Maschinelle Lernverfahren für die Zusammenführung und Analyse biomedizinischer Daten
Montag, 27. Juli 2015, 13:15-14:45
Maschinelle Lernverfahren dienen der Konstruktion, Anwendung und Analyse von Algorithmen, welche generalisiertes Wissen aus Daten zum Zwecke von Vorhersage, Erklärung und Beschreibung ableiten. Hier werden zwei Bereiche aus dem Datenzyklus in der biomedizinischen Forschung – Datenakquisition und Datenanalyse – betrachtet, für welche maschinelle Lernverfahren erweitert und angewendet wurden. Bei der Datenakquisition steht die Zusammenführung und Deduplizierung im Vordergrund; bei der Datenanalyse die Entwicklung von Verfahren, die eine adäquatere Sparsamkeitsanpassung und Interaktionsberücksichtigung in generalisierten linearen Modellen auf Basis von hochdimensionalen Daten erlauben. Neben den konkreten Zielen bei der Lösung der einzelnen Probleme besteht das allgemeine Ziel dieses Vortrages darin, die unterschiedlichen Potentiale von maschinellen Lernverfahren zu verdeutlichen.