Fabian Eitel ist Doktorand an der Charité in Berlin und forscht zu Algorithmen, die in Gehirnbildern neurologische und psychische Krankheiten erkennen. In dieser Podcastfolge erfährst du, welche Krankheiten sich am besten erkennen lassen, worin die Schwierigkeiten bei der Krankheitserkennung liegen und welche KI-Methoden dabei genutzt werden. Des Weiteren erfährst du, welche Rolle dabei Daten spielen.

Maschinelles Lernen und Deep Learning sind beides artverwandte Teilbereiche der Künstlichen Intelligenz. In dieser Podcastfolge erfährst du, worin die grundlegenden Unterschiede zwischen Maschinellem Lernen und Deep Learning bestehen. Des Weiteren werden wichtige Bereiche genannt, in denen Deep-Learning-Verfahren heute in der Medizin Anwendung finden.

Diese Podcast-Folge beschäftigt sich mit Funktionsweisen von Entscheidungsbäumen und linearer Regression. Zudem wird ergründet, worin der Unterschied zwischen Maschinellen- und Deep-Learning-Verfahren liegt.

Ein wesentliches Anwendungsfeld von Maschinellen Lernverfahren sind Klassifikationsprobleme. Diese Podcast-Folge beschäftigt sich mit sogenannten Evaluations-Metriken und wie sich Klassifikationsalgorithmen trainieren lassen.

Nach einem gundlegenden Einstieg in den Bereich der Data Science und den verschiedenen Datentypen liefert diese Podcast-Folge tiefere Einblicke, welche Formen von Daten in der Medizin Anwendung finden.

Daten gewinnen in der Medizin zunehmend an Gewicht. Nicht zuletzt bilden Daten die wichtigste Grundlage bei der Entwicklung von KI. In dieser Folge erhältst Du eine grundlegende Einführung in das Feld der Data Science.

KI-Methoden halten zunehmend Einzug in die Bereiche der Medizin und nehmen dadurch Einfluss auf die Arbeitsweisen von Mediziner*innen. In dieser Folge werden wichtige KI-Anwendungen vorgestellt.

In der ersten Folge des Podcasts von Charité und KI-Campus geht es um verschiedene Formen von Intelligenzen und historischen Entwicklungen im Feld der Künstlichen Intelligenz (KI).