Methoden des robusten maschinellen Lernens und der Signalverarbeitung auf Echtdaten an. Software Toolboxen in Python, Matlab und R, welche die behandelten Methoden implementieren, stehen den Studierenden zur Verfügung.