Sommer Semester 2022
Prof. Dr. Sebastian Stober &
Johannes Schleiß & Robert Brockhoff
Zeit: Blockseminar in der vorlesungsfreien Zeit (September 2022) und Kickoff Termin Ende Juni/Anfang Juli. Die vorläufigen Termine sind unter Schedule verlinkt.
Wichtiger Hinweis: Bewerbung per Mail bis spätestens 23.06.2022 bei Johannes Schleiß (Bewerbungsphase offen).
“All models are wrong, some are useful.” - George Box
Neurowissenschaften beschäftigen sich mit dem Aufbau und der Funktionsweise unseres Gehirns. Dabei bleiben noch viele ungelöste Fragen: Wie lernen wir und wie funktioniert unser Gedächtnis?, Warum schlafen und träumen wir?, Wie treffen wir Entscheidungen?
Diese herausfordernden Fragestellungen werden oft von interdisziplinären Forschungsteams untersucht. Hierbei ist zu beobachten, dass KI-Strategien, insbesondere Algorithmen zum tiefen Lernen, zunehmend zur Charakterisierung und Analyse komplexer neurophysiologischer Daten herangezogen werden. Vor allem bei der Auswertung von großen, komplexen Datenmengen kann künstliche Intelligenz (KI) einen bedeutenden Beitrag leisten. Die Herausforderung ist dabei oft, dass spezifisches Domainwissen sowohl in Neurowissenschaften und in KI notwendig ist, um Modelle zu entwickeln und Daten zu verstehen und auszuwerten. Daher wird interdisziplinäre Zusammenarbeit zunehmend wichtiger und ist oft ein Treiber für Innovation und neue Forschungserkenntnisse. Das Ziel dieses Projektseminars ist angewandten KI-Kompetenzen in einem interdisziplinären Feld zwischen KI und Neurowissenschaften zu stärken und so die Zusammenarbeit mit anderen Fakultäten zu fördern.
Das Projektseminar richtet sich primär an (Master-)Studierende der Psychologie, Neurowissenschaften und Informatik und hat das Ziel die Teilnehmenden mit dem nötigen Wissen und Tools auszustatten, um ihre Forschungsprobleme mit neurophysiologischen Daten, wie beispielsweise Elektroenzephalografie (EEG) zu lösen. Nach Abschluss der Lehrveranstaltung kennen die Teilnehmenden grundlegende Konzepte von KI für Datenverarbeitung, und haben ein Verständnis über die Chancen, Risiken und Limits von KI in der Datenanalyse von neurophysiologischen Daten. Darüber hinaus haben die Teilnehmenden eine Trainings- und Datenverarbeitungspipelines für ihre Forschungsdaten entworfen und erstes Prototyping für Modelle erarbeitet.
Die Einführung in das Thema erfolgt in einem Flipped Classroom Setting, wobei die Studierenden sich im Selbststudium anhand von Lehrvideos, ausgewählten Buchpassagen und aktuellen Publikationen auf das Seminar vor. Die Präsenzzeit im Seminar wird dann für die Vertiefung und das Anwenden des Wissens genutzt. Nach dem Einführungsteil arbeiten die Studierenden in der Projektphase an konkreten Fragestellungen ihrer Forschung, wie beispielsweise Klassifizierung von Stimuli in EEG-Signalen. In einem abschließenden Blockseminar werden die Ergebnisse der Projektarbeit vorgestellt und im großen Kontext von KI in der medizinischen und neuropsychologischen Forschung reflektiert. In den Praxis-Projekten sollen anhand von konkreten Forschungsfragen ein Modell Prototyp gebaut werden. Das beinhaltet zum einen den Aufbau einer Daten- und Trainingspipeline, die Konzeption eines Baseline-Modells, sowie Grundlagen der Visualisierung und Evaluation. Das Prototyping wird in python stattfinden und auf den Bibliotheken pytorch und tensorflow aufbauen. Weiterhin werden die MNE und braindecode Bibliotheken zur Verarbeitung von neurophysiologischen Signalen zum Einsatz kommen. Der Kompetenzerwerb wird dabei durch regelmäßige Präsentationen in der Seminarrunde, und kontinuierlichem Feedback sichergestellt. Weiterhin steht den Teilnehmenden ein Mattermost Kanal für Kommunikation, Fragen und Austausch zur Verfügung. Abschließend sollen die Erkenntnisse aus dem Projekt in einem Blogpost zusammengefasst und vor einer größeren Audienz präsentiert werden.
Bei Fragen an den Kurs steht Johannes Schleiß zur Verfügung.
Das Projektseminar ist sehr anwendungsnah und durch seine Interdisziplinarität herausfordernd. Das Seminar wird keine Einführung in Machine Learning oder Deep Learning bieten, siehe hierzu bitte passende Kurse an der Fakultät Informatik. Allerdings versuchen wir über Open Educational Resources ein gemeinsames Verständnis für die Thematik aufzubauen. Für das Seminar sind Grundkenntnisse in der Programmierung in Python, sowie ein Grundverständnis für neuropsychologische Daten erforderlich. Für eine kurze Einführung in Python sind mehrere Tutorials im offiziellen Python-Wiki verlinkt. Weiterhin erwarten wir eine gewisse Neugier, um sich auf einen ergebnisoffenen und forschenden Lernprozess einzulassen.
Das Seminar gibt 3 Credit Points oder umgerechnet 90 Stunden. Seien Sie darauf vorbereitet so viel Zeit zu investieren. Wenn Sie sich für das Thema interessieren und es vertiefen wollen, planen Sie lieber etwas mehr Zeit ein - es lohnt sich.
Bewerbung per Mail bis spätestens 23.06.2022 bei Johannes Schleiß. Bitte erläutern Sie in der Mail kurz Ihre Motivation an dem Seminar teilzunehmen (max 500 Zeichen).
Das Seminar ist auf 20 Personen beschränkt. Die Bewerbungsfrist endet am 23. Juni 2022 (23:59 Uhr). Später eingehende Bewerbungen werden nur dann berücksichtigt, wenn noch Kurskapazitäten vorhanden sind. Die von Ihnen übermittelten Informationen werden ausschließlich für das Bewerbungsverfahren verwendet. Sie werden vertraulich behandelt und nach der Auswahl der Teilnehmenden gelöscht.
Ziel dieses Verfahrens ist es, Studierende auszuwählen, die das Seminar voraussichtlich erfolgreich abschließen und durch Ihre Motivation und Erfahrungen bereichern.