Unsere Kurse sind offen für alle und kostenlos für Studierende, Schüler:innen, Auszubildende, Gründer:innen, wissenschaftliche Mitarbeiter:innen, Arbeitssuchende, Geflüchtete und Rentner:innen. Für Angestellte und Selbstständige fällt bei Erwerb eines Leistungszertifikats eine Gebühr in Höhe von 200 Euro an. Über stipendium@opencampus.sh können Angestellte und Selbständige ein Stipendium beantragen.
The course will be in German language!
Was Du bekommst
Dieser Kurs basiert auf der Coursera-Spezialisierung "AI for Medicine" (in Englisch) von deeplearning.ai. Im Rahmen des Kurses wirst Du lernen, wie man Machine-Learning-Modelle zur Klassifizierung und Segmentierung von Bildern mit erstellt, um damit Lungen- und Hirnerkrankungen zu diagnostizieren, wie Risiko- und Überlebensschätzungen mit Hilfe von Random Forests durchführt oder wie man Natural Language Processing einsetzt, um Information aus radiologischen Berichten zu extrahieren.
Alle benötigte Software und Online-Kursinhalte sind kostenlos. Als Deutschlands erster Coursera for Campus-Partner bietet opencampus.sh Dir insbesondere den vollen Zugang zur Online-Lernplattform von Coursera. Dieser Kurs ist Teil des opencampus.sh Machine Learning Degree. Teilnehmende des Programms für den Machine Learning Degree erhalten bevorzugten Zugang zu diesem Kurs. Mehr Informationen zum opencampus.sh Machine Learning Degree findest Du hier.
Was Du mitbringen solltest
Du verfügst bereits über Programmierkenntnisse und bist daran interessiert, praktische Kenntnisse im Trainieren und Anwenden von Machine-Learning-Algorithmen für den Bereich der Medizin zu erwerben.
Während der Woche wird von Dir erwartet, dass Du die zugewiesenen Online-Kursinhalte durcharbeitest, wofür Du mindestens 5 Stunden pro Woche zusätzlich einplanen solltest. In der zweiten Hälfte des Kurses solltest Du insbesondere genügend Zeit für die Implementierung des Machine-Learning-Projekts einplanen.
Um ein Leistungszertifikat (oder ECTS) für diesen Kurs zu erhalten, wird eine aktive Teilnahme erwartet, es dürfen nicht mehr als zwei Kurstermine versäumt werden und es muss ein Praxisprojekt in einem Team von zwei bis vier Personen durchgeführt werden. Am Ende des Kurses ist das Projekt zu präsentieren und ein gut dokumentierter Source Code des Projektes abzugeben.